买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海数鸣人工智能科技有限公司

摘要：一种基于模拟退火思想的WaveNet技术针对个体行为洞察模型的营销活动预测方法，包括数据预处理步骤、训练集的生成步骤和预测模型建立步骤和营销活动预测步骤；本发明通过WaveNet模型对样本进行扩充，该样本包括两部分的输入特征序列，第一输入特征序列由用户的原始特征信息构成，第二输入特征序列将原始特征信息通过WaveNet网络框架预测并优选后形成的特征序列，同时模拟退火算法保证了新序列的有效性，显著提升了对用户点击行为预测的准确性。

主权项：1.一种基于模拟退火思想的WaveNet技术针对个体行为洞察的营销预测方法，其特征在于，包括数据预处理步骤S1、训练集的生成步骤S2和预测模型建立步骤S3；所述数据预处理步骤S1包括如下步骤：步骤S11：获取N个用户的原始信息，并从所述用户的原始信息提取原始特征信息；其中，所述原始特征信息包括用户ID、用户手机号码归属地、用户访问DPI、用户访问时间和或用户是否点击特征；其中，用户号码归属地和用户访问DPI为类别特征，所述用户访问时间为连续特征，所述N大于等于2；步骤S12：对所述用户的原始特征信息进行异常检测与处理步骤；步骤S13：通过独热编码对类别特征进行处理，利用RankGauss方法对连续特征进行处理；所述训练集的生成步骤S2包括：S21：构建WaveNet网络框架，所述WaveNet网络框架包括输入层、一维卷积层和输出层；其中，一维卷积层分为三个层次，所述三个层次的膨胀率分别为1、2和4；依次将N个以用户ID为样本单位的所述原始特征信息作为第一输入特征序列集，输入到所述输入层，得到每个相应所述用户ID名下通过所述WaveNet网络框架下生成的新特征集；其中，所述一维卷积层将所述输入层神经元节点数和输入的原始特征信息存在一预定间隔进行嵌入处理；S22：根据模拟退火对通过所述WaveNet网络框架下生成的新特征集中的新特征评估是否留存；S23：将留存的新特征构建相应所述用户ID名下的第二输入特征序列集与所述第一输入特征序列集扩充形成新训练集；所述预测模型建立步骤S3包括：将所述新的训练集中的每一个样本用神经网络模型进行训练和验证，得到参数优化后的所述神经网络模型，并使用验证集进行验证，得到最终的预测模型。

全文数据：

权利要求：

百度查询： 上海数鸣人工智能科技有限公司 基于模拟退火思想的WaveNet技术针对个体行为洞察的预测方法