[发明专利]看家产品需求的预测方法、装置及可读存储介质

说明书

本发明公开了一种看家产品需求的预测方法、装置及可读存储介质，所述看家产品需求的预测方法包括：通过预设平台获取预设时段内待测用户的用户数据；根据所述待测用户的用户数据确定用于预测所述待测用户的看家产品需求的特征数据；根据所述特征数据以及深度神经网络模型确定所述待测用户的看家产品需求。本发明旨在提高看家产品需求的预测精度。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种看家产品需求的预测方法、装置及可读存储介质。

背景技术

目前，运营商对看家产品需求的预测模型较少涉及，现有运营商的一些其它产品需求预测技术方案中的模型主要基于表格统计或人为设定特征的权重，或者基于逻辑回归、决策树、神经网络以及随机森林等浅层机器学习算法。但是，在大数据的背景下，这些静态或者浅层算法在需求预测问题上很难取得较高的预测精度，无法满足用户多样的个性化需求，运营商难以对有看家产品需求的用户进行精准营销。

综上所述，现有技术在预测用户对看家产品需求时存在预测精度较低的技术问题。

发明内容

本发明的主要目的在于提供一种看家产品需求的预测方法、装置及可读存储介质，旨在提高看家产品需求的预测精度。

为实现上述目的，本发明提供一种看家产品需求的预测方法，所述看家产品需求的预测方法包括：

通过预设平台获取预设时段内待测用户的用户数据；

根据所述待测用户的用户数据确定用于预测所述待测用户的看家产品需求的特征数据；

根据所述特征数据以及深度神经网络模型确定所述待测用户的看家产品需求。

可选地，所述预设平台包括手机用户标签平台、宽带上网深度报文检测平台以及手机上网深度报文检测平台；所述用户数据包括所述待测用户的用户标签数据、宽带上网数据以及手机上网数据。

可选地，所述根据所述特征数据以及深度神经网络模型确定所述待测用户的看家产品需求的步骤包括：

根据所述特征数据以及所述深度神经网络模型确定所述待测用户的看家产品需求的预测值；

在所述预测值为预设值时，确定所述待测用户有看家产品需求。

可选地，所述通过预设平台获取预设时段内待测用户的用户数据的步骤之前，还包括：

获取已知看家产品需求的用户的用户数据；

根据已知看家产品需求的用户的用户数据确定样本特征数据；

根据所述样本特征数据以及预设网络模型确定所述深度神经网络模型。

可选地，所述样本特征数据包括训练特征数据以及测试特征数据，所述根据所述样本特征数据以及预设网络模型确定所述深度神经网络模型的步骤包括：

采用所述训练特征数据对所述预设网络模型进行训练，以确定所述预设网络模型的目标权重值；

将所述预设网络模型的权重值设为所述目标权重值；

采用所述测试特征数据对设有目标权重值的所述预设网络模型进行测试，以测试设有目标权重值的所述预设网络模型预测看家产品需求的准确率；

在所述准确率大于预设阈值时，将设有目标权重值的所述预设网络模型确定为所述深度神经网络模型。

可选地，所述预设网络模型为基于深度学习框架Tensorflow以及Python算法搭建的深度神经网络模型，所述预设网络模型包括一个输入层、多个隐藏层以及一个输出层，其中，所述输入层的神经元数量与所述特征数据的数量相同。

可选地，所述根据所述特征数据以及深度神经网络模型确定所述待测用户的看家产品需求的步骤之后，还包括：