本公开提供了一种基于用户分类和深度学习的服务需求动态预测方法及系统，所述方案首先基于k‑means算法对大规模的用户进行分类，基于每一类用户的服务使用数据进行服务需求，从而可以克服数据稀疏和冷启动问题；其次，本实施例构建了一种注意力机制增强的深度交互神经网络模型，并基于AMEDIN模型进行服务需求预测，其中，AMEDIN模型首先通过交互单元自适应地捕获不同场景和服务需求之间的交互关系，从而显式的建模不同场景对服务需求的影响；之后，合并场景特征、交互关系以及服务需求特征，基于注意力机制获取不同场景对服务需求的影响权重；最后，基于用户特征、加权的场景特征和服务需求特征训练AMEDIN模型，并基于训练好的AMEDIN模型实现情景感知的服务需求动态预测。 |
