看家产品需求的预测方法、装置及可读存储介质与流程

技术特征：
1.一种看家产品需求的预测方法，其特征在于，所述看家产品需求的预测方法包括：通过预设平台获取预设时段内待测用户的用户数据；根据所述待测用户的用户数据确定用于预测所述待测用户的看家产品需求的特征数据；根据所述特征数据以及深度神经网络模型确定所述待测用户的看家产品需求。2.如权利要求1所述的看家产品需求的预测方法，其特征在于，所述预设平台包括手机用户标签平台、宽带上网深度报文检测平台以及手机上网深度报文检测平台；所述用户数据包括所述待测用户的用户标签数据、宽带上网数据以及手机上网数据。3.如权利要求1所述的看家产品需求的预测方法，其特征在于，所述根据所述特征数据以及深度神经网络模型确定所述待测用户的看家产品需求的步骤包括：根据所述特征数据以及所述深度神经网络模型确定所述待测用户的看家产品需求的预测值；在所述预测值为预设值时，确定所述待测用户有看家产品需求。4.如权利要求1所述的看家产品需求的预测方法，其特征在于，所述通过预设平台获取预设时段内待测用户的用户数据的步骤之前，还包括：获取已知看家产品需求的用户的用户数据；根据已知看家产品需求的用户的用户数据确定样本特征数据；根据所述样本特征数据以及预设网络模型确定所述深度神经网络模型。5.如权利要求4所述的看家产品需求的预测方法，其特征在于，所述样本特征数据包括训练特征数据以及测试特征数据，所述根据所述样本特征数据以及预设网络模型确定所述深度神经网络模型的步骤包括：采用所述训练特征数据对所述预设网络模型进行训练，以确定所述预设网络模型的目标权重值；将所述预设网络模型的权重值设为所述目标权重值；采用所述测试特征数据对设有目标权重值的所述预设网络模型进行测试，以测试设有目标权重值的所述预设网络模型预测看家产品需求的准确率；在所述准确率大于预设阈值时，将设有目标权重值的所述预设网络模型确定为所述深度神经网络模型。6.如权利要求4-5中任一项所述的看家产品需求的预测方法，其特征在于，所述预设网络模型为基于深度学习框架tensorflow以及python算法搭建的深度神经网络模型，所述预设网络模型包括一个输入层、多个隐藏层以及一个输出层，其中，所述输入层的神经元数量与所述特征数据的数量相同。7.如权利要求1所述的看家产品需求的预测方法，其特征在于，所述根据所述特征数据以及深度神经网络模型确定所述待测用户的看家产品需求的步骤之后，还包括：输出有看家产品需求的待测用户的用户数据；对所述有看家产品需求的待测用户的用户数据进行脱敏处理；根据脱敏处理后的所述用户数据对有看家产品需求的待测用户的终端设备发送看家产品的推送信息。8.一种看家产品需求的预测装置，其特征在于，所述看家产品需求的预测装置包括：
获取模块，通过预设平台获取预设时段内待测用户的用户数据；确定模块，用于根据所述用户数据确定预测所述待测用户的看家产品需求的特征数据；预测模块，用于根据所述特征数据以及深度神经网络模型确定所述待测用户的看家产品需求。9.一种看家产品需求的预测装置，其特征在于，所述看家产品需求的预测装置包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的看家产品需求的预测程序，所述看家产品需求的预测程序被所述处理器执行时实现如权利要求1-7中任一项所述的看家产品需求的预测方法的步骤。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有看家产品需求的预测程序，所述看家产品需求的预测程序被处理器执行时实现如权利要求1-7中任一项所述的看家产品需求的预测方法的步骤。

技术总结
本发明公开了一种看家产品需求的预测方法、装置及可读存储介质，所述看家产品需求的预测方法包括：通过预设平台获取预设时段内待测用户的用户数据；根据所述待测用户的用户数据确定用于预测所述待测用户的看家产品需求的特征数据；根据所述特征数据以及深度神经网络模型确定所述待测用户的看家产品需求。本发明旨在提高看家产品需求的预测精度。明旨在提高看家产品需求的预测精度。明旨在提高看家产品需求的预测精度。


技术研发人员：单申佳
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2021.08.10
技术公布日：2023/2/17