[發明專利]數據處理方法及裝置、計算機可讀存儲介質、電子設備

有效

• 申請號: 201810962561.8
• 申請日: 2018-08-22
• 公開（公告）號: CN109218411B
• 公開（公告）日: 2022-10-18
• 發明（設計）人: 陳偉源
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: H04L67/55
• 分類號: H04L67/55;G06F9/54
• 代理公司: 深圳市聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

1.一種數據處理方法，其特征在于，包括：

獲取多個用戶樣本數據，所述用戶樣本數據包括消息推送條數和用戶訪問日志；

根據所述消息推送條數和所述用戶訪問日志獲得與所述消息推送條數對應的用戶回流率；

將所述消息推送條數和所述用戶回流率輸入至一回流率預測模型，以對所述回流率預測模型進行訓練；

獲取待分析數據，并將所述待分析數據輸入至所述回流率預測模型，以獲得一預測回流率；

將所述預測回流率與一預設回流率進行比較，并根據比較結果確定目標推送條數。

2.根據權利要求1所述的數據處理方法，其特征在于，所述用戶訪問日志包括用戶點擊行為，且所述用戶點擊行為隨所述消息推送條數的變化而變化。

3.根據權利要求2所述的數據處理方法，其特征在于，根據所述消息推送條數和所述用戶訪問日志獲得與所述消息推送條數對應的用戶回流率，包括：

根據所述用戶點擊行為判斷用戶是否為回流用戶；

計算所述消息推送條數對應的所述回流用戶的數量；

根據所述回流用戶的數量和總用戶量獲得所述用戶回流率。

4.根據權利要求1所述的數據處理方法，其特征在于，所述回流率預測模型為神經網絡模型，將所述消息推送條數和所述用戶回流率輸入至一回流率預測模型，以對所述回流率預測模型進行訓練，包括：

將所述消息推送條數作為輸入向量，所述用戶回流率作為輸出向量輸入所述神經網絡模型，以對所述神經網絡模型進行訓練。

5.根據權利要求4所述的數據處理方法，其特征在于，所述數據處理方法還包括：

獲取多個用戶的與所述消息推送條數對應的用戶回流率，所述用戶具有不同的屬性，且所述屬性包括年齡、性別、職業中的一個或多個；

將所述消息推送條數、所述屬性及與所述消息推送條數、所述屬性對應的所述用戶回流率輸入至所述神經網絡模型，以對所述神經網絡模型進行訓練。

6.根據權利要求1所述的數據處理方法，其特征在于，所述待分析數據包括一預設消息推送條數和用戶屬性，獲取待分析數據，并將所述待分析數據輸入至所述回流率預測模型，以獲得一預測回流率，包括：

將所述預設消息推送條數和所述用戶屬性輸入至所述回流率預測模型，以獲得所述預測回流率。

7.根據權利要求6所述的數據處理方法，其特征在于，將所述預測回流率與一預設回流率進行比較，并根據比較結果確定目標推送條數，包括：

判斷所述預測回流率與所述預設回流率的大小關系；

若所述預測回流率大于或等于所述預設回流率，則將所述預測回流率對應的所述預設消息推送條數作為所述目標推送條數。

8.一種數據處理裝置，其特征在于，包括：

數據獲取模塊，用于獲取多個用戶樣本數據，所述用戶樣本數據包括消息推送條數和用戶訪問日志；

第一計算模塊，用于根據所述消息推送條數和所述用戶訪問日志獲得與所述消息推送條數對應的用戶回流率；

模型訓練模塊，用于將所述消息推送條數和所述用戶回流率輸入至一回流率預測模型，以對所述回流率預測模型進行訓練；

模型預測模塊，用于獲取待分析數據，并將所述待分析數據輸入至所述回流率預測模型，以獲得一預測回流率；

第二計算模塊，用于將所述預測回流率與一預設回流率進行比較，并根據比較結果確定目標推送條數。

9.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現權利要求1-7任一項所述的數據處理方法。

10.一種電子設備，其特征在于，包括：

處理器；以及

存儲器，用于存儲所述處理器的可執行指令；

其中，所述處理器配置為經由執行所述可執行指令來執行權利要求1-7任一項所述的數據處理方法。