摘要
本发明提供一种基于AI的用户用能画像分析方法及系统,通过结合模板用户用能行为数据和补充用能画像描述向量序列,对初始化的用户用能画像分析模型进行循环优化,不仅提高了用户用能行为分析的准确性,还实现了对目标用户用能行为的深度画像描述,并且通过计算目标用能画像描述向量与补充用能画像描述向量之间的特征距离,并选取最小距离对应的模板用能画像标签作为目标用户的标签,本发明能够高效且精准地识别并标注目标用户的用能行为特征。此外,在每个模型参数优化阶段,通过预测用能画像描述向量集合与补充用能画像描述向量集合之间的关联性来确定用能画像描述误差,并据此更新模型参数,进一步提升了模型的训练效率和泛化能力。
技术关键词
画像分析方法
模板
画像特征
数据
标签
序列
基础
策略
预测误差
统计特征
关系
语义特征
标准差特征
分析系统
融合特征
更新模型参数
周期性特征
系统为您推荐了相关专利信息
微波
频谱特征提取
骨料含水率
特征融合网络
卷积模块