[發明專利]用戶行為預測方法、裝置及電子設備

有效

• 申請號: 201710896690.7
• 申請日: 2017-09-28
• 公開（公告）號: CN107578294B
• 公開（公告）日: 2020-07-24
• 發明（設計）人: 彭曉茂;龔建
• 申請（專利權）人: 北京小度信息科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京智信四方知識產權代理有限公司 11519
• 代理人: 宋海龍;劉真

1.一種用戶行為預測方法，其特征在于，所述方法包括：

獲取用戶行為訓練數據集，其中，所述用戶行為訓練數據集包括預設歷史時間段內歷史用戶數據和歷史用戶特征數據；

對所述用戶行為訓練數據集進行訓練，得到用戶行為預測模型；

根據所述用戶行為預測模型對測試用戶進行預設業務行為預測；

其中，所述獲取用戶行為訓練數據集，包括：

獲取預設歷史時間段內歷史用戶數據，其中，所述歷史用戶數據包括預設業務歷史用戶數據、未發生預設業務用戶數據；

獲取歷史用戶特征數據；

關聯所述歷史用戶數據與歷史用戶特征數據，得到預設業務歷史用戶訓練數據和未發生預設業務用戶訓練數據，形成所述用戶行為訓練數據集；

其中，所述獲取歷史用戶特征數據，包括：

為所述歷史用戶數據設置類別標簽，形成類別向量；

獲取歷史用戶原始特征數據，形成特征向量，其中，所述歷史用戶原始特征數據包括多個特征值；

計算所述特征向量與所述類別向量之間的相關值；

確定所述相關值的絕對值大于預設相關閾值的特征向量隊列；

將所述特征向量隊列前預設數量的特征向量元素設置為歷史用戶特征數據。

2.根據權利要求1所述的方法，其特征在于，所述對所述用戶行為訓練數據集進行訓練，得到用戶行為預測模型，包括：

將所述預設業務歷史用戶訓練數據作為正樣本，將所述未發生預設業務用戶訓練數據作為負樣本進行訓練，得到所述用戶行為預測模型。

3.根據權利要求2所述的方法，其特征在于，所述對用戶行為訓練數據集進行訓練，得到用戶行為預測模型，包括：

獲取預設業務歷史用戶訓練數據和未發生預設業務用戶訓練數據；

對所述預設業務歷史用戶訓練數據和未發生預設業務用戶訓練數據進行數值化；

根據訓練數據類型和分類結果目標類型確定分類函數；

將數值化后的預設業務歷史用戶訓練數據作為正樣本，將數值化后的未發生預設業務用戶訓練數據作為負樣本，訓練確定所述分類函數的參數，得到所述用戶行為預測模型。

4.根據權利要求1所述的方法，其特征在于，所述根據所述用戶行為預測模型對測試用戶進行預設業務行為預測，包括：

獲取測試用戶特征數據；

將所述測試用戶特征數據輸入至所述用戶行為預測模型，得到對于測試用戶的行為預測結果。

5.根據權利要求4所述的方法，其特征在于，所述測試用戶為未發生預設業務行為用戶。

6.根據權利要求1所述的方法，其特征在于，所述獲取歷史用戶特征數據之后，所述方法還包括：

確定歷史用戶特征數據中的特征值是否為非數值特征值；

將所述非數值特征值轉換為數值特征值。

7.根據權利要求2所述的方法，其特征在于，所述方法還包括：

獲取正樣本與負樣本的數量比例絕對值；

當所述數量比例絕對值大于預設比例閾值時，對于數量大的樣本進行數量降采樣。

8.根據權利要求1所述的方法，其特征在于，還包括：

對于測試用戶的行為預測結果進行排序；

取序列中第一預設數量的測試用戶作為第一分組，執行第一預設措施；

取序列中第二預設數量的測試用戶作為第二分組，執行第二預設措施。

9.根據權利要求8所述的方法，其特征在于，還包括：

獲取執行了預設措施的測試用戶的行為反饋信息；

獲取所述測試用戶的特征數據；

關聯所述測試用戶的行為反饋信息與所述測試用戶的特征數據，作為訓練數據加入所述用戶行為訓練數據集。