摘要
本发明公开了一种基于多模态因果推理的用户需求预测方法及系统,其中方法包括对多模态数据集进行潜在因果关系提取,得到因果效应数据;基于因果效应数据构建初始长期需求预测模型;根据多模态数据集对初始长期需求预测模型进行训练以得到长期需求预测模型,并在训练过程中基于SHAP值法分解各用户行为变量对需求强度的贡献度,得到因果关系权重;基于因果关系权重构建基于因果卷积网络的初始短期需求预测模型,将历史短期用户行为序列输入初始短期需求预测模型进行训练,得到短期需求预测模型;根据短期需求预测模型和长期需求预测模型对用户需求进行实时预测。本发明的方法,实现了用户需求精准预测。
技术关键词
需求预测模型
多模态
需求预测方法
需求预测系统
云系统
数据
地理位置信息
变量
关系网络
效应
地理信息系统
强度
模块
指数
算法
序列
页面
热点
策略
系统为您推荐了相关专利信息
法律知识图谱
协同系统
数据采集单元
子模块
层级
图像生成方法
多模态特征
计算机程序产品
特征提取网络
电子设备
感应电源系统
混合优化算法
光纤布拉格光栅阵列
数字孪生体
罗氏线圈传感器
数字孪生模型
煤矿灾害
设备运行数据
环境监测数据
多模态
故障检测方法
金具
工频电磁场
多模态传感器系统
输电线路智能巡检