[发明专利]一种基于BP神经网络的用户行为分析与预测的建模方法及其装置

摘要

本发明涉及计算机网络领域，特别是电商和大数据分析领域，具体涉及一种基于BP神经网络的用户行为分析与预测的建模方法及其装置。一种基于BP神经网络的用户行为分析与预测的建模方法，将用户行为数据的采集与分析、预算算法用于参数源建模，本建模方法采用三层神经网络模型进行设计，构建出三层神经网络模型下的神经网络预测模型预测移动用户行为，将用户的行为类型作为评价参数，该建模方法包括将网络用户行为的各指标作为参数通过输入层一一对应输入到本神经网络中；此建模方法将所有的输入的参数在隐藏层通过不断的迭代处理，再通过输出层输出结果；其特征在于利用人工蜂群ABC算法来弥补BP神经网络预测模型的不足，通过将人工蜂群ABC算法运用在隐藏层和输出层的运算中，从而提高该预测模型的收敛速度。

主权项

一种基于BP神经网络的用户行为分析与预测的建模方法，将用户行为数据的采集与分析、预算算法用于参数源建模，本建模方法采用三层神经网络模型进行设计，构建出三层神经网络模型下的神经网络预测模型预测移动用户行为，将用户的行为类型作为评价参数，该建模方法包括如下步骤：(1)将网络用户行为的各指标作为参数通过输入层一一对应输入到本神经网络中；(2)此建模方法将所有的输入的参数在隐藏层通过不断的迭代处理，再通过输出层输出结果。通过预先输入已有的一些统计参数，让模型自我学习，将各个参数通过输入层输入到模型后，在隐藏层先将各个神经元的连接权值和阈值进行初始化，开始进入学习模式。此时，各个隐藏层中的每个神经元会计算净输入和输出，接着隐藏层的输出会成为输出层的输入。输出层在得到输入后，计算其各个神经元的净输入和输出。接下来，隐藏层和输出层均通过自己的输出和已设定的阈值进行对比并计算一般化误差。隐藏层会依据一般化误差来调整隐藏层至输出层之间的连接权值和输出层各个单元的阈值，输出层会根据一般化误差调整输入层至隐藏层之间的连接权值及隐藏层中各个单元的阈值。不断调整、更新学习模式，并判断学习模式是否完毕。未完毕则再次跳转到重新将学习模式对提供给网络这个步骤，已完毕则更新学习次数，之后判断学习次数或者误差是否达标。若未达标，则跳转到重新将学习模式对提供给网络这个步骤。若已达标，则流程结束。其特征在于利用人工蜂群ABC算法来弥补BP神经网络预测模型的不足，通过将人工蜂群ABC算法运用在隐藏层和输出层的运算中，从而提高该预测模型的收敛速度。