摘要
本发明涉及一种基于attent ion机制的智能营销成本预估方法,涉及数据挖掘技术领域,从数据库中获取过去180天内的所有订单数据,并对获取的数据进行预处理,提取司机特征、环境特征和活动特征,根据提取的特征,获取司机参与的活动矩阵和次日的完单量,并构建基于注意力机制的神经网络模型,将订单数据集划分为训练集、验证集和测试集,使用训练集对神经网络模型进行训练,选择目标司机群体,并提取当天特征信息,将其代入训练后的神经网络模型中,获得每个司机在次日的预期完单量,根据预期的完单量和活动规则计算每个司机应获得的奖励,将所有奖励累加以得出整个营销活动的预估成本。
技术关键词
attention机制
司机
活动特征
订单
注意力机制
神经网络模型构建
矩阵
数据挖掘技术
训练集
序列
样本
策略
定义
系统为您推荐了相关专利信息
智能监控方法
深度神经网络模型
识别视频序列
对象
模型更新
影像分割方法
颈动脉管腔
斑块
采样模块
多头注意力机制
有功功率
暂态稳定约束
预防控制方法
变量
前馈神经网络
功能预测方法
Softmax函数
数据
分类预测器
高维特征向量