[發明專利]一種基于小波分解的用戶登錄特征預測方法及其裝置有效
| 申請號： | 202010064372.6 | 申請日： | 2020-01-20 |
| 公開（公告）號： | CN111262873B | 公開（公告）日： | 2022-06-03 |
| 發明（設計）人： | 王康;王傳旭;張紅偉;李學;林文豪 | 申請（專利權）人： | 安徽大學 |
| 主分類號： | H04L9/40 | 分類號： | H04L9/40;H04L41/14;H04L41/147 |
| 代理公司： | 合肥市澤信專利代理事務所(普通合伙) 34144 | 代理人： | 方榮肖 |
| 地址： | 230022 *** | 國省代碼： | 安徽;34 |
| 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 基于 分解 用戶 登錄 特征 預測 方法 及其 裝置 | ||
1.一種基于小波分解的用戶登錄特征預測方法，其特征在于，其包括以下步驟：
步驟一、提取數據，獲得用戶登錄特征時間序列數據，其中，數據提取包括以下步驟；
(1.1)根據數據字段獲得用戶的登錄時刻、登出時刻；對登出時刻進行數據補全，通過服務器的響應參數對異常登出時刻進行剔除；計算登錄時刻與登出時刻的差值并作為在線時長數據序列；根據相鄰兩次登錄時刻，獲得登錄時間間隔數據序列；所述登錄時間間隔的計算公式為：
Δdur(t)＝time(t+1)-time(t)
式中，Δdur(t)為所述登錄時間間隔，time(t)為第t次登錄時刻，time(t+1)為第t+1次登錄時刻，即下一次登錄時刻；
(1.2)對所述登錄時間間隔數據序列和所述在線時長數據序列這兩個數據序列中的待處理數據進行預處理且預處理方法相同；所述預處理方法包括以下步驟：
(1.2.1)計算所述待處理數據與其所在數據序列中最小值的差值Δ1；
(1.2.2)計算所述待處理數據所在數據序列中的最大值與最小值的差值Δ2；以及
(1.2.3)計算差值Δ1與差值Δ2的比值Δd'(t)，并獲得處理后的數據序列Δd'(t)序列；所述數據序列的預處理公式為：
式中，Δd(t)為所述待處理數據，Δdmin為所述待處理數據其所在數據序列的最小值，Δdmax為所述待處理數據其所在數據序列的最大值；
步驟二、通過所述用戶登錄特征時間序列數據，進行數據預測；其中，所述數據預測方法包括以下步驟：
(2.1)對Δd'(t)序列進行小波分解，獲得低頻分量和高頻分量；
(2.2)通過自回歸移動平均模型對所述低頻分量進行訓練和建模，并建模后預測，獲得所述低頻分量的預測序列；其中，在步驟(2.2)中還先進行ADF檢驗，獲得差分系數，再采用赤池信息準則確定所述自回歸移動平均模型的自回歸階次和移動平均階次；
(2.3)通過長短期記憶神經網絡對所述高頻分量進行訓練和建模，并建模后預測，獲得所述高頻分量的預測序列；
(2.4)將所述低頻分量和所述高頻分量的預測序列進行小波重構，獲得組合預測結果；以及
(2.5)對所述組合預測結果進行反歸一化處理，獲得用戶登錄特征預測結果。
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安徽大學，未經安徽大學許可，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/202010064372.6/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種鈉離子電容器及其制備方法
- 下一篇：一種車輛離線場景數據處理方法及系統
