(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111598078.4 (22)申请日 2021.12.24 (71)申请人 中国电信股份有限公司 地址 100033 北京市西城区金融街31号 (72)发明人 陈子豪　许云龙　周阳　周唯骁　 赵锐　李政　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 李海波 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/30(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 预测用户申告方法及装置 (57)摘要 本公开实施例的预测用户申告 方法及装置， 利用稀疏参数的自搜索过程训练、 搜索、 融合多 种稀疏参数下的自编码器提取到的特征向量， 再 将特征向量拼接为目标向量。 之后， 将目标向量 输入预先训练好的预测神经网络中， 可以获得网 络设备下挂用户在将来的(例如未来一天)申告 发生量的预测结果。 增加搜索范围内的有效稀 疏 参数选择， 提取到更加丰富的数据特征， 从而提 高预测准确率。 权利要求书2页 说明书11页 附图3页 CN 114492931 A 2022.05.13 CN 114492931 A 1.一种预测用户申告方法， 其特 征在于， 包括： 获取待预测设备的接入层告警信息； 将所述接入层告警信 息输入预先训练好的数据预处理模型中， 获得各所述稀疏性自编 码器对应的特 征向量； 其中， 所述数据预处 理模型包括若干稀疏性自编码器； 将各所述稀疏性自编码器对应的特 征向量， 拼接为目标向量； 将所述目标向量输入预先训练好的预测神经网络， 获得所述待预测设备下挂用户在未 来一段时间内申告发生 量的预测结果。 2.如权利要求1所述的预测用户申告方法， 其特征在于， 所述数据 预处理模型的训练方 法包括： 确定训练样本数据； 其中， 所述训练样本数据包括训练用接入层告警信息； 配置所述数据 预处理模型的相关参数， 并将各所述稀疏性自编码器的当前稀疏参数设 置为初始化稀疏参数； 将所述训练样本数据， 依次输入所述若干稀疏性自编码器中进行训练迭代； 判断由所述数据预处 理模型是否在最大迭代次数阈值内收敛； 若是， 则确定所述数据预处 理模型训练完成； 若否， 则确定所述数据预处理模型中已经训练完成的稀疏性自编码器的总数； 在所述 总数等于所述数据预 处理模型中的稀疏性自编 码器总数时， 确定所述数据预处理模型训练 完成； 在所述总数小于所述数据预处理模型中的稀疏性自编码器总 数时， 将所述当前稀疏 参数加上递增 值作为新的稀疏参数， 对其余未训练完成的稀疏性自编码器进行训练迭代， 直至所述总数等于所述数据预处 理模型中的稀疏性自编码器总数。 3.如权利要求2所述的预测用户申告方法， 其特征在于， 将所述训练样本数据， 依次输 入所述若干稀疏性自编码器中进行训练迭代， 包括： 将所述训练样本数据， 输入当前稀疏性自编码器中进行当前次训练； 根据所述当前稀疏性自编码器的稀疏参数， 确定所述当前稀疏性自编码器的散度； 将所述散度带入损失函数， 确定所述损失函数的损失值； 判断所述损失值是否不大于所述损失函数的收敛阈值； 若是， 则确定所述当前稀疏性自编码器训练完成； 若否， 则对所述当前稀疏性自编码器进行下一次迭代， 直至所述损 失值不大于所述损 失函数的收敛阈值。 4.如权利要求3所述的预测用户申告方法， 其特征在于， 在所述当前稀疏性自编码器中 进行当前次训练时， 采用Adam优化器反向学习误差 。 5.如权利要求1 ‑4任一项所述的预测用户申告方法， 其特征在于， 所述将各所述稀疏性 自编码器对应的特 征向量， 拼接为目标向量， 包括： 所述将各所述稀疏性自编码器对应的特征向量， 按照所述若干稀疏性自编码器的排列 顺序拼接为目标向量。 6.如权利要求1 ‑4任一项所述的预测用户申告方法， 其特征在于， 所述预测结果为预测 数值。 7.如权利要求1 ‑4任一项所述的预测用户申告方法， 其特征在于， 所述预测神经网络包 括BiLSTM‑Attention神经网络 。权　利　要　求　书 1/2 页 2 CN 114492931 A 28.一种预测用户申告装置， 其特 征在于， 包括： 获取单元， 被配置为获取待预测设备对应的接入层告警信息； 特征向量确定单元， 被配置为将所述接入层告警信 息输入预先训练好的数据 预处理模 型中， 获得各所述稀疏性自编码器对应的特征向量； 其中， 所述数据预处理模型包括若干稀 疏性自编码器； 目标向量确定单元， 被配置为将各所述稀疏性自编码器对应的特征向量， 按照所述若 干稀疏性自编码器的排列顺序拼接为目标向量； 预测结果确定单元， 被配置为将所述目标向量输入预先训练好的预测神经网络， 获得 所述待预测设备 下挂用户在未来 一段时间内申告发生 量的预测结果。 9.一种计算机设备， 其特征在于， 包括： 存储器， 用于存储计算机程序； 处理器， 用于执 行所述计算机程序时实现如权利要求1 ‑7任一项所述的预测用户申告方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求1 ‑7任一项所述的预测用户申告方 法的步骤。权　利　要　求　书 2/2 页 3 CN 114492931 A 3