一种基于HMM的异构网络用户行为预测方法.pdf
飞舟****文章
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于HMM的异构网络用户行为预测方法.pdf
本发明提出一种基于HMM的异构网络用户行为预测方法。针对异构蜂窝网络(HCN)环境下,传统的切换管理策略极少综合考虑热点地区用户的移动偏好与移动特征的问题,本发明对热点地区用户行为进行感知的方法。该方法采用人类自相似性最小行走移动模型(Self‑similarLeast‑actionHumanWalk,SLAW)模拟热点地区用户移动路径,采用隐式马尔科夫模型对用户行为建模,实现了通过用户在基站中的移动序列来预测用户对应的移动时间。该方法为设计合理的切换管理方案提供具体的设置参数,提升了热点地区用户行
一种基于用户移动行为预测的超密集网络切换方法.pdf
本发明公开了一种基于用户移动行为预测的超密集网络切换方法,包括以下步骤:A:获取设定区域内的所有基站用户移动行为的预处理后的轨迹数据;B:划分为基站新用户数据集和基站老用户数据集;C:构建基站老用户轨迹预测模型;D:得到训练后的基站老用户轨迹预测模型;E:获取基站新用户的预测移动轨迹;F:当基站用户满足A2事件触发切换时,寻找到满足判定条件的目标基站作为最终的切换基站并进行切换。本发明能够通过用户的历史轨迹序列预测未来的轨迹点,可以有效减少网路切换次数,优化网络切换性能并提高网络的鲁棒性。
一种基于混合模型的用户网络购买行为预测研究方法.pdf
本发明公开了一种基于混合模型的用户网络购买行为预测研究方法:从网购平台提取行为数据以及商品信息的数据,构建特征样本集,并进行数据处理;提取权重大的特征为类别特征,将类别特征转换成数值特征;将数值特征导入xgboost模型进行训练并交叉验证,得到最优的xgboost模型的每一个叶子结点的预测值作为新的数值特征,新的数值特征为具有相关性的重新组合的未提取的特征对应的数值特征;将新的数值特征进行one‑hot编码后和原始的类别特征进行拼接得到重构特征;将重构特征导入LR模型训练,得到最优的LR模型;使用最优的L
基于图神经网络与用户意图感知的用户购买行为预测方法.pdf
本发明将用户的历史购买数据中的物品作为一个行为序列,然后基于这些序列构造有向图,其中每个节点代表用户购买过的一个物品,每条有向边表示用户在购买过此边的源物品之后购买了指向的物品。基于此图,通过图神经网络捕获物品之间的联系以及物品与用户的联系并准确地生成物品的向量表示,并且通过用户意图感知模块准确地捕获用户当前的意图,将其作为用户的向量表示。基于这些物品的向量表示和用户的向量表示,将其与注意力机制结合,为用户推荐可能感兴趣的物品。
一种基于用户购买行为的用户特征预测方法.pdf
本发明公开了一种基于用户购买行为的用户特征预测方法,该方法包括:采集目标用户特征信息、历史订单信息以及订单商品信息,并利用订单商品信息从公开知识图谱获取商品相关的三元组知识,构建知识子图,利用图卷积神经网络聚合实体近邻局部特征,充分学习实体的表示向量;在用户特征预测模型中根据不同的商品特征以及不同的具有相似购买行为用户的特征学习到目标用户与不同商品以及相似购买行为用户的相似度,充分根据用户间以及用户实体间的相似度学习其特征向量,满足用户的个性化需求。本发明提高了用户特征预测的准确性,从而可以更准确地预测用