一种基于BiLSTM网络的用户行为预测方法及系统

本发明公开了一种基于BiLSTM网络的用户行为预测方法及系统，涉及深度学习技术领域。本发明利用改进的BiLSTM网络对用户行为进行预测，在训练BiLSTM网络之前，利用改进的饥饿游戏搜索算法对网络超参数进行优化，确定最优超参数组合，进而训练具有最优超参数组合的BiLSTM；训练过程中采用改进的焦点损失函数对输出的预测值与真实标签进行误差损失计算；其中，基于初始种群多样性不足以及过早收敛问题对饥饿游戏搜索算法进行了优化改进，使得具有最优超参数组合的BiLSTM在预测用户行为时优于其他已有模型；改进的焦点损失函数在稳定性和收敛性上具有明显优势。本发明在对用户复购行为预测时具有更好的应用意义。