[發明專利]一種用戶滿意度預測模型的樣本生成方法及裝置有效
| 申請號： | 201910362355.8 | 申請日： | 2019-04-30 |
| 公開（公告）號： | CN110335058B | 公開（公告）日： | 2021-09-14 |
| 發明（設計）人： | 李露;馮毅;李福昌 | 申請（專利權）人： | 中國聯合網絡通信集團有限公司 |
| 主分類號： | G06Q30/02 | 分類號： | G06Q30/02;G06Q10/06;G06Q50/10;G06F17/16;G06N3/04;G06N3/08;H04L12/24 |
| 代理公司： | 北京中博世達專利商標代理有限公司 11274 | 代理人： | 申健 |
| 地址： | 100033 *** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 用戶 滿意 預測 模型 樣本 生成 方法 裝置 | ||
1.一種用戶滿意度預測模型的樣本生成方法，其特征在于，
獲取網絡的樣本數據，所述樣本數據包含網絡數據，其中所述網絡數據包含網絡質量數據、用戶信息數據；
對所述網絡數據進行歸一化處理，生成第一網絡矩陣，其中，所述第一網絡矩陣包含由所述網絡質量數據生成的第一網絡質量矩陣、由所述用戶信息數據生成的第一用戶信息矩陣；
將所述第一網絡質量矩陣輸入第一自編碼神經網絡，得到第二網絡質量矩陣；
將所述第一用戶信息矩陣輸入第二自編碼神經網絡，得到第二用戶信息矩陣；
根據所述第一網絡質量矩陣、所述第二網絡質量矩陣計算所述第一網絡質量矩陣通過所述第一自編碼神經網絡后的第一自編碼損失函數；
根據所述第一用戶信息矩陣、所述第二用戶信息矩陣計算所述第一用戶信息矩陣通過所述第二自編碼神經網絡后的第二自編碼損失函數；
根據所述第一自編碼損失函數、所述第二自編碼損失函數計算總損失函數；
獲取所述總損失函數的最小值，并根據所述最小值提取對應的目標第二網絡質量矩陣以及目標第二用戶信息矩陣作為用戶滿意度預測模型的樣本，用以訓練用戶滿意度預測模型或者輸入所述用戶滿意度預測模型進行用戶滿意度的預測。
2.根據權利要求1所述的用戶滿意度預測模型的樣本生成方法，其特征在于，根據所述第一網絡質量矩陣、所述第二網絡質量矩陣計算所述第一網絡質量矩陣通過所述第一自編碼神經網絡后的第一自編碼損失函數，包括：
根據公式L1＝fmean(∑(Ui-Uo)2)計算所述第一網絡質量矩陣通過所述第一自編碼神經網絡后的第一自編碼損失函數，其中，L1為所述第一自編碼損失函數，fmean表示求平均函數，Ui表示所述第一網絡質量矩陣，Uo表示所述第二網絡質量矩陣。
3.根據權利要求1所述的用戶滿意度預測模型的樣本生成方法，其特征在于，根據所述第一用戶信息矩陣、所述第二用戶信息矩陣計算所述第一用戶信息矩陣通過所述第二自編碼神經網絡后的第二自編碼損失函數，包括：
根據公式L2＝fmean(∑(Ni-No)2)計算所述第一用戶信息矩陣通過所述第二自編碼神經網絡后的第二自編碼損失函數，其中，L2為所述第二自編碼損失函數，fmean表示求平均函數，Ni表示所述第一用戶信息矩陣，No表示所述第二用戶信息矩陣。
4.根據權利要求1所述的用戶滿意度預測模型的樣本生成方法，其特征在于，所述根據所述第一自編碼損失函數、所述第二自編碼損失函數計算總損失函數，包括：
根據公式L＝αL1+βL2計算所述總損失函數，其中，L表示所述總損失函數，L1表示所述第一自編碼損失函數，L2表示所述第二自編碼損失函數，α表示所述第一網絡質量矩陣通過所述第一自編碼神經網絡后的誤差對預測結果的影響率，β表示所述第一用戶信息矩陣通過所述第二自編碼神經網絡后的誤差對預測結果的影響率，α、β均為常數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國聯合網絡通信集團有限公司，未經中國聯合網絡通信集團有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910362355.8/1.html，轉載請聲明來源鉆瓜專利網。
