買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉新奧數(shù)能科技有限公司申請的專利新用戶負荷預測模型構(gòu)建方法、裝置、設(shè)備及存儲介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114117902B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-09發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202111375945.8，技術(shù)領(lǐng)域涉及：G06F30/27；該發(fā)明授權(quán)新用戶負荷預測模型構(gòu)建方法、裝置、設(shè)備及存儲介質(zhì)是由李冰;姜國強;趙鈞陶設(shè)計研發(fā)完成，并于2021-11-19向國家知識產(chǎn)權(quán)局提交的專利申請。

本新用戶負荷預測模型構(gòu)建方法、裝置、設(shè)備及存儲介質(zhì)在說明書摘要公布了：本公開涉及機器學習技術(shù)領(lǐng)域，提供了新用戶負荷預測模型構(gòu)建方法、裝置、設(shè)備及存儲介質(zhì)。該方法包括：獲取非新用戶中的典型用戶的樣本數(shù)據(jù)，其中，典型用戶與新用戶屬于同一行業(yè)類別；使用樣本數(shù)據(jù)對預設(shè)的非新用戶負荷預測模型進行訓練、測試，直至負荷預測模型滿足預設(shè)的收斂條件時，保存負荷預測模型的模型參數(shù)；使用模型參數(shù)構(gòu)建新用戶負荷預測模型。本公開能夠很好地解決因新用戶的歷史數(shù)據(jù)少，難以適用現(xiàn)有的基于深度神經(jīng)網(wǎng)絡(luò)的預測技術(shù)進行負荷預測，從而導致負荷預測結(jié)果的準確率較低的問題。

本發(fā)明授權(quán)新用戶負荷預測模型構(gòu)建方法、裝置、設(shè)備及存儲介質(zhì)在權(quán)利要求書中公布了：1.一種新用戶負荷預測模型構(gòu)建方法，其特征在于，包括： 獲取非新用戶中的典型用戶的樣本數(shù)據(jù)，其中，所述典型用戶與新用戶屬于同一行業(yè)類別； 使用所述樣本數(shù)據(jù)對預設(shè)的非新用戶負荷預測模型進行訓練、測試，直至所述負荷預測模型滿足預設(shè)的收斂條件時，保存所述負荷預測模型的模型參數(shù)； 使用所述模型參數(shù)構(gòu)建新用戶負荷預測模型； 獲取非新用戶中的典型用戶的樣本數(shù)據(jù)，包括： 從代理用戶中篩選出樣本數(shù)據(jù)量符合預設(shè)數(shù)據(jù)量范圍的M個非新用戶，對所述M個非新用戶進行分類，得到N個非新用戶集合，其中，每個所述非新用戶集合包括至少一個非新用戶，N≤M，N、M均為正整數(shù)； 獲取與所述新用戶屬于同一行業(yè)類別的非新用戶集合中的典型用戶的樣本數(shù)據(jù)； 獲取與所述新用戶屬于同一行業(yè)類別的非新用戶集合中的典型用戶的樣本數(shù)據(jù)，包括： 從所述N個非新用戶集合中篩選出與所述新用戶屬于同一行業(yè)類別的同類典型非新用戶集合； 計算所述同類典型非新集合中的每個非新用戶與所述同類典型非新集合的聚類中心點之間的距離值； 將與所述聚類中心點的距離值最小的非新用戶確定為所述同類典型非新集合的典型用戶，并獲取所述典型用戶的樣本數(shù)據(jù)。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人新奧數(shù)能科技有限公司，其通訊地址為：100102 北京市朝陽區(qū)望京東路1號10層；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。