一种用户兴趣预测方法、装置及系统制造方法及图纸

本发明专利技术公开了一种用户兴趣预测方法、装置及系统，该方法包括：采集特定的数据生成日志文件；根据日志文件生成训练样本；根据训练样本，采用差分进化算法训练局部回归Elman神经网络以生成所述Elman神经网络的权值和阈值；根据Elman神经网络的权值和阈值获取用户对各主题分类的兴趣度。基于人工智能理论，通过差分进化算法与Elman神经网络相结合的方法，利用数据不断进行自学习及自适应，深度挖掘出用户操作习惯与兴趣度的潜在关系，且对这种潜在关系动态调整，能够量化用户对不同内容的兴趣度，实现对用户兴趣的高精度预测。

A User Interest Prediction Method, Device and System

【技术实现步骤摘要】
一种用户兴趣预测方法、装置及系统
本专利技术涉及通讯设备领域，尤其涉及一种用户兴趣预测方法、装置及系统。
技术介绍
随着人工智能的不断发展，产品定制化、服务个性化是未来的发展趋势，作为人工智能具有代表性的一部分，智能终端开始进入千家万户。智能终端极大程度上丰富了用户的观看需求，海量的资源让用户也产生了幸福的烦恼，如何才能迅速找到自己喜欢的资源。此外，内容提供商及广告服务商也十分希望能够详细了解用户的兴趣点，从而为广告投放与内容定制提供准确的依据。传统预测用户兴趣度方法是采用公式法，即通过事先设定好的公式规则，直接计算出兴趣度。这种方法存在计算精度较低，无法自学习及动态修正等缺陷，导致无法深度挖掘出用户操作习惯与用户对不同内容兴趣度的潜在关系。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种用户兴趣预测方法、装置及系统，以解决现有技术预测精度较低，无法通过自学习及动态修正，深度挖掘出用户操作习惯与兴趣度的潜在关系的技术问题。本专利技术解决上述技术问题所采用的技术方案如下：根据本专利技术的一个方面，提供的一种用户兴趣预测方法包括：采集特定的数据生成日志文件；根据所述日志文件和局部回归(globalfeedforwardlocalrecurrent，Elman)神经网络的输入与输出生成训练样本；采用差分进化算法训练Elman神经网络,根据所述训练样本生成所述Elman神经网络的权值和阈值；根据所述Elman神经网络的权值和阈值获取用户对各主题分类的兴趣度。优选的，还包括：在预设的时间间隔更新所述训练样本。优选的，所述采用差分进化算法训练所述Elman神经网络，根据所述训练样本生成所述Elman神经网络的权值和阈值，具体包括：判断内容分发网络(ContentDeliveryNetwork，CDN)服务器是否可用；在所述CDN服务器可用的情况下，向所述CDN服务器发送所述训练样本，其中，所述CDN服务器根据所述训练样本采用差分进化算法训练Elman神经网络以生成所述Elman神经网络的权值和阈值；在所述CDN服务器不可用的情况下，由智能终端根据所述训练样本，采用差分进化算法训练Elman神经网络以生成所述Elman神经网络的权值和阈值。优选的，所述采用差分进化算法训练Elman神经网络以生成所述Elman神经网络的权值和阈值，具体还包括：所述Elman神经网络根据所述训练样本初始化种群及算法参数；确定适应度函数，根据所述种群的个体及算法参数得到不同的网络结构，根据适应度函数值评价网络性能；依次进行变异操作、交叉操作、选择操作生成新种群，将所述新种群中的每个个体进行解码变为权值和阈值，构成神经网络，直接计算对应网络的输出误差作为所述新种群中的个体的适应度值；在所述适应度值达到了最大进化代数时，将所述新种群中的最优个体解码后作为所述Elman神经网络的权值和阈值。优选的，所述特定的数据至少包括以下之一：用户对智能终端的每一个操作数据、智能终端当前状态信息、用户观看内容标签；所述训练数据，至少包括以下之一：观看时间、观看时长、观看动作、观看次数、切换频率、视频信息。根据本专利技术的另一个方面，提供的一种用户兴趣预测装置包括：数据采集模块，用于采集特定的数据生成日志文件；第一生成模块，用于根据所述日志文件和局部回归神经网络的输入与输出生成训练样本；第二生成模块，用于采用差分进化算法训练所述Elman神经网络，根据所述训练样本生成所述Elman神经网络的权值和阈值；兴趣预测模块，用于根据所述Elman神经网络的权值和阈值获取用户对各主题分类的兴趣度。优选的，所述装置还包括：更新模块，用于在在预设的时间间隔更新所述训练样本。。优选的，所述第二生成模块，具体包括：判断单元，用于判断CDN服务器是否可用；第一生成单元，用于在所述CDN服务器可用的情况下，向所述CDN服务器发送所述训练样本，其中，所述CDN服务器根据所述训练样本采用差分进化算法训练Elman神经网络以生成所述Elman神经网络的权值和阈值；第二生成单元，用于在所述CDN服务器不可用的情况下，由智能终端根据所述训练样本，采用差分进化算法训练Elman神经网络以生成所述Elman神经网络的权值和阈值。根据本专利技术的再一个方面，提供的一种用户兴趣预测系统包括：智能终端和CDN服务器，所述智能终端用于采集特定的数据生成日志文件，根据所述日志文件生成训练样本；所述CDN服务器用于接收所述智能终端发送所述训练样本，根据所述训练样本，采用差分进化算法训练Elman神经网络以生成所述Elman神经网络的权值和阈值；根据所述Elman神经网络的权值和阈值获取用户对各主题分类的兴趣度。优选的，所述系统还包括：在所述CDN服务器不可用的情况下，由智能终端根据所述训练样本，采用差分进化算法训练Elman神经网络以生成所述Elman神经网络的权值和阈值；根据所述Elman神经网络的权值和阈值获取用户对各主题分类的兴趣度。本专利技术实施例的用户兴趣预测方法、装置及系统，该方法包括：采集特定的数据生成日志文件；根据日志文件生成训练样本；采用差分进化算法训练Elman神经网络，根据训练样本生成所述Elman神经网络的权值和阈值；根据Elman神经网络的权值和阈值获取用户对各主题分类的兴趣度。基于人工智能理论，通过差分进化算法与Elman神经网络相结合的方法，利用数据不断进行自学习及自适应，深度挖掘出用户操作习惯与兴趣度的潜在关系，且对这种潜在关系动态调整，能够量化用户对不同内容的兴趣度，实现用户兴趣的高精度预测。附图说明图1为本专利技术实施例提供的用户兴趣预测方法流程图；图2为本专利技术实施例提供的Elman神经网络结构图；图3是为本专利技术实施例提供的差分进化算法优化流程图；图4为本专利技术优选实施例提供的用户兴趣预测方法流程图；图5为本专利技术实施例提供的用户兴趣预测装置模块结构图；图6为本专利技术实施例提供的用户兴趣预测系统结构图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，本专利技术实施例提供的一种用户兴趣预测方法包括：步骤S101、采集特定的数据生成日志文件；具体的，在智能终端启动后，记录下用户的每一步操作数据以及观看的视频信息等数据，生成日志文件，特定的数据至少包括以下之一：用户对智能终端的每一个操作数据、智能终端当前状态信息、用户观看内容标签。步骤S102、根据日志文件和Elman神经网络的输入和输出生成训练样本；步骤S102进一步包括：S1021：解析日志文件；S1022：抓取日志文件中的训练数据；S1023：根据Elman神经网络的输入和输出的结构或参数将所述训练数据生成训练样本。具体的，解析日志文件，抓取日志中的训练数据，包括观看时间、观看时长、观看动作(点击、查询、拖动、收藏)、观看次数、切换频率、视频信息(年代、地区、类型、时长)，根据Elman神经网络的输入和输出的结构或参数生成训练样本，在智能终端本地存储器中划分一块存储区域作为数据库，存放解析出的训练数据。其中，Elma本文档来自技高网...

【技术保护点】
1.一种用户兴趣预测方法，其特征在于，包括：采集特定的数据生成日志文件；根据所述日志文件和局部回归Elman神经网络的输入与输出生成训练样本；采用差分进化算法训练所述Elman神经网络，根据所述训练样本生成所述Elman神经网络的权值和阈值；根据所述Elman神经网络的权值和阈值获取用户对各主题分类的兴趣度。

【技术特征摘要】
1.一种用户兴趣预测方法，其特征在于，包括：采集特定的数据生成日志文件；根据所述日志文件和局部回归Elman神经网络的输入与输出生成训练样本；采用差分进化算法训练所述Elman神经网络，根据所述训练样本生成所述Elman神经网络的权值和阈值；根据所述Elman神经网络的权值和阈值获取用户对各主题分类的兴趣度。2.根据权利要求1所述的方法，其特征在于，还包括:在预设的时间间隔更新所述训练样本。3.根据权利要求1所述的方法，其特征在于，所述根据日志文件和局部回归Elman神经网络的输入与输出生成训练样本具体包括：解析所述日志文件；抓取所述日志文件中的训练数据；根据所述Elman神经网络的输入和输出的结构或参数将所述训练数据生成训练样本。4.根据权利要求1所述的方法，其特征在于，所述采用差分进化算法训练所述Elman神经网络，根据所述训练样本生成所述Elman神经网络的权值和阈值，具体包括：判断内容分发网络CDN服务器是否可用；在所述CDN服务器可用的情况下，向所述CDN服务器发送所述训练样本，其中，所述CDN服务器根据所述训练样本采用差分进化算法训练Elman神经网络以生成所述Elman神经网络的权值和阈值；在所述CDN服务器不可用的情况下，由智能终端根据所述训练样本，采用差分进化算法训练Elman神经网络以生成所述Elman神经网络的权值和阈值。5.根据权利要求4所述的方法，其特征在于，所述采用差分进化算法，根据所述训练样本生成所述Elman神经网络的权值和阈值，具体包括：所述Elman神经网络根据所述训练样本初始化种群及算法参数；确定适应度函数，根据所述种群的个体及算法参数得到不同的网络结构，根据适应度函数值评价网络性能；依次进行变异操作、交叉操作、选择操作生成新种群，将所述新种群中的每个个体进行解码变为权值和阈值，构成神经网络，直接计算对应网络的输出误差作为所述新种群中的个体的适应度值；在所述适应度值达到了最大进化代数时，将所述新种群中的最优个体解码后作为所述Elman神经网络的权值和阈值。6.根据权利要求1-5任一项所述的方法，其特征在于，所述特定的数据...

【专利技术属性】
技术研发人员：冯禹铭，付贤会，
申请(专利权)人：中兴通讯股份有限公司，
类型：发明
国别省市：广东,44