[發明專利]基于ELM-RFE的購物意圖關鍵因素識別方法

在審

• 申請號: 202011046627.2
• 申請日: 2020-09-29
• 公開（公告）號: CN112232388A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 丁曉劍;劉健;楊帆;程偉;曹杰
• 申請（專利權）人: 南京財經大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q30/02
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱炳斐

1.一種基于ELM-RFE的購物意圖關鍵因素識別方法，其特征在于，所述方法包括以下步驟：

步驟1，構建用戶購物意圖識別的數據樣本集X，空的關鍵因素特征排序表r，以及初始化的因素特征子集指標表s＝[1,2,…,d]，其中d表示因素特征的總數；

步驟2，構建當前訓練樣本集X₀；

步驟3，訓練分類器ELMtrain，分類器的輸入為從訓練樣本集X₀中刪除表s中第i個指標對應的因素特征后的集合；

步驟4、基于訓練后的分類器，計算訓練樣本集X₀中表s中第i個指標對應的因素特征的排序系數；

步驟5，重復執行步驟3和步驟4，直至遍歷完訓練樣本集X₀，獲取排序系數最小的因素特征f；

步驟6，更新關鍵因素特征排序表r，具體為：在關鍵因素特征排序表r的第一個元素之前加入因素特征f在表s中對應的s(f)；

步驟7，更新因素特征子集指標表s，具體為：從表s中消除s(f)；

步驟8，判斷表s是否為空，若是，則終止上述ELM-RFE方法的過程，返回關鍵因素特征排序表r，否則返回步驟2繼續執行。

2.根據權利要求1所述的基于ELM-RFE的購物意圖關鍵因素識別方法，其特征在于，步驟1中所述數據樣本集X為：

式中，x_i∈R^d為第i個數據樣本對應的影響用戶購物意圖的d維特征，t_i∈{-1,1}為類別，1表示有用戶購買了商品，-1表示用戶沒有購買商品，R^d表示每個樣本包含d個特征，N為數據樣本的個數。

3.根據權利要求2所述的基于ELM-RFE的購物意圖關鍵因素識別方法，其特征在于，步驟2所述構建當前訓練樣本集X₀，具體為：

從數據樣本集X的所有因素特征中選取集合s中的因素特征構成訓練樣本集X₀，表示為X₀＝X(:,s)。

4.根據權利要求3所述的基于ELM-RFE的購物意圖關鍵因素識別方法，其特征在于，步驟3所述訓練分類器ELMtrain，分類器的輸入為從訓練樣本集X₀中刪除表s中第i個指標對應的因素特征后的集合，具體過程包括：

步驟3-1，選取隱節點個數L；

步驟3-2，隨機賦值輸入權值a和隱藏層偏置b，其中a∈R^N×L，b∈R^L；

步驟3-3，選取激活函數G(a,b,x)，其中x為從訓練樣本集X₀中刪除表s中第i個指標對應的因素特征后的集合，表示為X₀(:,s(-i))；

步驟3-4，構建隱藏層輸出矩陣H：

步驟3-5，計算輸出權值其中T＝[t₁,…,t_N]^T，為矩陣H的廣義逆。

5.根據權利要求4所述的基于ELM-RFE的購物意圖關鍵因素識別方法，其特征在于，步驟3-1中L的取值為不超過數據樣本集X中樣本數目的整數。

6.根據權利要求5所述的基于ELM-RFE的購物意圖關鍵因素識別方法，其特征在于，步驟3-2中所述輸入權值a和隱藏層偏置b分別從均勻概率分布(-1,1)^N×L和(0,1)^L中隨機產生。

7.根據權利要求6所述的基于ELM-RFE的購物意圖關鍵因素識別方法，其特征在于，步驟3-3中所述激活函數為非線性分段連續函數。

8.根據權利要求7所述的基于ELM-RFE的購物意圖關鍵因素識別方法，其特征在于，步驟4中計算訓練樣本集X₀中表s中第i個指標對應的因素特征的排序系數，計算公式為：

rank(i)＝||β^(-i)||

式中，rank(i)表示表s中第i個指標對應的因素特征的排序系數。