[发明专利]用户观影信息预测方法、装置、设备及存储介质

权利要求书

1.一种用户观影信息预测方法，其特征在于，所述用户观影信息预测方法包括：

获取预设天数内每天的预设用户观影评价维度对应的维度值，并确定所述预设用户观影评价维度对应的预设时间衰减权重因子和预设节假日权重因子；

根据获取的所述维度值、所述预设时间衰减权重因子和所述预设节假日权重因子，确定所述预设天数中不同时间段对应的观影评价指标；

将所述不同时间段对应的观影评价指标输入预先训练的全连接神经网络，得到所述预设天数对应的观影得分；以及，

根据所述观影得分预测用户的观影概率和流失概率。

2.如权利要求1所述的方法，其特征在于，所述确定所述预设用户观影评价维度对应的预设时间衰减权重因子和预设节假日权重因子的步骤包括：

获取所述维度值对应的观影天数以及所述观影天数对应的观影日期；

根据所述观影天数确定预设时间衰减权重因子；以及，

根据所述观影日期确定预设节假日权重因子。

3.如权利要求2所述的方法，其特征在于，所述根据获取的所述维度值、所述预设时间衰减权重因子和所述预设节假日权重因子，确定所述预设天数中不同时间段对应的观影评价指标的步骤包括：

根据所述预设时间衰减权重因子与不同时间段内的所述观影天数确定不同时间段对应的时间权重值；

根据所述预设节假日权重因子与不同时间段内的所述观影日期确定不同时间段对应的节假日权重值；

对所述时间权重值、所述节假日权重值以及所述维度值进行加权运算得到不同时间段对应的观影评价指标。

4.如权利要求1所述的方法，其特征在于，所述将所述不同时间段对应的观影评价指标输入预先训练的全连接神经网络，得到所述预设天数对应的观影得分的步骤包括：

采用所述全连接神经网络的隐含层对不同时间段对应的观影评价指标进行加权运算，得到所述隐含层输出的第一运算结果；

采用所述全连接神经网络的输出层对所述第一运算结果进加权运算，以得到所述输出层输出的第二运算结果；

根据所述第二运算结果确定所述观影得分。

5.如权利要求1所述的方法，其特征在于，所述全连接神经网络的训练过程包括：

获取标注有标签的训练样本集，并根据所述训练样本集确定待训练神经网络；

采用所述训练样本集对所述待训练神经网络进行迭代训练；

在所述待训练神经网络的网络模型的损失函数小于或者等于预设损失阈值时，停止所述待训练神经网络的训练，并将停止训练的所述待训练神经网络保存为所述全连接神经网络。

6.如权利要求5所述的方法，其特征在于，所述根据所述训练样本集确定待训练神经网络的步骤包括：

获取训练样本集中训练样本的第一数量；

根据所述第一数量确定所述待训练神经网络的输入层节点的第一个数和隐藏层节点的第二个数；

根据所述标签的第二数量确定所述待训练神经网络的输出层节点的第三个数；

根据第一个数的所述输入层节点、第二个数的所述隐藏层节点和第三个数的所述输出层节点构建所述待训练神经网络。

7.如权利要求1所述的方法，其特征在于，所述根据所述观影得分预测用户的观影概率和流失概率的步骤包括：

采用预设损失函数对所述观影得分进行回归，得到所述用户的观影概率和流失概率。

8.一种用户观影信息预测装置，其特征在于，所述用户观影信息预测装置包括：

第一获取模块，用于获取预设天数内每天的预设用户观影评价维度对应的维度值，并确定所述预设用户观影评价维度对应的预设时间衰减权重因子和预设节假日权重因子；

第二获取模块，用于根据获取的所述维度值、所述预设时间衰减权重因子和所述预设节假日权重因子，确定所述预设天数中不同时间段对应的观影评价指标；

数据处理模块，用于将所述不同时间段对应的观影评价指标输入预先训练的全连接神经网络，得到所述预设天数对应的观影得分；

数据预测模块，用于根据所述观影得分预测用户的观影概率和流失概率。