[發明專利]一種用戶興趣預測方法、裝置及系統

在審

• 申請號: 201810170465.X
• 申請日: 2018-02-28
• 公開（公告）號: CN110210881A
• 公開（公告）日: 2019-09-06
• 發明（設計）人: 馮禹銘;付賢會
• 申請（專利權）人: 中興通訊股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/00;G06N3/08
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 胡海國

1.一種用戶興趣預測方法，其特征在于，包括：

采集特定的數據生成日志文件；

根據所述日志文件和局部回歸Elman神經網絡的輸入與輸出生成訓練樣本；

采用差分進化算法訓練所述Elman神經網絡，根據所述訓練樣本生成所述Elman神經網絡的權值和閾值；

根據所述Elman神經網絡的權值和閾值獲取用戶對各主題分類的興趣度。

2.根據權利要求1所述的方法，其特征在于，還包括:在預設的時間間隔更新所述訓練樣本。

3.根據權利要求1所述的方法，其特征在于，所述根據日志文件和局部回歸Elman神經網絡的輸入與輸出生成訓練樣本具體包括：

解析所述日志文件；

抓取所述日志文件中的訓練數據；

根據所述Elman神經網絡的輸入和輸出的結構或參數將所述訓練數據生成訓練樣本。

4.根據權利要求1所述的方法，其特征在于，所述采用差分進化算法訓練所述Elman神經網絡，根據所述訓練樣本生成所述Elman神經網絡的權值和閾值，具體包括：

判斷內容分發網絡CDN服務器是否可用；

在所述CDN服務器可用的情況下，向所述CDN服務器發送所述訓練樣本，其中，所述CDN服務器根據所述訓練樣本采用差分進化算法訓練Elman神經網絡以生成所述Elman神經網絡的權值和閾值；

在所述CDN服務器不可用的情況下，由智能終端根據所述訓練樣本，采用差分進化算法訓練Elman神經網絡以生成所述Elman神經網絡的權值和閾值。

5.根據權利要求4所述的方法，其特征在于，所述采用差分進化算法，根據所述訓練樣本生成所述Elman神經網絡的權值和閾值，具體包括：

所述Elman神經網絡根據所述訓練樣本初始化種群及算法參數；

確定適應度函數，根據所述種群的個體及算法參數得到不同的網絡結構，根據適應度函數值評價網絡性能；

依次進行變異操作、交叉操作、選擇操作生成新種群，將所述新種群中的每個個體進行解碼變為權值和閾值，構成神經網絡，直接計算對應網絡的輸出誤差作為所述新種群中的個體的適應度值；

在所述適應度值達到了最大進化代數時，將所述新種群中的最優個體解碼后作為所述Elman神經網絡的權值和閾值。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述特定的數據至少包括以下之一：用戶對智能終端的每一個操作數據、智能終端當前狀態信息、用戶觀看內容標簽；所述訓練樣本，至少包括以下之一：觀看時間、觀看時長、觀看動作、觀看次數、切換頻率、視頻信息。

7.一種用戶興趣預測裝置，其特征在于，包括：

數據采集模塊，用于采集特定的數據生成日志文件；

第一生成模塊，用于根據所述日志文件和局部回歸Elman神經網絡的輸入與輸出生成訓練樣本；

第二生成模塊，用于采用差分進化算法訓練所述Elman神經網絡，根據所述訓練樣本生成所述Elman神經網絡的權值和閾值；

興趣預測模塊，用于根據所述Elman神經網絡的權值和閾值獲取用戶對各主題分類的興趣度。

8.根據權利要求7所述的裝置，其特征在于，還包括：

更新模塊，用于在在預設的時間間隔更新所述訓練樣本。

9.根據權利要求8所述的裝置，其特征在于，所述第二生成模塊，具體包括：

判斷單元，用于判斷內容分發網絡CDN服務器是否可用；

第一生成單元，用于在所述CDN服務器可用的情況下，向所述CDN服務器發送所述訓練樣本，其中，所述CDN服務器根據所述訓練樣本采用差分進化算法訓練Elman神經網絡以生成所述Elman神經網絡的權值和閾值；

第二生成單元，用于在所述CDN服務器不可用的情況下，由智能終端根據所述訓練樣本，采用差分進化算法訓練Elman神經網絡以生成所述Elman神經網絡的權值和閾值。