[發明專利]產品潛在用戶挖掘方法及裝置

有效

• 申請號: 201710686739.6
• 申請日: 2017-08-11
• 公開（公告）號: CN107657267B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 王婷婷;李明明
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q30/02
• 代理公司: 北京志霖恒遠知識產權代理事務所(普通合伙) 11435
• 代理人: 陳姍姍

1.一種產品潛在用戶挖掘方法，其特征在于，所述方法包括：

采集待預測用戶數據；

針對所述待預測用戶數據，利用基于機器學習算法預先建立的預測模型進行潛在用戶的預測；以及

輸出預測結果；

所述預測模型是通過下述步驟建立的：

生成訓練樣本和測試樣本；

從所述訓練樣本和測試樣本中分別抽取部分用戶樣本，采用隨機森林算法建立預測模型；

所述生成訓練樣本和測試樣本包括：

基于用戶的產品開通時間，選擇訓練數據集和測試數據集；

所述基于用戶的產品開通時間，選擇訓練數據集和測試數據集包括：

基于用戶的開通產品時間，選擇第一時間段內開通產品的用戶數據為訓練數據集，選擇第二時間段內開通產品的用戶數據為測試數據集；

其中，第一時間段的長度大于第二時間段的長度，且第一時間段的初始時間點晚于第二時間段的末端時間點。

2.根據權利要求1所述的方法，其特征在于，

打標分類所述訓練數據集和測試數據集用戶；

采集所述訓練數據集和測試數據集用戶的多維度特征，生成對應的特征指標；以及

整合所述訓練數據集和測試數據集用戶的打標分類結果及特征指標，對應生成訓練樣本和測試樣本。

3.根據權利要求2所述的方法，其特征在于，所述打標分類所述訓練數據集和測試數據集用戶，包括：

基于產品收益參數，將所述訓練數據集和測試數據集用戶打標分類為正樣本和負樣本。

4.根據權利要求2-3任一項所述的方法，其特征在于，所述從所述訓練樣本和測試樣本中分別抽取部分用戶樣本，采用隨機森林算法建立預測模型包括：

從所述訓練樣本和測試樣本中分別抽取部分用戶樣本，采用隨機森林算法建立初始預測模型；

基于袋外數據分類準確率計算所述特征指標的重要度，并按重要度降序排列，選取排名靠前的部分特征指標作為重要特征指標，其余作為非重要特征指標，其中，所述袋外數據為訓練樣本和測試樣本中未被抽取的用戶樣本；

刪除所述訓練樣本和測試樣本的非重要特征指標，沉淀所述訓練樣本和測試樣本的重要指標特征；以及

使用所述沉淀后的訓練樣本和測試樣本，重新采用隨機森林算法建立預測模型。

5.根據權利要求1-3任一項所述的方法，其特征在于，所述待預測用戶包括：

未曾開通過產品的在線用戶。

6.一種產品潛在用戶挖掘裝置，其特征在于，所述裝置包括：

數據采集單元，用于采集待預測用戶數據；

預測單元，用于針對所述待預測用戶數據，利用基于機器學習算法預先建立的預測模型進行潛在用戶的預測；以及

輸出單元，用于輸出預測結果；

所述預測模型是通過下述裝置建立的：

樣本生成單元，用于生成訓練樣本和測試樣本；所述生成訓練樣本和測試樣本包括：基于用戶的產品開通時間，選擇訓練數據集和測試數據集；

算法單元，用于從所述訓練樣本和測試樣本中分別抽取部分用戶樣本，采用隨機森林算法建立預測模型；

數據集選擇單元，用于：

基于用戶的開通產品時間，選擇第一時間段內開通產品的用戶數據為訓練數據集，選擇第二時間段內開通產品的用戶數據為測試數據集；

其中，第一時間段的長度大于第二時間段的長度，且第一時間段的初始時間點晚于第二時間段的末端時間點。

7.根據權利要求6所述的裝置，其特征在于，所述樣本生成單元包括：

數據集選擇單元，用于基于用戶的產品開通時間，選擇訓練數據集和測試數據集；

打標分類單元，用于打標分類所述訓練數據集和測試數據集用戶；

特征采集單元，用于采集所述訓練數據集和測試數據集用戶的多維度特征，生成對應的特征指標；以及

整合單元，用于整合所述訓練數據集和測試數據集用戶的打標分類結果及特征指標，對應生成訓練樣本和測試樣本。