[發明專利]一種基于神經網絡的人類行為依賴度分析方法

有效

• 申請號: 201910248071.6
• 申請日: 2019-03-29
• 公開（公告）號: CN110119810B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 王曉玲;張欣蕾;李欣;靳遠遠
• 申請（專利權）人: 華東師范大學
• 主分類號: G06N3/084
• 分類號: G06N3/084;G06N3/04;G06F18/214
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 季永康

本發明提供了一種該基于神經網絡的人類行為依賴度分析方法，步驟包括：S1：根據選定的粒度處理個體行為數據，獲得各被測個體每日行為向量；S2：根據當前日期和個體特定行為習慣，獲取各被測個體每日個性化向量；S3：將被測個體行為向量作為神經網絡公有結構輸入，該個體當日個性化向量作為神經網絡私有結構輸入，該個體當日被評價行為時間作為目標輸出，設置隱層單元個數、學習率、訓練輪數，初始化神經網絡參數；S4：訓練神經網絡，使用標準反向傳播算法更新神經網絡參數；S5：將各個體被評價行為特征對應至少一個神經單元，其對所有隱層單元的貢獻之和作為該個體特定行為依賴程度值，從而形成客觀的量化分析結果。

技術領域

本發明涉及神經網絡技術領域，尤其涉及采用神經網絡對人類特定行為依賴度進行量化描述的分析方法。

背景技術

神經網絡是從信息處理角度對人腦神經元網絡進行抽象，建立某種簡單模型，按不同的連接方式組成不同的網絡。在工程與學術界也常直接簡稱為神經網絡或類神經網絡。神經網絡是一種運算模型，由多層的、大量的節點(或稱神經元)之間相互聯接構成。每個節點代表一種特定的輸出函數，稱為激勵函數(Activation?Function)。每兩個節點間的連接都代表一個對于通過該連接信號的加權值，稱之為權重，這相當于人工神經網絡的記憶。網絡的輸出則依網絡的連接方式，權重值和激勵函數的不同而不同。而網絡自身通常都是對自然界某種算法或者函數的逼近，也可能是對一種邏輯策略的表達。

傳統神經網絡由于隨著層數的增加，存在梯度消失或梯度爆炸現象，故一般網絡層數不會超過5層，這樣會導致神經網絡的表達能力、檢測能力的限制(理論上神經元越多、層數越深，網絡的表達能力也越強)；而隨著技術的發展，如采用正則化方法、隨機激活神經元(即Dropout技術)、線性激活函數的應用(如ReLU及其變種，而非傳統的、基于非線性的方法，如Tanh或Sigmoid等)、局部感受，使得梯度消失或爆炸問題得以較為完滿的解決，從而對神經網絡層數的增加成為現實，即令神經網絡可以進行縱向擴展和增長，最終使網絡的能力得到極大的提高。

目前各種人工神經網絡描述于以下美國專利中：4,979,124；5,479,575；5,493,688；5,566,273；5,682,503；5,870,729；7,577,631；以及7,814,038。

發明內容

本發明的主要目的在于提供一種基于神經網絡的人類行為依賴度分析方法，以實現對人類特定行為依賴度進行具體而量化的分析。

為了實現上述目的，本發明提供了一種基于神經網絡的人類行為依賴度分析方法，步驟包括：S1根據選定的粒度處理個體行為數據，獲取各被測個體每日行為向量；

S2根據當前日期和個體特定行為習慣，獲取各被測個體時間T內個性化向量，其中對于每一位個體在時間t的個性化向量構建方法為：

(1，π₁(t)，π₂(t)，π₃(t)，π₄(t)，π₅(t)，π₆(t)，π₇(t))

令π(t)表示時間t是周幾，π_i(t)的定義如下：

S3將被測個體行為向量作為神經網絡公有結構輸入，該個體時間T內個性化向量作為神經網絡私有結構輸入，該個體當日被評價行為時間作為目標輸出，設置隱層單元個數、學習率、訓練輪數，初始化神經網絡參數；其中神經網絡公有結構對于每一次迭代都會進行參數更新，每一位個體的神經網絡私有結構只有在當前個體的數據作為輸入時才進行更新；

S4訓練神經網絡，使用標準反向傳播算法更新神經網絡參數；

S5將各個體被評價行為特征對應至少一個神經單元，其對所有隱層單元的貢獻之