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：一种基于深度游走词向量图嵌入技术预测方法，包括数据预处理步骤、基于深度游走对用户访问DPI序列图嵌入模型步骤、预测模型建立步骤和营销活动预测步骤等步骤；即本发明受自然语言处理中词向量技术的启发，通过词向量技术对于用户访问DPI序列进行学习，通过基于深度游走的词向量图嵌入技术学习用户访问DPI之间的内在关联，并进行数据增强，得到最终的预测用户点击的二分类学习器。结果显示，该方法显著提升对用户点击行为预测的准确性。

主权项：1.一种基于深度游走词向量图嵌入技术的预测方法，其特征在于，包括数据预处理步骤S1、基于深度游走对用户访问DPI序列图嵌入生成步骤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序列、用户访问时间和或用户是否点击特征；其中，所述用户手机号码归属地为类别特征，所述用户访问时间为连续特征，所述N大于等于2；步骤S12：对所述用户的原始信息进行异常检测与处理步骤；步骤S13：对用户ID进行分组后，再对所述用户访问时间排序，给出按照所述用户访问时间先后的第一用户访问DPI序列；步骤S14：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；所述步骤S2包括：S21：获取生成用户点击行为第一用户访问DPI序列；S22：根据所有用户点击行为的第一用户访问DPI序列，生成每一条由用户先点击或访问的DPI指向后点击或访问的DPI2的有向边，并根据每一条有向边所产生的数量加权，形成DPI关系图；S23：使用随机游走的方式随机选择初始点，对生成的DPI关系图中的DPI节点进行采样并生成对应的第二用户访问DPI序列；S24：采用Skip-Gram方法产生第一用户访问DPI序列和第二用户访问DPI序列的图嵌入表示；所述预测模型产生步骤S3用于产生基于深度游走词向量图嵌入技术的活动预测模型，所述预测模型包括输入层、嵌入层、合并层、全连接层和输出层；使用训练集对所述预测模型进行训练，并使用验证集进行验证，得到最终的预测模型，包括如下步骤：步骤S31：提供初始化的基于深度游走对用户访问DPI序列图嵌入模型；将N个用户的原始的N个用户的第一用户访问DPI序列以及N个所述用户的第二用户访问DPI序列，按用户ID划分成训练集和验证集；其中，第二用户访问DPI序列是根据第一用户访问DPI序列相应用户ID通过DeepWalk生成算法输出的新DPI访问序列；步骤S32：依次将所述训练集中每一个用户ID名下的第一用户访问DPI序列和第二用户访问DPI序列拼接输入到输入层；步骤S33：所述嵌入层采用Skip-Gram方法产生对应DPI节点的第一用户访问DPI序列和第二用户访问DPI序列图嵌入表示；步骤S34：所述合并层接收所述嵌入层的输出，将所述第一用户访问DPI序列和第二用户访问DPI序列图嵌入表示特征拼接起来；步骤S35：所述全连接层接收所述合并层的输出，进行全连接的网络训练；步骤S36：所述输出层通过添加sigmoid函数即可输出二分类用户的点击预测概率值；步骤S37：计算所述预测模型的预测概率值和真实值之间的损失值大小，根据损失值按照深度学习的梯度回传自动更新所述预测模型中所有涉及到的网络参数，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 基于深度游走词向量图嵌入技术的预测方法