[发明专利]预测用户申告方法及装置

权利要求书

1.一种预测用户申告方法，其特征在于，包括：

获取待预测设备的接入层告警信息；

将所述接入层告警信息输入预先训练好的数据预处理模型中，获得各所述稀疏性自编码器对应的特征向量；其中，所述数据预处理模型包括若干稀疏性自编码器；

将各所述稀疏性自编码器对应的特征向量，拼接为目标向量；

将所述目标向量输入预先训练好的预测神经网络，获得所述待预测设备下挂用户在未来一段时间内申告发生量的预测结果。

2.如权利要求1所述的预测用户申告方法，其特征在于，所述数据预处理模型的训练方法包括：

确定训练样本数据；其中，所述训练样本数据包括训练用接入层告警信息；

配置所述数据预处理模型的相关参数，并将各所述稀疏性自编码器的当前稀疏参数设置为初始化稀疏参数；

将所述训练样本数据，依次输入所述若干稀疏性自编码器中进行训练迭代；

判断由所述数据预处理模型是否在最大迭代次数阈值内收敛；

若是，则确定所述数据预处理模型训练完成；

若否，则确定所述数据预处理模型中已经训练完成的稀疏性自编码器的总数；在所述总数等于所述数据预处理模型中的稀疏性自编码器总数时，确定所述数据预处理模型训练完成；在所述总数小于所述数据预处理模型中的稀疏性自编码器总数时，将所述当前稀疏参数加上递增值作为新的稀疏参数，对其余未训练完成的稀疏性自编码器进行训练迭代，直至所述总数等于所述数据预处理模型中的稀疏性自编码器总数。

3.如权利要求2所述的预测用户申告方法，其特征在于，将所述训练样本数据，依次输入所述若干稀疏性自编码器中进行训练迭代，包括：

将所述训练样本数据，输入当前稀疏性自编码器中进行当前次训练；

根据所述当前稀疏性自编码器的稀疏参数，确定所述当前稀疏性自编码器的散度；

将所述散度带入损失函数，确定所述损失函数的损失值；

判断所述损失值是否不大于所述损失函数的收敛阈值；

若是，则确定所述当前稀疏性自编码器训练完成；

若否，则对所述当前稀疏性自编码器进行下一次迭代，直至所述损失值不大于所述损失函数的收敛阈值。

4.如权利要求3所述的预测用户申告方法，其特征在于，在所述当前稀疏性自编码器中进行当前次训练时，采用Adam优化器反向学习误差。

5.如权利要求1-4任一项所述的预测用户申告方法，其特征在于，所述将各所述稀疏性自编码器对应的特征向量，拼接为目标向量，包括：

所述将各所述稀疏性自编码器对应的特征向量，按照所述若干稀疏性自编码器的排列顺序拼接为目标向量。

6.如权利要求1-4任一项所述的预测用户申告方法，其特征在于，所述预测结果为预测数值。

7.如权利要求1-4任一项所述的预测用户申告方法，其特征在于，所述预测神经网络包括BiLSTM-Attention神经网络。

8.一种预测用户申告装置，其特征在于，包括：

获取单元，被配置为获取待预测设备对应的接入层告警信息；

特征向量确定单元，被配置为将所述接入层告警信息输入预先训练好的数据预处理模型中，获得各所述稀疏性自编码器对应的特征向量；其中，所述数据预处理模型包括若干稀疏性自编码器；

目标向量确定单元，被配置为将各所述稀疏性自编码器对应的特征向量，按照所述若干稀疏性自编码器的排列顺序拼接为目标向量；

预测结果确定单元，被配置为将所述目标向量输入预先训练好的预测神经网络，获得所述待预测设备下挂用户在未来一段时间内申告发生量的预测结果。

9.一种计算机设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1-7任一项所述的预测用户申告方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述的预测用户申告方法的步骤。