面向拖延用户的移动电源租赁方法及系统与流程

本发明涉及通信技术领域，更为具体地涉及一种面向拖延用户的移动电源租赁方法及系统。

背景技术：

随着信息技术的快速发展，移动电子设备，特别是智能终端使得人们的生活方式发生了翻天覆地的变化。随着人们对移动电子设备的需求越来越多，移动电子设备也给人们的生活带来了不少的困惑，比如移动电子设备为了满足用户对娱乐、视频、互动的视觉需求，屏幕设计越来越大，大屏幕的发光需要消耗大量的电量，而伴随随着大屏幕的动态以及触控效果，同样也需要大量的电量支持。这就导致电子设备电池的续航能力不足，不能满足人们日益增长的生活需要。

虽然目前可以通过随身携带移动电源来为解决电子设备电池的续航能力不足的问题，但移动电源会占用一定的储物空间且具有一定的重量，这对于想轻装简行的用户来说，其依然具有不便之处。因此，移动电源的租赁服务应运而生。然而，由于现代人的生活节奏快、压力大，很多用户普遍存在拖延心理，如此则导致用户在租赁移动电源的过程中不能及时归还移动电源，从而降低了移动电源的流转效率。

技术实现要素：

鉴于上述问题，本发明的目的是提供一种面向拖延用户的移动电源租赁方法及系统，以解决拖延症用户不能及时归还移动电源导致的移动电源流转效率低的问题。

本发明提供的面向拖延用户的移动电源租赁方法，包括：

根据平台计费策略曲线获取用户最近n次的消费数据，消费数据包括用户最近n次租借移动电源的时间和与时间对应的租借费用；

建立基于神经网络的拖延症用户判别模型；在建立基于神经网络的拖延症用户判别模型的过程中，从所获取的用户最近n次的消费数据中，选取第一预设次数的消费数据，以及平台计费策略参数作为拖延症用户判别模型的训练数据，并对训练数据进行归一化处理，平台计费策略参数为m次阶梯收费时间和与收费时间对应的收费价格，n和m均为正整数；

将归一化后的训练数据作为神经网络的样本数据进行迭代训练；在进行迭代训练的过程中，若某次迭代的实际误差小于预设误差，或者迭代次数达到预设的迭代次数时，则一个训练数据完成迭代训练；当训练数据均完成迭代训练时，拖延症用户判别模型完成建立；

从用户最近n次的消费数据中获取拖延症用户判别模型的输入数据，根据输入数据和完成建立的拖延症用户判别模型判断用户是否为拖延症用户；其中，输入数据为用户最近n次的消费数据中的除第一预设次数的消费数据之外的消费数据；

若用户为拖延症用户则向用户发送提示信息。

另一方面，本发明提供一种面向拖延症用户的移动电源租赁系统，包括：

消费数据获取单元，用于根据平台计费策略曲线获取用户最近n次的消费数据，消费数据包括用户最近n次租借移动电源的时间和与时间对应的租借费用；

判别模型建立单元，用于建立基于神经网络的拖延症用户判别模型；在建立基于神经网络的拖延症用户判别模型的过程中，从消费数据获取单元所获取的用户最近n次的消费数据中，选取第一预设次数的消费数据，以及平台计费策略参数作为拖延症用户判别模型的训练数据，并对训练数据进行归一化处理，平台计费策略参数为m次阶梯收费时间和与收费时间对应的收费价格，n和m均为正整数；

将归一化后的训练数据作为神经网络的样本数据进行迭代训练；在进行迭代训练的过程中，若某次迭代的实际误差小于预设误差，或者迭代次数达到预设的迭代次数时，则一个训练数据完成迭代训练；当训练数据均完成迭代训练时，拖延症用户判别模型完成建立；

拖延症用户判断单元，用于从用户最近n次的消费数据中获取拖延症用户判别模型的输入数据，根据输入数据和判别模型建立单元所建立的拖延症用户判别模型判断用户是否为拖延症用户；其中，输入数据为用户最近n次的消费数据中的除第一预设次数的消费数据之外的消费数据；

提示信息发送单元，用于根据拖延症用户判断单元的判断结果向拖延症用户发送提示信息。

本发明提供的面向拖延症用户的移动电源租赁方法及系统，通过建立基于神经网络的拖延症用户判别模型，并将获取的用户最近n次的消费数据和平台计费策略参数进行归一化，然后将归一化后的数据作为基于神经网络的拖延症用户判别模型的样本数据进行迭代训练，以建立拖延症用户判别模型，最后根据建立的拖延症用户判别模型对用户是否为拖延症用户进行判断，以便于为拖延症用户发送信息提示，使拖延症用户获得良好的租赁体验，从而提高移动电源租赁流转效率。

附图说明

图1为根据本发明实施例的面向拖延症用户的移动电源租赁方法流程图；

图2为根据本发明实施例的面向拖延症用户的移动电源租赁系统的逻辑结构框图。

具体实施方式

以下将结合附图对本发明的具体实施例进行详细描述。

针对前述，现有的移动电源租赁方式因租赁用户的拖延症而导致的移动电源的流转效率低的问题，本发明通过建立基于神经网络的拖延症用户判别模型，并将获取的用户最近n次的消费数据和平台计费策略参数进行归一化，然后将归一化后的数据作为基于神经网络的拖延症用户判别模型的样本数据进行迭代训练，以建立拖延症用户判别模型，最后根据建立的拖延症用户判别模型对用户是否为拖延症用户进行判断，以便于为拖延症用户发送信息提示，使拖延症用户获得良好的租赁体验，从而提高移动电源租赁流转效率。

为详细说明本发明提供的面向拖延症用户的移动电源租赁方法，图1示出了根据本发明实施例的面向拖延症用户的移动电源租赁方法流程。

如图1所示，本发明提供的面向拖延症用户的移动电源租赁方法包括：

s110：根据平台计费策略曲线获取用户最近n次的消费数据，消费数据包括用户最近n次租借移动电源的时间和与时间对应的租借费用。

上述的平台计费策略曲线为根据预设的计费方式在坐标系中展示出来的曲线。

s120：建立基于神经网络的拖延症用户判别模型。

建立基于神经网络的拖延症用户判别模型的过程包括：

s121：从所获取的用户最近n次的消费数据中，选取第一预设次数的消费数据，以及平台计费策略参数作为拖延症用户判别模型的训练数据，并对训练数据进行归一化处理，平台计费策略参数为m次阶梯收费时间和与收费时间对应的收费价格，n和m均为正整数。

s122：将归一化后的训练数据作为神经网络的样本数据进行迭代训练；在进行迭代训练的过程中，若某次迭代的实际误差小于预设误差，或者迭代次数达到预设的迭代次数时，则一个训练数据完成迭代训练；当训练数据均完成迭代训练时，拖延症用户判别模型完成建立。

其中，神经网络包括输入层、隐藏层和输出层，在将归一化后的训练数据作为神经网络的样本数据进行迭代训练的过程中，在一次迭代过程中，对一个训练数据前向计算神经网络各层神经元的输入和输出，并根据神经网络的期望输出和实际输出计算神经网络本次迭代的实际误差；若本次迭代的实际误差小于预设误差，则完成此次迭代，进入下一个训练数据的迭代训练；否则，在当前迭代次数不大于预设迭代次数时，对本次进行迭代训练的训练数据反向计算神经网络各层神经元的局部梯度，并根据所计算的局部梯度计算权值修正量并修正权值；根据所修正的权值对本次进行迭代训练的训练数据前向计算神经网络各层神经元的输入和输出。

具体地，设获取了某一个用户最近100次的消费数据，选取其中50次的消费数据，以及平台计费策略参数作为拖延症用户判别模型的训练数据，并对上述训练数据进行归一化处理，则将用户其中50次租借移动电源的时间记为ti，与时间ti对应的租借费用为fi，i＝1,2,…,n，m次阶梯收费时间tj和与收费时间对应的收费价格为fj，j＝1,2,…,m，因此训练数据为：

将上述训练数据归一化至(0，1)区间，其具体归一化方式如下：

其中xl是归一化之前的训练数据；xl'是归一化后的训练数据；xmin是归一化前训练数据xl的最小值，xmax是归一化前训练数据xl的最大值，其中l＝1,2,…n+m。

在本发明的一个具体实施例中，将神经网络输入层神经元节点个数设为m＝2n+2m，输出层采用2个神经元节点，根据经验公式来确定隐含层神经元个数为5个，其中k为0～10的常数。设训练数据的个数为m'，训练数据的迭代次数为100，将第g次迭代时输入层i与隐含层h之间的权值矢量表示为：

将第g次迭代时隐藏层h与输出层p之间的权值矢量表示为：

将g次迭代时神经网络的实际输出表示为：yn(g)＝[yk1(g),yk2(g),…,ykp(g)](k＝1,2,…,m')，将第g次迭代时神经网络的期望输出表示为：dk＝[dk1,dk2,…,dkp](k＝1,2,…,m')；

那么神经网络的训练过程如下：

1、初始化权值，设迭代次数g的初值为0，分别赋给wih(0)、whp(0)一个(0,1)区间的随机值；

2、随机输入训练数据xl并对其进行归一化，得到xl'；

3、对训练数据xl'，前向计算神经网络每层神经元的输出和输出数据；

4、根据期望输出dk和实际输出yk(g)，计算本次迭代的实际误差e(g)；

5、判断本次迭代的实际误差是否小于预设误差，如果小于则进入步骤9，否则进入步骤6；

6、判断迭代次数g+1是否大于预设迭代次数，如大于，则进入步骤9，否则，进入步骤7；

7、对训练数据xl'反向计算每层神经元的局部梯度δ；

8、计算权值修正量δw，并修正权值，计算公式为：式中，η为学习效率；令g＝g+1，跳转至步骤3；

9、判断是否所有的训练数据均完成了训练，如果是，则完成拖延症用户判别模型的建立，否则，继续跳转至步骤2。

s130：从用户最近n次的消费数据中获取拖延症用户判别模型的输入数据，根据输入数据和完成建立的拖延症用户判别模型判断用户是否为拖延症用户；其中，输入数据为用户最近n次的消费数据中的除第一预设次数的消费数据之外的消费数据。

s140：若用户为拖延症用户则向用户发送提示信息。

其中，若用户被判断为拖延症用户，则采用预设的优惠计费方式对用户租赁移动电源的租赁费用进行计算；并且，向拖延症用户发送的提示信息包括：用户租赁移动电源当前已消费的费用、下一阶段的计费方式，以及提示用户尽快归还移动电源的信息。

与上述方法相对应，本发明提供一种面向拖延症用户的移动电源租赁系统，图2示出了根据本发明实施例的面向拖延症用户的移动电源租赁系统的逻辑结构。

如图2所示，本发明提供的面向拖延症用户的移动电源租赁系统200包括消费数据获取单元210、判别模型建立单元220、拖延症用户判断单元230和提示信息发送单元240。

其中，消费数据获取单元210用于根据平台计费策略曲线获取用户最近n次的消费数据，消费数据包括用户最近n次租借移动电源的时间和与时间对应的租借费用。

判别模型建立单元220用于建立基于神经网络的拖延症用户判别模型；在建立基于神经网络的拖延症用户判别模型的过程中，从消费数据获取单元210所获取的用户最近n次的消费数据中，选取第一预设次数的消费数据，以及平台计费策略参数作为拖延症用户判别模型的训练数据，并对训练数据进行归一化处理，平台计费策略参数为m次阶梯收费时间和与收费时间对应的收费价格，n和m均为正整数；将归一化后的训练数据作为神经网络的样本数据进行迭代训练；在进行迭代训练的过程中，若某次迭代的实际误差小于预设误差，或者迭代次数达到预设的迭代次数时，则一个训练数据完成迭代训练；当训练数据均完成迭代训练时，拖延症用户判别模型完成建立。

拖延症用户判断单元，用于从用户最近n次的消费数据中获取拖延症用户判别模型的输入数据，根据输入数据和判别模型建立单元220所建立的拖延症用户判别模型判断用户是否为拖延症用户；其中，输入数据为用户最近n次的消费数据中的除第一预设次数的消费数据之外的消费数据。

提示信息发送单元240用于根据拖延症用户判断单元230的判断结果向拖延症用户发送提示信息。

通过上述可知，本发明提供的面向拖延症用户的移动电源租赁方法能够对租赁用户是否为拖延症用户进行判断，以便于为拖延症用户发送提示信息，从而使拖延症用户获得良好的租赁体验，并且提高移动电源租赁流转效率。

如上参照附图以示例的方式描述了根据本发明的面向拖延症用户的移动电源租赁方法及系统。但是，本领域技术人员应当理解，对于上述本发明所提出的面向拖延症用户的移动电源租赁方法及系统，还可以在不脱离本发明内容的基础上做出各种改进。因此，本发明的保护范围应当由所附的权利要求书的内容确定。