CN107169829A - 面向拖延用户的移动电源租赁方法及系统 - Google Patents

面向拖延用户的移动电源租赁方法及系统 Download PDF

Info

Publication number
CN107169829A
CN107169829A CN201710337578.XA CN201710337578A CN107169829A CN 107169829 A CN107169829 A CN 107169829A CN 201710337578 A CN201710337578 A CN 201710337578A CN 107169829 A CN107169829 A CN 107169829A
Authority
CN
China
Prior art keywords
user
data
protracted
training
neural network
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710337578.XA
Other languages
English (en)
Inventor
李太福
李家庆
杜明华
梁晓东
金保鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing One Yuan Electric Technology Co Ltd
Original Assignee
Chongqing One Yuan Electric Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing One Yuan Electric Technology Co Ltd filed Critical Chongqing One Yuan Electric Technology Co Ltd
Priority to CN201710337578.XA priority Critical patent/CN107169829A/zh
Publication of CN107169829A publication Critical patent/CN107169829A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0645Rental transactions; Leasing transactions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07FCOIN-FREED OR LIKE APPARATUS
    • G07F17/00Coin-freed apparatus for hiring articles; Coin-freed facilities or services
    • G07F17/0042Coin-freed apparatus for hiring articles; Coin-freed facilities or services for hiring of objects
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10Energy trading, including energy flowing from end-user application to grid
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种提供的面向拖延症用户的移动电源租赁方法及系统,其中的方法为:通过建立基于神经网络的拖延症用户判别模型,并将获取的用户最近N次的消费数据和平台计费策略参数进行归一化,然后将归一化后的数据作为基于神经网络的拖延症用户判别模型的样本数据进行迭代训练,以建立拖延症用户判别模型,最后根据建立的拖延症用户判别模型对用户是否为拖延症用户进行判断,以便于向拖延症用户发送信息提示。通过本发明能够使拖延症用户获得良好的租赁体验,从而提高移动电源租赁流转效率。

Description

面向拖延用户的移动电源租赁方法及系统
技术领域
本发明涉及通信技术领域,更为具体地涉及一种面向拖延用户的移动电源租赁方法及系统。
背景技术
随着信息技术的快速发展,移动电子设备,特别是智能终端使得人们的生活方式发生了翻天覆地的变化。随着人们对移动电子设备的需求越来越多,移动电子设备也给人们的生活带来了不少的困惑,比如移动电子设备为了满足用户对娱乐、视频、互动的视觉需求,屏幕设计越来越大,大屏幕的发光需要消耗大量的电量,而伴随随着大屏幕的动态以及触控效果,同样也需要大量的电量支持。这就导致电子设备电池的续航能力不足,不能满足人们日益增长的生活需要。
虽然目前可以通过随身携带移动电源来为解决电子设备电池的续航能力不足的问题,但移动电源会占用一定的储物空间且具有一定的重量,这对于想轻装简行的用户来说,其依然具有不便之处。因此,移动电源的租赁服务应运而生。然而,由于现代人的生活节奏快、压力大,很多用户普遍存在拖延心理,如此则导致用户在租赁移动电源的过程中不能及时归还移动电源,从而降低了移动电源的流转效率。
发明内容
鉴于上述问题,本发明的目的是提供一种面向拖延用户的移动电源租赁方法及系统,以解决拖延症用户不能及时归还移动电源导致的移动电源流转效率低的问题。
本发明提供的面向拖延用户的移动电源租赁方法,包括:
根据平台计费策略曲线获取用户最近N次的消费数据,消费数据包括用户最近N次租借移动电源的时间和与时间对应的租借费用;
建立基于神经网络的拖延症用户判别模型;在建立基于神经网络的拖延症用户判别模型的过程中,从所获取的用户最近N次的消费数据中,选取第一预设次数的消费数据,以及平台计费策略参数作为拖延症用户判别模型的训练数据,并对训练数据进行归一化处理,平台计费策略参数为M次阶梯收费时间和与收费时间对应的收费价格,N和M均为正整数;
将归一化后的训练数据作为神经网络的样本数据进行迭代训练;在进行迭代训练的过程中,若某次迭代的实际误差小于预设误差,或者迭代次数达到预设的迭代次数时,则一个训练数据完成迭代训练;当训练数据均完成迭代训练时,拖延症用户判别模型完成建立;
从用户最近N次的消费数据中获取拖延症用户判别模型的输入数据,根据输入数据和完成建立的拖延症用户判别模型判断用户是否为拖延症用户;其中,输入数据为用户最近N次的消费数据中的除第一预设次数的消费数据之外的消费数据;
若用户为拖延症用户则向用户发送提示信息。
另一方面,本发明提供一种面向拖延症用户的移动电源租赁系统,包括:
消费数据获取单元,用于根据平台计费策略曲线获取用户最近N次的消费数据,消费数据包括用户最近N次租借移动电源的时间和与时间对应的租借费用;
判别模型建立单元,用于建立基于神经网络的拖延症用户判别模型;在建立基于神经网络的拖延症用户判别模型的过程中,从消费数据获取单元所获取的用户最近N次的消费数据中,选取第一预设次数的消费数据,以及平台计费策略参数作为拖延症用户判别模型的训练数据,并对训练数据进行归一化处理,平台计费策略参数为M次阶梯收费时间和与收费时间对应的收费价格,N和M均为正整数;
将归一化后的训练数据作为神经网络的样本数据进行迭代训练;在进行迭代训练的过程中,若某次迭代的实际误差小于预设误差,或者迭代次数达到预设的迭代次数时,则一个训练数据完成迭代训练;当训练数据均完成迭代训练时,拖延症用户判别模型完成建立;
拖延症用户判断单元,用于从用户最近N次的消费数据中获取拖延症用户判别模型的输入数据,根据输入数据和判别模型建立单元所建立的拖延症用户判别模型判断用户是否为拖延症用户;其中,输入数据为用户最近N次的消费数据中的除第一预设次数的消费数据之外的消费数据;
提示信息发送单元,用于根据拖延症用户判断单元的判断结果向拖延症用户发送提示信息。
本发明提供的面向拖延症用户的移动电源租赁方法及系统,通过建立基于神经网络的拖延症用户判别模型,并将获取的用户最近N次的消费数据和平台计费策略参数进行归一化,然后将归一化后的数据作为基于神经网络的拖延症用户判别模型的样本数据进行迭代训练,以建立拖延症用户判别模型,最后根据建立的拖延症用户判别模型对用户是否为拖延症用户进行判断,以便于为拖延症用户发送信息提示,使拖延症用户获得良好的租赁体验,从而提高移动电源租赁流转效率。
附图说明
图1为根据本发明实施例的面向拖延症用户的移动电源租赁方法流程图;
图2为根据本发明实施例的面向拖延症用户的移动电源租赁系统的逻辑结构框图。
具体实施方式
以下将结合附图对本发明的具体实施例进行详细描述。
针对前述,现有的移动电源租赁方式因租赁用户的拖延症而导致的移动电源的流转效率低的问题,本发明通过建立基于神经网络的拖延症用户判别模型,并将获取的用户最近N次的消费数据和平台计费策略参数进行归一化,然后将归一化后的数据作为基于神经网络的拖延症用户判别模型的样本数据进行迭代训练,以建立拖延症用户判别模型,最后根据建立的拖延症用户判别模型对用户是否为拖延症用户进行判断,以便于为拖延症用户发送信息提示,使拖延症用户获得良好的租赁体验,从而提高移动电源租赁流转效率。
为详细说明本发明提供的面向拖延症用户的移动电源租赁方法,图1示出了根据本发明实施例的面向拖延症用户的移动电源租赁方法流程。
如图1所示,本发明提供的面向拖延症用户的移动电源租赁方法包括:
S110:根据平台计费策略曲线获取用户最近N次的消费数据,消费数据包括用户最近N次租借移动电源的时间和与时间对应的租借费用。
上述的平台计费策略曲线为根据预设的计费方式在坐标系中展示出来的曲线。
S120:建立基于神经网络的拖延症用户判别模型。
建立基于神经网络的拖延症用户判别模型的过程包括:
S121:从所获取的用户最近N次的消费数据中,选取第一预设次数的消费数据,以及平台计费策略参数作为拖延症用户判别模型的训练数据,并对训练数据进行归一化处理,平台计费策略参数为M次阶梯收费时间和与收费时间对应的收费价格,N和M均为正整数。
S122:将归一化后的训练数据作为神经网络的样本数据进行迭代训练;在进行迭代训练的过程中,若某次迭代的实际误差小于预设误差,或者迭代次数达到预设的迭代次数时,则一个训练数据完成迭代训练;当训练数据均完成迭代训练时,拖延症用户判别模型完成建立。
其中,神经网络包括输入层、隐藏层和输出层,在将归一化后的训练数据作为神经网络的样本数据进行迭代训练的过程中,在一次迭代过程中,对一个训练数据前向计算神经网络各层神经元的输入和输出,并根据神经网络的期望输出和实际输出计算神经网络本次迭代的实际误差;若本次迭代的实际误差小于预设误差,则完成此次迭代,进入下一个训练数据的迭代训练;否则,在当前迭代次数不大于预设迭代次数时,对本次进行迭代训练的训练数据反向计算神经网络各层神经元的局部梯度,并根据所计算的局部梯度计算权值修正量并修正权值;根据所修正的权值对本次进行迭代训练的训练数据前向计算神经网络各层神经元的输入和输出。
具体地,设获取了某一个用户最近100次的消费数据,选取其中50次的消费数据,以及平台计费策略参数作为拖延症用户判别模型的训练数据,并对上述训练数据进行归一化处理,则将用户其中50次租借移动电源的时间记为ti,与时间ti对应的租借费用为fi,i=1,2,…,N,M次阶梯收费时间Tj和与收费时间对应的收费价格为Fj,j=1,2,…,M,因此训练数据为:
将上述训练数据归一化至(0,1)区间,其具体归一化方式如下:
其中Xl是归一化之前的训练数据;Xl'是归一化后的训练数据;Xmin是归一化前训练数据Xl的最小值,Xmax是归一化前训练数据Xl的最大值,其中l=1,2,…N+M。
在本发明的一个具体实施例中,将神经网络输入层神经元节点个数设为m=2N+2M,输出层采用2个神经元节点,根据经验公式来确定隐含层神经元个数为5个,其中k为0~10的常数。设训练数据的个数为M',训练数据的迭代次数为100,将第g次迭代时输入层I与隐含层H之间的权值矢量表示为:
将第g次迭代时隐藏层H与输出层P之间的权值矢量表示为:
将g次迭代时神经网络的实际输出表示为:yn(g)=[yk1(g),yk2(g),…,ykP(g)](k=1,2,…,M'),将第g次迭代时神经网络的期望输出表示为:dk=[dk1,dk2,…,dkP](k=1,2,…,M');
那么神经网络的训练过程如下:
1、初始化权值,设迭代次数g的初值为0,分别赋给WIH(0)、WHP(0)一个(0,1)区间的随机值;
2、随机输入训练数据Xl并对其进行归一化,得到Xl';
3、对训练数据Xl',前向计算神经网络每层神经元的输出和输出数据;
4、根据期望输出dk和实际输出Yk(g),计算本次迭代的实际误差E(g);
5、判断本次迭代的实际误差是否小于预设误差,如果小于则进入步骤9,否则进入步骤6;
6、判断迭代次数g+1是否大于预设迭代次数,如大于,则进入步骤9,否则,进入步骤7;
7、对训练数据Xl'反向计算每层神经元的局部梯度δ;
8、计算权值修正量ΔW,并修正权值,计算公式为: 式中,η为学习效率;令g=g+1,跳转至步骤3;
9、判断是否所有的训练数据均完成了训练,如果是,则完成拖延症用户判别模型的建立,否则,继续跳转至步骤2。
S130:从用户最近N次的消费数据中获取拖延症用户判别模型的输入数据,根据输入数据和完成建立的拖延症用户判别模型判断用户是否为拖延症用户;其中,输入数据为用户最近N次的消费数据中的除第一预设次数的消费数据之外的消费数据。
S140:若用户为拖延症用户则向用户发送提示信息。
其中,若用户被判断为拖延症用户,则采用预设的优惠计费方式对用户租赁移动电源的租赁费用进行计算;并且,向拖延症用户发送的提示信息包括:用户租赁移动电源当前已消费的费用、下一阶段的计费方式,以及提示用户尽快归还移动电源的信息。
与上述方法相对应,本发明提供一种面向拖延症用户的移动电源租赁系统,图2示出了根据本发明实施例的面向拖延症用户的移动电源租赁系统的逻辑结构。
如图2所示,本发明提供的面向拖延症用户的移动电源租赁系统200包括消费数据获取单元210、判别模型建立单元220、拖延症用户判断单元230和提示信息发送单元240。
其中,消费数据获取单元210用于根据平台计费策略曲线获取用户最近N次的消费数据,消费数据包括用户最近N次租借移动电源的时间和与时间对应的租借费用。
判别模型建立单元220用于建立基于神经网络的拖延症用户判别模型;在建立基于神经网络的拖延症用户判别模型的过程中,从消费数据获取单元210所获取的用户最近N次的消费数据中,选取第一预设次数的消费数据,以及平台计费策略参数作为拖延症用户判别模型的训练数据,并对训练数据进行归一化处理,平台计费策略参数为M次阶梯收费时间和与收费时间对应的收费价格,N和M均为正整数;将归一化后的训练数据作为神经网络的样本数据进行迭代训练;在进行迭代训练的过程中,若某次迭代的实际误差小于预设误差,或者迭代次数达到预设的迭代次数时,则一个训练数据完成迭代训练;当训练数据均完成迭代训练时,拖延症用户判别模型完成建立。
拖延症用户判断单元,用于从用户最近N次的消费数据中获取拖延症用户判别模型的输入数据,根据输入数据和判别模型建立单元220所建立的拖延症用户判别模型判断用户是否为拖延症用户;其中,输入数据为用户最近N次的消费数据中的除第一预设次数的消费数据之外的消费数据。
提示信息发送单元240用于根据拖延症用户判断单元230的判断结果向拖延症用户发送提示信息。
通过上述可知,本发明提供的面向拖延症用户的移动电源租赁方法能够对租赁用户是否为拖延症用户进行判断,以便于为拖延症用户发送提示信息,从而使拖延症用户获得良好的租赁体验,并且提高移动电源租赁流转效率。
如上参照附图以示例的方式描述了根据本发明的面向拖延症用户的移动电源租赁方法及系统。但是,本领域技术人员应当理解,对于上述本发明所提出的面向拖延症用户的移动电源租赁方法及系统,还可以在不脱离本发明内容的基础上做出各种改进。因此,本发明的保护范围应当由所附的权利要求书的内容确定。

Claims (8)

1.一种面向拖延用户的移动电源租赁方法,包括:
根据平台计费策略曲线获取用户最近N次的消费数据,所述消费数据包括所述用户最近N次租借移动电源的时间和与所述时间对应的租借费用;
建立基于神经网络的拖延症用户判别模型;在建立基于神经网络的拖延症用户判别模型的过程中,
从所获取的用户最近N次的消费数据中,选取第一预设次数的消费数据,以及平台计费策略参数作为拖延症用户判别模型的训练数据,并对所述训练数据进行归一化处理,所述平台计费策略参数为M次阶梯收费时间和与所述收费时间对应的收费价格,所述N和M均为正整数;
将归一化后的训练数据作为神经网络的样本数据进行迭代训练;在进行迭代训练的过程中,
若某次迭代的实际误差小于预设误差,或者迭代次数达到预设的迭代次数时,则一个训练数据完成迭代训练;
当所述训练数据均完成迭代训练时,所述拖延症用户判别模型完成建立;
从用户最近N次的消费数据中获取拖延症用户判别模型的输入数据,根据所述输入数据和完成建立的拖延症用户判别模型判断所述用户是否为拖延症用户;其中,
所述输入数据为用户最近N次的消费数据中的除所述第一预设次数的消费数据之外的消费数据;
若所述用户为拖延症用户则向所述用户发送提示信息。
2.如权利要求1所述的面向拖延症用户的移动电源租赁方法,其中,
所述平台计费策略曲线为根据预设的计费方式在坐标系中展示出来的曲线。
3.如权利要求1所述的面向拖延症用户的移动电源租赁方法,其中,
所述神经网络包括输入层、隐藏层和输出层,在将归一化后的训练数据作为神经网络的样本数据进行迭代训练的过程中,
在一次迭代过程中,对一个训练数据前向计算神经网络各层神经元的输入和输出,并根据神经网络的期望输出和实际输出计算神经网络本次迭代的实际误差;
若本次迭代的实际误差小于预设误差,则完成此次迭代,进入下一个训练数据的迭代训练;否则,
在当前迭代次数不大于预设迭代次数时,对本次进行迭代训练的训练数据反向计算神经网络各层神经元的局部梯度,并根据所计算的局部梯度计算权值修正量并修正权值;
根据所修正的权值对本次进行迭代训练的训练数据前向计算神经网络各层神经元的输入和输出。
4.如权利要求1所述的面向拖延症用户的移动电源租赁方法,其中,在对所述训练数据进行归一化处理的过程中,
将所述训练数据归一至(0,1)区间。
5.如权利要求4所述的面向拖延症用户的移动电源租赁方法,其中,采用如下公式对所述训练数据进行归一化:
<mrow> <msubsup> <mi>X</mi> <mi>l</mi> <mo>&amp;prime;</mo> </msubsup> <mo>=</mo> <mfrac> <mrow> <msub> <mi>X</mi> <mi>l</mi> </msub> <mo>-</mo> <msub> <mi>X</mi> <mi>min</mi> </msub> </mrow> <mrow> <msub> <mi>X</mi> <mi>l</mi> </msub> <mo>-</mo> <msub> <mi>X</mi> <mi>max</mi> </msub> </mrow> </mfrac> </mrow> 1
其中,Xl是归一化之前的训练数据;X'l是归一化后的训练数据;Xmin是归一化前训练数据Xl的最小值,Xmax是归一化前输入变量Xl的最大值,其中l=1,2,…N+M。
6.如权利要求1所述的面向拖延症用户的移动电源租赁方法,其中,若所述用户被判断为拖延症用户,则采用预设的优惠计费方式对所述用户租赁移动电源的租赁费用进行计算。
7.如权利要求6所述的面向拖延症用户的移动电源租赁方法,其中,向拖延症用户发送的提示信息包括:所述用户租赁移动电源当前已消费的费用、下一阶段的计费方式,以及提示所述用户尽快归还移动电源的信息。
8.一种面向拖延症用户的移动电源租赁系统,包括:
消费数据获取单元,用于根据平台计费策略曲线获取用户最近N次的消费数据,所述消费数据包括所述用户最近N次租借移动电源的时间和与所述时间对应的租借费用;
判别模型建立单元,用于建立基于神经网络的拖延症用户判别模型;在建立基于神经网络的拖延症用户判别模型的过程中,
从所述消费数据获取单元所获取的用户最近N次的消费数据中,选取第一预设次数的消费数据,以及平台计费策略参数作为拖延症用户判别模型的训练数据,并对所述训练数据进行归一化处理,所述平台计费策略参数为M次阶梯收费时间和与所述收费时间对应的收费价格,N和M均为正整数;
将归一化后的训练数据作为神经网络的样本数据进行迭代训练;在进行迭代训练的过程中,
若某次迭代的实际误差小于预设误差,或者迭代次数达到预设的迭代次数时,则一个训练数据完成迭代训练;
当所述训练数据均完成迭代训练时,所述拖延症用户判别模型完成建立;
拖延症用户判断单元,用于从用户最近N次的消费数据中获取拖延症用户判别模型的输入数据,根据所述输入数据和所述判别模型建立单元所建立的拖延症用户判别模型判断所述用户是否为拖延症用户;其中,
所述输入数据为用户最近N次的消费数据中的除所述第一预设次数的消费数据之外的消费数据;
提示信息发送单元,用于根据所述拖延症用户判断单元的判断结果向拖延症用户发送提示信息。
CN201710337578.XA 2017-05-15 2017-05-15 面向拖延用户的移动电源租赁方法及系统 Pending CN107169829A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710337578.XA CN107169829A (zh) 2017-05-15 2017-05-15 面向拖延用户的移动电源租赁方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710337578.XA CN107169829A (zh) 2017-05-15 2017-05-15 面向拖延用户的移动电源租赁方法及系统

Publications (1)

Publication Number Publication Date
CN107169829A true CN107169829A (zh) 2017-09-15

Family

ID=59814915

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710337578.XA Pending CN107169829A (zh) 2017-05-15 2017-05-15 面向拖延用户的移动电源租赁方法及系统

Country Status (1)

Country Link
CN (1) CN107169829A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831478A (zh) * 2012-08-05 2012-12-19 珠海派诺科技股份有限公司 一种基于bp神经网络的地铁能耗综合预测方法
CN103853948A (zh) * 2012-11-28 2014-06-11 阿里巴巴集团控股有限公司 用户身份的识别、信息的过滤及搜索方法和服务器
CN105404142A (zh) * 2015-11-06 2016-03-16 重庆科技学院 基于bp神经网络与mbfo算法的铝电解多参数控制方法
CN105816170A (zh) * 2016-05-10 2016-08-03 广东省医疗器械研究所 基于可穿戴式nirs-eeg的精神分裂症早期检测评估系统
CN106204247A (zh) * 2016-08-26 2016-12-07 佛山华平勇创能源科技有限公司 一种基于动力锂电池的行程计量的电池租赁系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831478A (zh) * 2012-08-05 2012-12-19 珠海派诺科技股份有限公司 一种基于bp神经网络的地铁能耗综合预测方法
CN103853948A (zh) * 2012-11-28 2014-06-11 阿里巴巴集团控股有限公司 用户身份的识别、信息的过滤及搜索方法和服务器
CN105404142A (zh) * 2015-11-06 2016-03-16 重庆科技学院 基于bp神经网络与mbfo算法的铝电解多参数控制方法
CN105816170A (zh) * 2016-05-10 2016-08-03 广东省医疗器械研究所 基于可穿戴式nirs-eeg的精神分裂症早期检测评估系统
CN106204247A (zh) * 2016-08-26 2016-12-07 佛山华平勇创能源科技有限公司 一种基于动力锂电池的行程计量的电池租赁系统及方法

Similar Documents

Publication Publication Date Title
CN104899760B (zh) 一种时间相关移动群智感知系统中的激励方法
CN104657133B (zh) 移动群智感知中一种用于单时间窗口任务的激励方法
CN110798718B (zh) 一种视频推荐方法以及装置
US11249645B2 (en) Application management method, storage medium, and electronic apparatus
CN112508120B (zh) 学生模型训练方法、装置、设备、介质和程序产品
CN110555148B (zh) 一种用户行为评估方法、计算设备及存储介质
CN111739115B (zh) 基于循环一致性的无监督人体姿态迁移方法、系统及装置
KR102270321B1 (ko) 인공지능 기반의 기계학습을 통한 사용자 맞춤형 상품 추천 장치
CN112862112A (zh) 联邦学习方法、存储介质、终端、服务器、联邦学习系统
CN113269315A (zh) 利用深度强化学习执行任务的设备、方法及可读存储介质
CN113569138A (zh) 一种智能设备控制方法、装置、电子设备和存储介质
CN107169829A (zh) 面向拖延用户的移动电源租赁方法及系统
CN109905880B (zh) 一种网络划分方法、系统及电子设备和存储介质
CN106096653B (zh) 基于跨平台用户社交多媒体行为的人口属性推断方法
CN114764469A (zh) 一种内容推荐方法、装置、计算机设备和存储介质
CN116501978A (zh) 基于隐私保护机器遗忘算法的推荐模型生成方法及装置
CN110362952A (zh) 一种快速计算任务分流方法
CN114441969A (zh) 电池荷电状态估算方法及装置
CN111859635A (zh) 一种基于多粒度建模技术的仿真系统及构建方法
CN104965812A (zh) 一种深层模型处理方法及装置
CN107331068A (zh) 一种面向健忘症极致用户体验的移动电源租赁管理系统及方法
CN116798052B (zh) 文本识别模型的训练方法和装置、存储介质及电子设备
CN118170551B (zh) 资源调度方法、装置及电子设备
CN115630976A (zh) 基于人工智能的房产估值方法以及相关设备
CN116795953B (zh) 问答匹配方法、装置、计算机可读存储介质及计算机设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170915