[发明专利]一种收入预测方法及装置

说明书

技术领域

本发明涉及数据处理技术领域，具体而言，涉及一种收入预测方法及装置。

背景技术

网络推广作为一种新兴的推广方式，由于其相对传统推广方式，具有无地域性、传播不间断性、精准度高、互动性强、受众层次高等特点，并且可以方便地进行信息反馈、效果跟踪、消费者分析、行为调查、甚至消费等行为而受到越来越多的重视。

对于企业产品(如网站、APP等)而言，其可以通过各种网络推广渠道进行产品宣传。其中，网站的推广渠道可以是包括360、百度、搜狗等在内的各个搜索引擎，APP的推广渠道则可以是包括App Store、应用宝、华为应用市场等在内的各个应用平台。企业可以根据自身需要选取上述推广渠道中的一种或多种进行产品推广，然而，不管是应用哪一种推广渠道，企业都需要投入相应的资金，最终的推广效果则以企业的收入进行评判。

就一定程度而言，企业采用各个推广渠道进行推广后的总收入将随着推广渠道的总支出的增加而增加，然而，上述总收入与总支出不一定成正比，因此，如何利用有限的推广资金获取企业的收入最大化成为一个亟待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种收入预测方法及装置，基于反向传播方法对企业的收入进行预测，预测效率和灵活度均较高。

第一方面，本发明提供了一种收入预测方法，所述方法包括：

接收企业对每个推广渠道的当前支出数据；

将所述当前支出数据输入至预先设置的神经网络结构中，输出对应于所述当前支出数据的预测总收入数据；

其中，通过如下步骤得到所述神经网络结构：

获取所述企业的历史数据集合；其中，所述历史数据集合包括每个所述推广渠道的支出数据和对应于所有推广渠道的总收入数据；

利用反向传播方法基于所述支出数据和所述总收入数据对构建的神经网络结构进行训练，直至在所述神经网络结构的输出达到收敛时，停止训练。

结合第一方面，本发明提供了第一方面的第一种可能的实施方式，其中，所述获取所述企业的历史数据集合之后和所述利用反向传播方法基于所述支出数据和所述总收入数据对构建的神经网络结构进行训练之前，还包括：

对所述历史数据集合中的所述支出数据和所述总收入数据进行归一化，得到归一化后的支出数据和总收入数据。

结合第一方面，本发明提供了第一方面的第二种可能的实施方式，其中，通过如下步骤判断所述神经网络结构的输出是否达到收敛：

确定所述神经网络结构的训练次数是否达到预设阈值，得到第一匹配结果；

根据所述第一匹配结果判断是否达到收敛。

结合第一方面，本发明提供了第一方面的第三种可能的实施方式，其中，通过如下步骤判断所述神经网络结构的输出是否达到收敛：

确定所述神经网络结构的输出结果和所述总收入数据之间的输出误差是否小于预设误差，得到第二匹配结果；

根据所述第二匹配结果判断是否达到收敛。

结合第一方面的第三种可能的实施方式，本发明提供了第一方面的第四种可能的实施方式，其中，所述利用反向传播方法基于所述支出数据和所述总收入数据对构建的神经网络结构进行训练，直至在所述神经网络结构的输出达到收敛时，停止训练，包括：

构建神经网络结构；

将初始训练参数和每个所述推广渠道的支出数据输入至构建的神经网络结构；

判断所述输出误差是否小于所述预设误差，若否，基于所述输出误差对所述初始训练参数进行调整；

循环将调整后的训练参数和每个所述推广渠道的支出数据输入至所述神经网络结构，判断所述输出误差是否小于所述预设误差，直至在判断出所述输出误差小于所述预设误差时，停止循环。

第二方面，本发明还提供了一种收入预测装置，所述装置包括：

接收模块，用于接收企业对每个推广渠道的当前支出数据；

预测模块，用于将所述当前支出数据输入至预先设置的神经网络结构中，输出对应于所述当前支出数据的预测总收入数据；

训练模块，用于获取所述企业的历史数据集合；其中，所述历史数据集合包括每个所述推广渠道的支出数据和对应于所有推广渠道的总收入数据；利用反向传播方法基于所述支出数据和所述总收入数据对构建的神经网络结构进行训练，直至在所述神经网络结构的输出达到收敛时，停止训练。

结合第二方面，本发明提供了第二方面的第一种可能的实施方式，其中，还包括：