[发明专利]预测用户群体宏观状态的方法和装置

权利要求书

1.一种预测用户群体的宏观状态的方法，包括：

基于多个用户中各个用户的事件序列，确定该用户对应的事件强度函数；

获取所述多个用户构成的用户群体的目标宏观量在第一时刻的第一期望值，所述目标宏观量依赖于各个用户做出的事件；

根据各个用户对应的事件强度函数，以及用于表示该用户对于所述目标宏观量的影响程度的幅度函数，确定第一中间函数；其中，各个用户的幅度函数与所述目标宏观量的期望值成线性关系，所述线性关系的比例系数为第一系数；所述第一中间函数基于各个用户的第一系数与事件强度函数的乘积之和而确定；

将所述第一时刻，第一期望值，以及所述第一时刻之后的第二时刻，代入期望值随时间变化的第一关系式，从而确定所述目标宏观量在所述第二时刻的第二期望值；其中，所述第一关系式，依赖于所述第一中间函数随时间的积分。

2.根据权利要求1所述的方法，其中，确定该用户对应的事件强度函数，包括：

基于该用户的事件序列，提取该用户的行为相关特征；

将所述行为相关特征输入神经网络模型，得到该用户对应的强度函数中的参数值；

基于所述参数值和强度函数的预定形式，得到该用户对应的事件强度函数。

3.根据权利要求2所述的方法，其中，所述神经网络模型基于以下方式训练：

获取多个样本用户的多个样本事件序列；

将所述多个样本事件序列对应的行为相关特征输入所述神经网络模型，得到各个样本用户对应的假定强度函数；

基于所述假定强度函数，确定所述多个样本用户做出所述多个样本事件序列的似然性；

以所述似然性最大化为目标，训练所述神经网络模型。

4.根据权利要求2所述的方法，其中，所述强度函数的预定形式依赖于拟合用户行为的点过程，所述点过程选自以下之一：Hawkes过程，自校正点过程，自激点过程。

5.根据权利要求1所述的方法，其中，所述第一关系式包括，对所述第一期望值施加自然指数运算所得的第一运算项，其中所述自然指数运算的底数为自然常数，指数为所述第一中间函数在第一时刻和第二时刻之间的取值的积分累积值。

6.根据权利要求1所述的方法，其中，所述线性关系还包括第二系数作为偏移量；所述方法还包括，基于各个用户对应的第二系数与事件强度函数的乘积之和，确定第二中间函数；所述第一关系式还依赖于所述第二中间函数。

7.根据权利要求6所述的方法，其中，所述第一关系式包括第一运算项和第二运算项，其中：

所述第一运算项包括对所述第一期望值施加自然指数运算，其中所述自然指数运算的底数为自然常数，指数为所述第一中间函数在第一时刻和第二时刻之间的取值的积分累积值；

所述第二运算项包括对第三中间函数在第一时刻和第二时刻之间的取值进行积分累积；该第三中间函数为所述第二中间函数与第一中间函数的积分函数的叠加。

8.根据权利要求7所述的方法，其中，所述事件强度函数为随时间指数衰减的形式；所述自然指数运算中的指数，根据第一中间函数在所述第二时刻的取值确定；

所述第二运算项的运算结果，根据1减去所述自然指数运算结果所得差值与第一比例系数的乘积确定，所述第一比例系数为所述第二中间函数与第一中间函数在第二时刻取值之比。

9.根据权利要求1所述的方法，其中，所述第一关系式通过求解平均场随机微分方程而确定，所述平均场随机微分方程表征，所述各个用户的事件序列对应的微观点过程与所述目标宏观量之间的关联，所述平均场随机微分方程中包括所述幅度函数。