本發(fā)明涉及移動(dòng)電源租賃服務(wù)領(lǐng)域，特別涉及一種面向狂噪癥極致用戶體驗(yàn)的移動(dòng)電源租賃管理系統(tǒng)及方法。

背景技術(shù)：

隨著信息技術(shù)的快速發(fā)展，電子產(chǎn)品的不斷更新，使得人們的生活方式發(fā)生了翻天覆地的變化。但也為人們的生活帶來(lái)了不少的困惑，比如智能設(shè)備為了滿足用戶對(duì)娛樂(lè)、視頻、互動(dòng)的視覺(jué)需求，屏幕設(shè)計(jì)越來(lái)越大，大屏幕的發(fā)光需要消耗大量的電量，而伴隨隨著大屏幕的動(dòng)態(tài)以及觸控效果，同樣也需要大量的電量支持。這就導(dǎo)致電子設(shè)備電池的續(xù)航能力不足，不能滿足人們?nèi)找嬖鲩L(zhǎng)的生活需要。同時(shí)，由于現(xiàn)代人的生活節(jié)奏快、壓力大，導(dǎo)致很多用戶出現(xiàn)焦慮、煩躁等心里，使用戶在租賃移動(dòng)電源過(guò)程中害怕租借超時(shí)、超費(fèi)等現(xiàn)象。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于公開(kāi)一種面向狂噪癥極致用戶體驗(yàn)的移動(dòng)電源租賃管理系統(tǒng)及方法，以解決手機(jī)電池續(xù)航能力不足的問(wèn)題，幫助狂躁癥用戶更放心的使用移動(dòng)電源為手機(jī)充電，帶來(lái)更好的用戶體驗(yàn)效果。

本發(fā)明的目的之一是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的，一種面向狂噪癥極致用戶體驗(yàn)的移動(dòng)電源租賃管理方法，包括

根據(jù)平臺(tái)計(jì)費(fèi)策略曲線獲取用戶最近n次的消費(fèi)數(shù)據(jù)，根據(jù)用戶租借移動(dòng)電源產(chǎn)生的費(fèi)用以及用戶查看費(fèi)用的次數(shù)h確定該用戶是否為狂噪陣用戶；

采用神經(jīng)網(wǎng)絡(luò)建立狂躁癥用戶判別模型；

根據(jù)用戶最近n次的消費(fèi)數(shù)據(jù)及狂躁癥用戶判別模型，判斷用戶類(lèi)型，包括狂噪癥和非狂噪陣；

若用戶的狂噪癥用戶，則向健忘癥用戶發(fā)送提示信息。

進(jìn)一步，所述采用神經(jīng)網(wǎng)絡(luò)建立狂噪癥用戶判別模型，包括確定狂噪癥用戶判別模型訓(xùn)練樣本，并對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理；其中樣本的輸入數(shù)據(jù)包括用戶最近n次的租借時(shí)間、租借費(fèi)用以及查看消費(fèi)費(fèi)用的次數(shù)，樣本的輸出數(shù)據(jù)為人工標(biāo)記的1或0。

進(jìn)一步，所述對(duì)樣本數(shù)所進(jìn)行歸一化處理，方法為：

其中xl是歸一化之前的輸入變量；x′l是歸一化后的變量；xmin是歸一化前輸入變量xl'的最小值，xmax是歸一化前輸入變量xl的最大值，其中l(wèi)＝1,2,…n。

進(jìn)一步，采用神經(jīng)網(wǎng)絡(luò)建立狂躁癥用戶判別模型步驟如下：

s31：初始化權(quán)值，設(shè)迭代次數(shù)g的初值為0，分別賦給wih(0)、whp(0)一個(gè)(0,1)區(qū)間的隨機(jī)值；

s32：隨機(jī)輸入訓(xùn)練數(shù)據(jù)xl并對(duì)其進(jìn)行歸一化，得到x′l；

s33：對(duì)輸入樣本xl，前向計(jì)算神經(jīng)網(wǎng)絡(luò)每層神經(jīng)元的輸入信號(hào)和輸出信號(hào)；

s34：根據(jù)期望輸出dk和實(shí)際輸出yk(g)，計(jì)算誤差e(g)；

s35：判斷誤差e(g)是否滿足要求，如不滿足，則進(jìn)入步驟s36，如滿足，則進(jìn)入步驟s39；

s36：判斷迭代次數(shù)g+1是否大于最大迭代次數(shù)，如大于，則進(jìn)入步驟s39，否則，進(jìn)入步驟s37；

s37：對(duì)輸入樣本xl反向計(jì)算每層神經(jīng)元的局部梯度δ；

s38：計(jì)算權(quán)值修正量δw，并修正權(quán)值，計(jì)算公式為：式中，η為學(xué)習(xí)效率；令g＝g+1，跳轉(zhuǎn)至步驟s33；

s39：判斷是否完成所有的訓(xùn)練樣本，如果是，則完成建模，否則，繼續(xù)跳轉(zhuǎn)至步驟s32。

本發(fā)明的目的之二是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的，

一種面向狂噪癥極致用戶體驗(yàn)的移動(dòng)電源租賃管理系統(tǒng)，包括

消費(fèi)數(shù)所獲取模塊：根據(jù)平臺(tái)計(jì)費(fèi)策略曲線獲取用戶最近n次的消費(fèi)數(shù)據(jù)，根據(jù)用戶租借移動(dòng)電源產(chǎn)生的費(fèi)用以及用戶查看費(fèi)用的次數(shù)h確定該用戶是否為狂噪陣用戶；

狂噪癥用戶判別模型建立模塊：采用神經(jīng)網(wǎng)絡(luò)建立狂躁癥用戶判別模型；

狂噪癥用戶判別模塊：根據(jù)用戶最近n次的消費(fèi)數(shù)據(jù)及狂躁癥用戶判別模型，判斷用戶類(lèi)型，包括狂噪癥和非狂噪陣；

提示信息發(fā)送模塊：若用戶的狂噪癥用戶，則向健忘癥用戶發(fā)送提示信息。

進(jìn)一步，所述采用神經(jīng)網(wǎng)絡(luò)建立狂噪癥用戶判別模型，包括確定狂噪癥用戶判別模型訓(xùn)練樣本，并對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理；其中樣本的輸入數(shù)據(jù)包括用戶最近n次的租借時(shí)間、租借費(fèi)用以及查看消費(fèi)費(fèi)用的次數(shù)，樣本的輸出數(shù)據(jù)為人工標(biāo)記的1或0。

進(jìn)一步，所述神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，輸入層到隱含層之間的傳遞函數(shù)為tansig函數(shù)，隱含層到輸出層之間的傳遞函數(shù)為purelin函數(shù)。

進(jìn)一步，所述提示信息包括移動(dòng)電源當(dāng)前已消費(fèi)費(fèi)用、下一階段的計(jì)費(fèi)方式以及提示狂噪陣用戶不用著急。

由于采用了以上技術(shù)方案，具有以下優(yōu)點(diǎn)：

當(dāng)用戶在戶外手機(jī)沒(méi)電時(shí)，可以為狂躁癥用戶提供一種快速租賃移動(dòng)電源的方法，減輕了狂躁癥用戶出門(mén)隨身攜帶移動(dòng)電源的負(fù)擔(dān)，同時(shí)也讓狂躁癥用戶體驗(yàn)更加快捷、安全的移動(dòng)電源租賃體驗(yàn)。

附圖說(shuō)明

圖1為本發(fā)明的流程圖；

圖2為平臺(tái)計(jì)費(fèi)策略以及用戶數(shù)據(jù)；

圖3為神經(jīng)網(wǎng)絡(luò)判別結(jié)果。

具體實(shí)施方式

以下將結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施例進(jìn)行詳細(xì)描述。

為了更好的理解上述技術(shù)方案，下面將結(jié)合說(shuō)明書(shū)附圖以及具體的實(shí)施方式，對(duì)上述方法進(jìn)行詳細(xì)的說(shuō)明。

一種面向狂噪癥極致用戶體驗(yàn)的移動(dòng)電源租賃管理方法，包括

s1：在平臺(tái)計(jì)費(fèi)策略曲線上描繪用戶消費(fèi)數(shù)據(jù)

所述計(jì)費(fèi)策略曲線表示按照系統(tǒng)設(shè)定好的計(jì)費(fèi)方式在坐標(biāo)系中展示出來(lái)的曲線；

所述消費(fèi)數(shù)據(jù)表示的是用戶最近n次的租借移動(dòng)電源時(shí)間t以及租借費(fèi)用y，以及用戶每次租借過(guò)程中進(jìn)入平臺(tái)查看消費(fèi)費(fèi)用的次數(shù)h；

s2：確定模型的輸入輸出數(shù)據(jù)，并對(duì)數(shù)據(jù)集進(jìn)行歸一化

模型的輸入包括：用戶最近n次租借移動(dòng)電源的時(shí)間ti、租借費(fèi)用fi，以及查看消費(fèi)費(fèi)用的次數(shù)hi，i＝1,2,…,n，因此輸入數(shù)據(jù)為：

輸出定義為人工經(jīng)驗(yàn)標(biāo)記的0或1；

所述數(shù)據(jù)歸一化具體處理方法如下：

其中xl是歸一化之前的輸入變量；xl'是歸一化后的變量；xmin是歸一化前輸入變量x′l的最小值，xmax是歸一化前輸入變量xl的最大值，其中l(wèi)＝1,2,…n。

s3：采用神經(jīng)網(wǎng)絡(luò)建立狂躁癥用戶判別模型

神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層和輸出層構(gòu)成；針對(duì)狂躁癥用戶類(lèi)型判別模型而言，其輸入層神經(jīng)元節(jié)點(diǎn)個(gè)數(shù)m＝60，輸出層神n＝2經(jīng)元數(shù)根據(jù)經(jīng)驗(yàn)公式來(lái)確定隱含層神經(jīng)元個(gè)數(shù)為5個(gè)，其中k為1～10的常數(shù)。輸入層到隱含層之間傳遞函數(shù)為tansig函數(shù)，隱含層到輸出層之間的函數(shù)為purelin函數(shù)，樣本訓(xùn)練時(shí)的迭代次數(shù)為100。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程中主要按照以下步驟進(jìn)行：

設(shè)置為輸入矢量為

訓(xùn)練樣本個(gè)數(shù)為m'，

為第g次迭代時(shí)輸入層i與隱含層h之間的權(quán)值矢量，whp(g)為第g次迭代時(shí)隱層h與輸出層p之間的權(quán)值矢量，yn(g)＝[yk1(g),yk2(g),…,ykp(g)](k＝1,2,…,m')為第g次迭代時(shí)網(wǎng)絡(luò)的實(shí)際輸出，dk＝[dk1,dk2,…,dkp](k＝1,2,…,m')為期望輸出；

建立狂躁癥用戶判別模型步驟如下：

s31：初始化權(quán)值，設(shè)迭代次數(shù)g的初值為0，分別賦給wih(0)、whp(0)一個(gè)(0,1)區(qū)間的隨機(jī)值；

s32：隨機(jī)輸入訓(xùn)練數(shù)據(jù)xl并對(duì)其進(jìn)行歸一化，得到xl'；

s33：對(duì)輸入樣本xl，前向計(jì)算神經(jīng)網(wǎng)絡(luò)每層神經(jīng)元的輸入信號(hào)和輸出信號(hào)；

s34：根據(jù)期望輸出dk和實(shí)際輸出yk(g)，計(jì)算誤差e(g)；

s35：判斷誤差e(g)是否滿足要求，如不滿足，則進(jìn)入步驟s26，如滿足，則進(jìn)入步驟s39；

s36：判斷迭代次數(shù)g+1是否大于最大迭代次數(shù)，如大于，則進(jìn)入步驟s39，否則，進(jìn)入步驟s37；

s37：對(duì)輸入樣本xl反向計(jì)算每層神經(jīng)元的局部梯度δ；

s38：計(jì)算權(quán)值修正量δw，并修正權(quán)值，計(jì)算公式為：式中，η為學(xué)習(xí)效率；令g＝g+1，跳轉(zhuǎn)至步驟s33；

s39：判斷是否完成所有的訓(xùn)練樣本，如果是，則完成建模，否則，繼續(xù)跳轉(zhuǎn)至步驟s32。

s4：根據(jù)用戶的消費(fèi)數(shù)據(jù)，判斷用戶類(lèi)型

所述判別用戶類(lèi)型包括：輸入用戶租借移動(dòng)電源時(shí)間以及租借費(fèi)用數(shù)據(jù)至判別模型中，模型自動(dòng)識(shí)別出用戶是狂躁癥用戶還是非狂躁癥用戶。

通過(guò)建立的模型，判別用戶類(lèi)型結(jié)果如圖3所示.

s5：服務(wù)器采用優(yōu)惠計(jì)費(fèi)策略，并向狂躁癥用戶發(fā)送提示信息

所述服務(wù)器采用優(yōu)惠計(jì)費(fèi)策略，并向狂躁癥用戶發(fā)送提示信息，包括移動(dòng)電源當(dāng)前已消費(fèi)費(fèi)用、下一階段的計(jì)費(fèi)方式以及提示狂躁癥用戶不用著急。

與方法相對(duì)應(yīng)，本發(fā)明還提供一種面向狂噪癥極致用戶體驗(yàn)的移動(dòng)電源租賃管理系統(tǒng)，包括

消費(fèi)數(shù)所獲取模塊：根據(jù)平臺(tái)計(jì)費(fèi)策略曲線獲取用戶最近n次的消費(fèi)數(shù)據(jù)，根據(jù)用戶租借移動(dòng)電源產(chǎn)生的費(fèi)用以及用戶查看費(fèi)用的次數(shù)h確定該用戶是否為狂噪陣用戶；

狂噪癥用戶判別模型建立模塊：采用神經(jīng)網(wǎng)絡(luò)建立狂躁癥用戶判別模型；

狂噪癥用戶判別模塊：根據(jù)用戶最近n次的消費(fèi)數(shù)據(jù)及狂躁癥用戶判別模型，判斷用戶類(lèi)型，包括狂噪癥和非狂噪陣；

提示信息發(fā)送模塊：若用戶的狂噪癥用戶，則向健忘癥用戶發(fā)送提示信息。

進(jìn)一步，所述采用神經(jīng)網(wǎng)絡(luò)建立狂噪癥用戶判別模型，包括確定狂噪癥用戶判別模型訓(xùn)練樣本，并對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理；其中樣本的輸入數(shù)據(jù)包括用戶最近n次的租借時(shí)間、租借費(fèi)用以及查看消費(fèi)費(fèi)用的次數(shù)，樣本的輸出數(shù)據(jù)為人工標(biāo)記的1或0。

所述神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，輸入層到隱含層之間的傳遞函數(shù)為tansig函數(shù)，隱含層到輸出層之間的傳遞函數(shù)為purelin函數(shù)。

所述提示信息包括移動(dòng)電源當(dāng)前已消費(fèi)費(fèi)用、下一階段的計(jì)費(fèi)方式以及提示狂噪陣用戶不用著急。

如上參照附圖以示例的方式描述了根據(jù)本發(fā)明的面向拖延癥用戶的移動(dòng)電源租賃方法及系統(tǒng)。但是，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，對(duì)于上述本發(fā)明所提出的面向拖延癥用戶的移動(dòng)電源租賃方法及系統(tǒng)，還可以在不脫離本發(fā)明內(nèi)容的基礎(chǔ)上做出各種改進(jìn)。因此，本發(fā)明的保護(hù)范圍應(yīng)當(dāng)由所附的權(quán)利要求書(shū)的內(nèi)容確定。