[发明专利]一种用户满意度预测模型的样本生成方法及装置

权利要求书

1.一种用户满意度预测模型的样本生成方法，其特征在于，

获取网络的样本数据，所述样本数据包含网络数据，其中所述网络数据包含网络质量数据、用户信息数据；

对所述网络数据进行归一化处理，生成第一网络矩阵，其中，所述第一网络矩阵包含由所述网络质量数据生成的第一网络质量矩阵、由所述用户信息数据生成的第一用户信息矩阵；

将所述第一网络质量矩阵输入第一自编码神经网络，得到第二网络质量矩阵；

将所述第一用户信息矩阵输入第二自编码神经网络，得到第二用户信息矩阵；

根据所述第一网络质量矩阵、所述第二网络质量矩阵计算所述第一网络质量矩阵通过所述第一自编码神经网络后的第一自编码损失函数；

根据所述第一用户信息矩阵、所述第二用户信息矩阵计算所述第一用户信息矩阵通过所述第二自编码神经网络后的第二自编码损失函数；

根据所述第一自编码损失函数、所述第二自编码损失函数计算总损失函数；

获取所述总损失函数的最小值，并根据所述最小值提取对应的目标第二网络质量矩阵以及目标第二用户信息矩阵作为用户满意度预测模型的样本，用以训练用户满意度预测模型或者输入所述用户满意度预测模型进行用户满意度的预测。

2.根据权利要求1所述的用户满意度预测模型的样本生成方法，其特征在于，根据所述第一网络质量矩阵、所述第二网络质量矩阵计算所述第一网络质量矩阵通过所述第一自编码神经网络后的第一自编码损失函数，包括：

根据公式L1＝f_mean(∑(U_i-U_o)²)计算所述第一网络质量矩阵通过所述第一自编码神经网络后的第一自编码损失函数，其中，L1为所述第一自编码损失函数，f_mean表示求平均函数，U_i表示所述第一网络质量矩阵，U_o表示所述第二网络质量矩阵。

3.根据权利要求1所述的用户满意度预测模型的样本生成方法，其特征在于，根据所述第一用户信息矩阵、所述第二用户信息矩阵计算所述第一用户信息矩阵通过所述第二自编码神经网络后的第二自编码损失函数，包括：

根据公式L2＝f_mean(∑(N_i-N_o)²)计算所述第一用户信息矩阵通过所述第二自编码神经网络后的第二自编码损失函数，其中，L2为所述第二自编码损失函数，f_mean表示求平均函数，N_i表示所述第一用户信息矩阵，N_o表示所述第二用户信息矩阵。

4.根据权利要求1所述的用户满意度预测模型的样本生成方法，其特征在于，所述根据所述第一自编码损失函数、所述第二自编码损失函数计算总损失函数，包括：

根据公式L＝αL1+βL2计算所述总损失函数，其中，L表示所述总损失函数，L1表示所述第一自编码损失函数，L2表示所述第二自编码损失函数，α表示所述第一网络质量矩阵通过所述第一自编码神经网络后的误差对预测结果的影响率，β表示所述第一用户信息矩阵通过所述第二自编码神经网络后的误差对预测结果的影响率，α、β均为常数。