[发明专利]一种基于集成神经网络的用户购买行为预测方法有效
| 申请号： | 201810642096.X | 申请日： | 2018-06-21 |
| 公开（公告）号： | CN108921602B | 公开（公告）日： | 2021-12-21 |
| 发明（设计）人： | 张星明;许弘杰;林育蓓;王昊翔 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06Q30/02 | 分类号： | G06Q30/02;G06Q30/06;G06N3/12;G06N3/02 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 冯炳辉 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于集成神经网络的用户购买行为预测方法，包括步骤：1)对用户行为历史记录进行特征提取和采样，获得样本集合T1；2)利用Boosting集成方法形成分类器C1，对样本集合T1进行分类处理和特征集成，得到新的样本集合T2；3)构建神经网络的基本结构，利用基因算法对神经网络的参数进行启发式搜索，形成集成神经网络分类器C2；4)利用分类器C2对样本集合T2进行分类处理，得到新的样本集合T3；5)利用Bagging集成方法形成分类器C3，对样本集合T3进行分类处理，得到用户会产生购买行为的物品列表，作为对于用户购买行为的预测结果。本发明解决传统方法分类效果差、泛化性差、在大数据情景下效率低下等问题。 | ||
| 搜索关键词： | 一种 基于 集成 神经网络 用户 购买 行为 预测 方法 | ||
【主权项】：
1.一种基于集成神经网络的用户购买行为预测方法，其特征在于，包括以下步骤：1)对用户行为历史记录进行特征提取和采样，从中获得能概括用户、物品特征和用户购买标签的样本集合T1；2)利用Boosting集成方法形成分类器C1，对样本集合T1进行分类处理和特征集成，得到新的样本集合T2；3)构建神经网络的基本结构，利用基因算法对神经网络的参数进行启发式搜索，得到最优的神经网络，并将得到的最优的神经网络集成起来，形成集成神经网络分类器C2；4)利用分类器C2对样本集合T2进行分类处理，其中每一个神经网络都会处理样本集合中的一部分，并在分类器C2的输出前进行结果融合和特征集成，最后得到新的样本集合T3；5)利用Bagging集成方法形成分类器C3，对样本集合T3进行分类处理，得到用户会产生购买行为的物品列表，作为对于用户购买行为的预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810642096.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于神经网络的电力现货市场辅助交易方法
- 下一篇：用户评价方法及相关装置
