公开(公告)号：CN108921602A

公开(公告)日：2018-11-30

申请号：CN201810642096.X

申请日：2018-06-21

Applicant: 华南理工大学

Inventor： 张星明 ,  许弘杰 ,  林育蓓 ,  王昊翔

IPC: G06Q30/02 ,  G06Q30/06 ,  G06N3/12 ,  G06N3/02

Abstract: 本发明公开了一种基于集成神经网络的用户购买行为预测方法，包括步骤：1)对用户行为历史记录进行特征提取和采样，获得样本集合T1；2)利用Boosting集成方法形成分类器C1，对样本集合T1进行分类处理和特征集成，得到新的样本集合T2；3)构建神经网络的基本结构，利用基因算法对神经网络的参数进行启发式搜索，形成集成神经网络分类器C2；4)利用分类器C2对样本集合T2进行分类处理，得到新的样本集合T3；5)利用Bagging集成方法形成分类器C3，对样本集合T3进行分类处理，得到用户会产生购买行为的物品列表，作为对于用户购买行为的预测结果。本发明解决传统方法分类效果差、泛化性差、在大数据情景下效率低下等问题。

公开(公告)号：CN108921602B

公开(公告)日：2021-12-21

申请号：CN201810642096.X

申请日：2018-06-21

Applicant: 华南理工大学

Inventor： 张星明 ,  许弘杰 ,  林育蓓 ,  王昊翔

IPC: G06Q30/02 ,  G06Q30/06 ,  G06N3/12 ,  G06N3/02

Abstract: 本发明公开了一种基于集成神经网络的用户购买行为预测方法，包括步骤：1)对用户行为历史记录进行特征提取和采样，获得样本集合T1；2)利用Boosting集成方法形成分类器C1，对样本集合T1进行分类处理和特征集成，得到新的样本集合T2；3)构建神经网络的基本结构，利用基因算法对神经网络的参数进行启发式搜索，形成集成神经网络分类器C2；4)利用分类器C2对样本集合T2进行分类处理，得到新的样本集合T3；5)利用Bagging集成方法形成分类器C3，对样本集合T3进行分类处理，得到用户会产生购买行为的物品列表，作为对于用户购买行为的预测结果。本发明解决传统方法分类效果差、泛化性差、在大数据情景下效率低下等问题。