[發明專利]一種階段區分型眾籌進度預測方法

在審

• 申請號: 202010107306.2
• 申請日: 2020-02-21
• 公開（公告）號: CN113298279A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 劉淇;王俊;章和夫;潘鎮;張凱
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/10;G06Q50/26;G06F16/951
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;鄭哲

本發明公開了一種階段區分型眾籌進度預測方法，包括：爬取眾籌項目的進展數據，提取出其中的靜態特征和動態特征；將眾籌平臺的用戶視為智能體，將眾籌項目視為環境，并結合眾籌項目的靜態特征和動態特征采用強化學習的方式來訓練智能體；通過訓練好的智能體對待預測的眾籌項目進行所處階段的判斷，進而使用相應策略預測眾籌項目未來進度。通過采用本發明上述方法，可以提高進度預測的準確性。

技術領域

本發明涉及互聯網眾籌領域，尤其涉及一種階段區分型眾籌進度預測方法。

背景技術

眾籌進度預測主要是指根據某個眾籌項目前面所有天數的進度變化序列來預測之后給定天數的每日進度，以百分比的形式。眾籌進度序列蘊含其所處領域的特點，如何將該領域的特點很好地融合進眾籌進度預測問題的解決方法是一個開放性的研究問題并被廣泛研究。

在目前的研究工作和專利中，關于眾籌領域進度預測的問題主要有以下方法：

1)基于純粹時間序列基分解合成預測方法。

目前，基于純粹時間序列分析的工作旨在挖掘出序列本身潛在的不同模式，并基于這些模式下的預測合成之后的序列。經過先前工作的分析與研究，驗證了將序列分解映射到不同的空間確實能夠幫助提高預測的進度的準確率。

2)基于序列到序列的循環神經網絡預測方法。

基于循環神經網絡的進度預測方法利用神經網絡結構自動提取動態變化的特征(包括評論信息、進度變化)，并加入眾籌領域特有的先驗信息作為約束。實驗證明這種方法更加適用于眾籌領域的序列預測問題。

上述兩種方法雖然一定程度上考慮了眾籌序列的特點，并且嘗試根據不同模式給出不同預測結果，但卻沒有充分考慮到眾籌領域中用戶和眾籌項目之間的交互過程。例如，當前時刻的進度會影響用戶的決策，用戶的決策又會影響下一時刻項目的進度，兩者在動態交互的過程中相互影響。

發明內容

本發明的目的是提供一種階段區分型眾籌進度預測方法，可以提高進度預測的準確性。

本發明的目的是通過以下技術方案實現的：

一種階段區分型眾籌進度預測方法，包括：

爬取眾籌項目的進展數據，提取出其中的靜態特征和動態特征；

將眾籌平臺的用戶視為智能體，將眾籌項目視為環境，并結合眾籌項目的靜態特征和動態特征采用強化學習的方式來訓練智能體；

通過訓練好的智能體對待預測的眾籌項目進行所處階段的判斷，進而使用相應策略預測眾籌項目未來進度。

由上述本發明提供的技術方案可以看出，充分考慮了眾籌領域中用戶和眾籌項目之間的交互過程，能夠實現階段區分的進度預測，相比于現有技術而言，極大提升進度預測的準確性；此外，預測結果有助于眾籌產品生產進度的控制當且僅當項目發布者提前開始眾籌產品的生產；而且當進行一些公益性眾籌時，這種預測也有助于輔助判斷項目最后成功與否以及需要的大概天數，以及最后所能產生的社會影響力。另外，也可以幫助網站或者眾籌平臺將項目個性化推薦給合適的用戶。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域的普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。

圖1為本發明實施例提供的一種階段區分型眾籌進度預測方法的示意圖；

圖2為本發明實施例提供的智能體中行動器的原理圖；

圖3為訓練完成后對不同子策略間差異的效果驗證圖。

具體實施方式