| 面向在线客服系统的服务量预测算法 |
| |
| 引用本文： | 周子馨. 面向在线客服系统的服务量预测算法[J]. 计算机系统应用, 2020, 29(4): 137-143 |
| |
| 作者姓名： | 周子馨 |
| |
| 作者单位： | 河海大学 计算机与信息学院,南京 211100 |
| |
| 基金项目： | 国网江苏省电力有限公司科技项目（J2018020） |
| |
| 摘 要： | 在线客服系统的服务量受到多种因素影响，为提高系统的服务量预测精度，本文基于离散变异控制参数的自适应差分进化算法DMPSADE，提出了一种改进算法IDMPSADE，并将其与长短时记忆神经网络LSTM相结合建立了对服务量的预测模型IDMPSADE-LSTM.在IDMPSADE中，当子代种群测试函数寻优性能没有父代种群好时，对父代种群个体进行反向引导，跳出局部最优，提升搜索到全局最优能力.由于LSTM的神经元数量、迭代次数、学习率以及训练批次需要通过经验进行设置，具有较大的随机性，故利用IDMPSADE对这些参数进行寻优.IDMPSADE-LSTM将分析得到的气温、降水量作为影响因素结合服务量的时间特征对系统的服务量进行预测.文中实验结果表明，IDMPSADE-LSTM预测模型比一般的神经网络以及SARIMA-SVM混合预测模型的精确度要高.
|
| 关 键 词： | 在线客服系统服务量 时间序列预测 差分进化算法 长短时记忆神经网络 |
| 收稿时间： | 2019-08-22 |
| 修稿时间： | 2019-09-09 |
Service Volume Prediction Algorithm for Online Customer Service System |
| |
| ZHOU Zi-Xin. Service Volume Prediction Algorithm for Online Customer Service System[J]. Computer Systems& Applications, 2020, 29(4): 137-143 |
| |
| Authors: | ZHOU Zi-Xin |
| |
| Affiliation: | College of Computer and Information, Hohai University, Nanjing 211100, China |
| |
| Abstract: | |
| |
| Keywords: | service volume of online customer service system time series prediction differential evolution algorithm Long-Short Term Memory (LSTM) |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
