本发明专利技术提供一种老年人对智能产品使用意愿的预测方法、装置及设备，涉及机器学习技术领域，方法包括：获取老年人的基本信息；基本信息包括以下至少之一：年龄、性别、居住方式、文化程度、健康状况、居住地区、社区类型、居住年限、社区24小时服务热线或网上服务平台的使用信息、社区微信群或微信公众号的使用信息、社区开展老年人使用智能产品的教学信息、社区老年人智能产品的配备信息及社区老年人智能产品的使用信息；基于老年人的基本信息，通过预先设置的预测模型得到预测结果；预测模型用于基于老年人的基本信息，预测老年人使用智能产品的愿意程度，预测结果用于表征老年人使用智能产品的愿意程度。能产品的愿意程度。能产品的愿意程度。
【技术实现步骤摘要】
老年人对智能产品使用意愿的预测方法、装置及设备
[0001]本专利技术涉及机器学习
，尤其涉及一种老年人对智能产品使用意愿的预测方法、装置及设备。
技术介绍
[0002]面向老年人提供服务的产品和技术快速迭代，老年产品日益增多，但相对于总量庞大、异质性高的老年人需求来讲，仍难以满足老年人对美好生活的需要。
[0003]目前，老年人对智能产品使用意愿的预测问题亟待解决。
技术实现思路
[0004]本专利技术提供一种老年人对智能产品使用意愿的预测方法、装置及设备，用以解决现有技术中老年人对智能产品使用意愿的预测问题。
[0005]本专利技术提供一种老年人对智能产品使用意愿的预测方法，包括：获取老年人的基本信息；其中，所述基本信息包括以下至少之一：年龄、性别、居住方式、文化程度、健康状况、居住地区、社区类型、居住年限、社区24小时服务热线或网上服务平台的使用信息、社区微信群或微信公众号的使用信息、社区开展老年人使用智能产品的教学信息、社区老年人智能产品的配备信息及社区老年人智能产品的使用信息；基于所述老年人的基本信息，通过预先设置的预测模型得到预测结果；其中，所述预测模型用于基于所述老年人的基本信息，预测老年人使用智能产品的愿意程度，所述预测结果用于表征老年人使用智能产品的愿意程度。
[0006]根据本专利技术提供的一种老年人对智能产品使用意愿的预测方法，所述基于所述老年人的基本信息，通过预先设置的预测模型得到预测结果，包括：将所述老年人的基本信息转换为候选特征变量；采用预先设置的最小绝对收缩和选择Lasso方法，从所述候选特征变量中剔除无关的特征变量，得到关键特征变量；基于所述关键特征变量，通过所述预测模型得到所述预测结果。
[0007]根据本专利技术提供的一种老年人对智能产品使用意愿的预测方法，所述基于所述关键特征变量，通过所述预测模型得到所述预测结果，包括：采用预先设置的主成分分析PCA方法，将所述关键特征变量转换成去相关的目标变量；将所述目标变量输入至所述预测模型，得到所述预测模型输出的所述预测结果。
[0008]根据本专利技术提供的一种老年人对智能产品使用意愿的预测方法，在所述基于所述老年人的基本信息，通过预先设置的预测模型得到预测结果之前，所述方法还包括：初始化预先设置的候选模型的M组参数组合，M为大于1的整数；确定所述M组参数组合对应的初始适应度函数；基于所述初始适应度函数，对所述M组参数组合执行以下至少一项操作：选择操
作、交叉操作及变异操作；确定在执行操作满足第一条件的情况下M组参数组合的适应度函数，作为目标适应度函数；将目标函数为所述目标适应度函数的候选模型，作为所述预测模型；其中，所述第一条件包括以下至少一项：达到预设迭代次数；执行操作达到预设次数；参数组合的变化率小于预设阈值。
[0009]根据本专利技术提供的一种老年人对智能产品使用意愿的预测方法，所述交叉操作中的自适应交叉概率，采用公式（1）计算得到：其中，表征参数组合中第i个参数的交叉概率，表征当前迭代次数，表征最大迭代次数，表征第一阈值，表征第二阈值。
[0010]根据本专利技术提供的一种老年人对智能产品使用意愿的预测方法，所述变异操作中的自适应变异概率，采用公式（2）计算得到：其中，表征参数组合中第i个参数的变异概率，表征当前迭代次数，表征第三阈值，表征第四阈值。
[0011]根据本专利技术提供的一种老年人对智能产品使用意愿的预测方法，所述预测模型包括XGBoost模型。
[0012]本专利技术还提供一种老年人对智能产品使用意愿的预测装置，包括：获取模块，用于获取老年人的基本信息；其中，所述基本信息包括以下至少之一：年龄、性别、居住方式、文化程度、健康状况、居住地区、社区类型、居住年限、社区24小时服务热线或网上服务平台的使用信息、社区微信群或微信公众号的使用信息、社区开展老年人使用智能产品的教学信息、社区老年人智能产品的配备信息及社区老年人智能产品的使用信息；预测模块，用于基于所述老年人的基本信息，通过预先设置的预测模型得到预测结果；其中，所述预测模型用于基于所述老年人的基本信息，预测老年人使用智能产品的愿意程度，所述预测结果用于表征老年人使用智能产品的愿意程度。
[0013]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述老年人对智能产品使用意愿的预测方法。
[0014]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述老年人对智能产品使用意愿的预测方法。
[0015]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述老年人对智能产品使用意愿的预测方法。
[0016]本专利技术提供的老年人对智能产品使用意愿的预测方法、装置及设备，先获取老年人的基本信息，基本信息中包括老年人的年龄、性别及居住方式等基本情况以及对智能产
品的使用、教学等信息，基于老年人的基本信息，可以通过预先设置的预测模型，预测用于表征老年人使用智能产品的愿意程度的预测结果，以解决老年人对智能产品使用意愿的预测问题。
附图说明
[0017]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0018]图1是本专利技术提供的老年人对智能产品使用意愿的预测方法的流程示意图之一；图2是本专利技术提供的老年人对智能产品使用意愿的预测方法中获取老年人的基本信息的流程示意图；图3是本专利技术提供的自适应交叉概率的曲线变化示意图；图4是本专利技术提供的自适应变异概率的曲线变化示意图；图5是本专利技术提供的老年人对智能产品使用意愿的预测方法的流程示意图之二；图6是本专利技术提供的老年人对智能产品使用意愿的预测方法的流程示意图之三；图7是本专利技术提供的老年人对智能产品使用意愿的预测装置的结构示意图；图8是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0019]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]本专利技术实施例主要基于老年人对智能产品使用的现状，结合政策供给现状，探讨破解老年数字鸿沟、促进老年人智能产品使用的社会赋权机制的问题。
[0021]随着现代信息技术的突飞猛进以及“互联网+”计划的提出，智慧养老这一新兴业态，不仅为我国解决养老问题提供了技术支持，也将深刻改变我国的老龄服务业发展方式。近年来，随着人口老龄化加剧，我国高度重视医疗医保、民政养老本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种老年人对智能产品使用意愿的预测方法，其特征在于，包括：获取老年人的基本信息；其中，所述基本信息包括以下至少之一：年龄、性别、居住方式、文化程度、健康状况、居住地区、社区类型、居住年限、社区24小时服务热线或网上服务平台的使用信息、社区微信群或微信公众号的使用信息、社区开展老年人使用智能产品的教学信息、社区老年人智能产品的配备信息及社区老年人智能产品的使用信息；基于所述老年人的基本信息，通过预先设置的预测模型得到预测结果；其中，所述预测模型用于基于所述老年人的基本信息，预测老年人使用智能产品的愿意程度，所述预测结果用于表征老年人使用智能产品的愿意程度。2.根据权利要求1所述的老年人对智能产品使用意愿的预测方法，其特征在于，所述基于所述老年人的基本信息，通过预先设置的预测模型得到预测结果，包括：将所述老年人的基本信息转换为候选特征变量；采用预先设置的最小绝对收缩和选择Lasso方法，从所述候选特征变量中剔除无关的特征变量，得到关键特征变量；基于所述关键特征变量，通过所述预测模型得到所述预测结果。3.根据权利要求2所述的老年人对智能产品使用意愿的预测方法，其特征在于，所述基于所述关键特征变量，通过所述预测模型得到所述预测结果，包括：采用预先设置的主成分分析PCA方法，将所述关键特征变量转换成去相关的目标变量；将所述目标变量输入至所述预测模型，得到所述预测模型输出的所述预测结果。4.根据权利要求1所述的老年人对智能产品使用意愿的预测方法，其特征在于，在所述基于所述老年人的基本信息，通过预先设置的预测模型得到预测结果之前，所述方法还包括：初始化预先设置的候选模型的M组参数组合，M为大于1的整数；确定所述M组参数组合对应的初始适应度函数；基于所述初始适应度函数，对所述M组参数组合执行以下至少一项操作：选择操作、交叉操作及变异操作；确定在执行操作满足第一条件的情况下M组参数组合的适应度函数，作为目标适应度函数；将目标函数为所述目标适应度函数的候选模型，作为所述预测模型；其中，所述第一条件包括以下至少一项：达到预设迭代次数；...
【专利技术属性】
技术研发人员：陈功，李玥，张承蒙，张雅璐，刘岚，张蕾，郭超，索浩宇，康宁，
申请(专利权)人：北京大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。