[發(fā)明專利]基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)方法、存儲(chǔ)介質(zhì)和計(jì)算機(jī)設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202010894199.2
• 申請(qǐng)日: 2020-08-31
• 公開(kāi)（公告）號(hào): CN112116381B
• 公開(kāi)（公告）日: 2021-05-07
• 發(fā)明（設(shè)計(jì)）人: 李慧斌
• 申請(qǐng)（專利權(quán)）人: 北京基調(diào)網(wǎng)絡(luò)股份有限公司
• 主分類號(hào): G06Q30/02
• 分類號(hào): G06Q30/02;G06N3/04;G06N3/08
• 代理公司: 北京匯澤知識(shí)產(chǎn)權(quán)代理有限公司 11228
• 代理人: 牟昌兵

1.一種基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)方法，其特征在于，包括：

接收從第i天到第t天中各天的累計(jì)活躍設(shè)備數(shù)，得到第一序列；

對(duì)所述第一序列做差分運(yùn)算得到第二序列，其中所述第二序列為從第i+1天到第t天的每日新增活躍設(shè)備數(shù)；

使用LSTM神經(jīng)網(wǎng)絡(luò)，根據(jù)所述第二序列確定第t+1天至月末的每日新增活躍設(shè)備數(shù)；

根據(jù)所述第t+1天至月末的每日新增活躍設(shè)備數(shù)和從第i天到第t天中各天的累計(jì)活躍設(shè)備數(shù)，確定月活躍設(shè)備數(shù)。

2.根據(jù)權(quán)利要求1所述的基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)方法，其特征在于，

使用LSTM神經(jīng)網(wǎng)絡(luò)，根據(jù)所述第二序列確定第t+1天至月末的每日新增活躍設(shè)備數(shù)之前，還包括：使用所述第二序列中的最大值對(duì)所述第二序列做歸一化處理得到第三序列；以及

使用LSTM神經(jīng)網(wǎng)絡(luò)，根據(jù)所述第二序列確定第t+1天至月末的每日新增活躍設(shè)備數(shù)，包括：

使用LSTM神經(jīng)網(wǎng)絡(luò)，根據(jù)所述第三序列確定第四序列，其中，所述第四序列與第t+1天至月末的每日新增活躍設(shè)備數(shù)對(duì)應(yīng)；以及

使用所述第二序列中的最大值對(duì)所述第四序列做反歸一化處理得到第t+1天至月末的每日新增活躍設(shè)備數(shù)。

3.根據(jù)權(quán)利要求1所述的基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)方法，其特征在于，根據(jù)所述第t+1天至月末的每日新增活躍設(shè)備數(shù)和從第i天到第t天中各天的累計(jì)活躍設(shè)備數(shù)，確定月活躍設(shè)備數(shù)，包括：

確定第t天的累計(jì)活躍設(shè)備數(shù)及第t+1天至月末的每日新增活躍設(shè)備數(shù)之和，以確定結(jié)果作為月活躍設(shè)備數(shù)。

4.根據(jù)權(quán)利要求2所述的基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)方法，其特征在于，使用LSTM神經(jīng)網(wǎng)絡(luò)，根據(jù)所述第三序列確定第四序列，包括：

使用LSTM神經(jīng)網(wǎng)絡(luò)，以所述第三序列作為輸入得到所述第三序列的輸出，將所述輸出加入所述第三序列作為新的第三序列，循環(huán)直到得到月末對(duì)應(yīng)的輸出，得到所述第四序列，其中，所述第四序列與第t+1天至月末的每日新增活躍設(shè)備數(shù)對(duì)應(yīng)。

5.根據(jù)權(quán)利要求1所述的基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)方法，其特征在于，使用LSTM神經(jīng)網(wǎng)絡(luò)，根據(jù)所述第二序列確定第t+1天至月末的每日新增活躍設(shè)備數(shù)，包括：

使用LSTM神經(jīng)網(wǎng)絡(luò)，以所述第二序列作為輸入確定第t+1天的每日新增活躍設(shè)備數(shù)，將第t+1天的每日新增活躍設(shè)備數(shù)加入所述第二序列得到新的第二序列，循環(huán)直到得到月末的每日新增活躍設(shè)備數(shù)。

6.根據(jù)權(quán)利要求1或2所述的基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)方法，其特征在于，以歷史月的第1天到第n-1天的每日新增活躍設(shè)備數(shù)為輸入，并以所述歷史月的第2天到第n天的每日新增活躍設(shè)備數(shù)為期望，訓(xùn)練所述LSTM神經(jīng)網(wǎng)絡(luò)。

7.根據(jù)權(quán)利要求2或4所述的基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)方法，其特征在于，以歷史月的第1天到第n-1天的每日新增活躍設(shè)備數(shù)的歸一化序列為輸入，并以所述歷史月的第2天到第n天的每日新增活躍設(shè)備數(shù)的歸一化序列為期望，訓(xùn)練所述LSTM神經(jīng)網(wǎng)絡(luò)。

8.根據(jù)權(quán)利要求1所述的基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)方法，其特征在于，以受試者工作特征曲線下與坐標(biāo)軸圍成的面積AUC或均方誤差MSE作為模型訓(xùn)練指標(biāo)訓(xùn)練所述LSTM神經(jīng)網(wǎng)絡(luò)。

9.一種計(jì)算機(jī)設(shè)備，其特征在于，所述計(jì)算機(jī)設(shè)備包括：

存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序；

所述計(jì)算機(jī)程序被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至8中任一項(xiàng)所述的基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)方法的步驟。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)程序，所述基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至8中任一項(xiàng)所述的基于LSTM神經(jīng)網(wǎng)絡(luò)的月活預(yù)測(cè)方法的步驟。