申请/专利权人:南京信息工程大学
申请日:2024-03-07
公开(公告)日:2024-04-09
公开(公告)号:CN117852507A
主分类号:G06F40/169
分类号:G06F40/169;G06F40/279;G06F18/214;G06F18/21;G06N3/0442;G06N3/08;G06N20/00
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明公开了一种餐馆回头客预测模型、方法、系统及设备,属于深度学习的文本分类领域。通过标签化文本向量化方法,使用LSTM这种深度学习模型,从语序角度对用户在餐馆的评论文本进行预训练,通过对预测用户的评论文本的类别,判断该用户是否会再次进行评论,以此确定该用户是否为该餐馆的回头客,解决了浅层机器学习模型对用户二次评论预测准确率较低,tf‑idf等文本向量化方法易导致向量稀疏化问题。
主权项:1.一种餐馆回头客预测模型,其特征在于,包括:将用户评论文本划分为非回头客文本和回头客文本;基于非回头客文本和回头客文本构建第一数据集;对第一数据集的非回头客文本和回头客文本进行文本向量化处理和筛除停用词得到第二数据集;其中文本向量化处理包括tf处理、tf-idf处理、预训练词向量处理和词嵌入处理;从第二数据集选取数据,得到训练集、测试集和验证集;将训练集、测试集和验证集分别代入LSTM深度学习模型进行预训练,得到初始预测模型;通过测试集对初始预测模型进行训练,得到训练后的预测模型;若训练后的预测模型的准确率未达到0.7,则调节初始预测模型的参数,再通过测试集对初始预测模型进行训练;若训练后的预测模型的准确率达到0.7,则训练后的预测模型即为餐馆回头客预测模型。
全文数据:
权利要求:
百度查询: 南京信息工程大学 一种餐馆回头客预测模型、方法、系统及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。