基于神经网络的公共场所人流密度预测方法、系统及设备

专利主权项内容

1.基于神经网络的公共场所人流密度预测方法，其特征在于，该方法包括：通过互联网抓取多个主流点评平台在预设时间段内对某公共场所的评论数据，采用情感分析法对所述评论数据进行情感分析，得到情感倾向数据；获取预设时间段内某公共场所的基础数据，所述基础数据包括历史人流密度数据、历史天气数据、历史气温数据和历史节假日数据；处理并融合所述基础数据与情感倾向数据，得到融合数据；并将所述融合数据划分为训练集和测试集；构建基于LSTM的神经网络，并基于训练集对所述基于LSTM的神经网络进行训练，训练过程中采用改进梯度下降算法对所述基于LSTM的神经网络进行迭代更新；并将测试集输入训练好的基于LSTM的神经网络中，选择准确度最高的模型作为最优模型；采用所述最优模型，对待预测数据进行公共场所人流密度预测；所述评论数据包括对某公共场所的整体评论数据和对某公共场所所包含的商户评论数据；采用情感分析法对所述评论数据进行情感分析，得到情感倾向数据，包括：采用情感分析法对每条评论数据进行情感分析，得到每条评论的情感倾向为正向的置信度：针对某公共场所，日期d的第i条整体评论的置信度为针对某公共场所，日期d所包含的商户u的第j条评论的置信度为/>kk根据每条评论的情感倾向为正向的置信度，确定某公共场所在日期d的情感总体倾向为，/>其中，/>为整体评论数据的情感倾向，/>L表示整体评论数据/>的总条数；/>为所包含的商户评论数据的情感倾向，/>M表示所包含的商户评论数据/>的总条数；α为对某公共场所的整体评论数据的情感倾向权重，β为对某公共场所所包含的商户评论数据的情感倾向权重，α+β＝1且α＞β；k以情感总体倾向、整体评论数据的情感倾向、所包含的商户评论数据的情感倾向、整体评论置信度的中位数、整体评论置信度的标准差、所包含的商户评论置信度的中位数和所包含的商户评论置信度的标准差形成情感倾向数据。