[發明專利]目標數據預測方法、裝置、電子設備及計算機存儲介質

在審

• 申請號: 201811583663.5
• 申請日: 2018-12-24
• 公開（公告）號: CN109684549A
• 公開（公告）日: 2019-04-26
• 發明（設計）人: 姜谷雨
• 申請（專利權）人: 拉扎斯網絡科技（上海）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q10/04
• 代理公司: 北京智信四方知識產權代理有限公司 11519
• 代理人: 劉真

本公開實施例公開了一種目標數據預測方法、裝置、電子設備及計算機存儲介質，所述目標數據預測方法包括：獲取當前用戶的第一特征數據，并根據所述第一特征數據和用戶類別預測模型對于所述當前用戶的類別進行預測；根據所述當前用戶類別所包含的歷史用戶的特征數據對于所述第一特征數據進行特征填充，得到所述當前用戶的第二特征數據；根據所述第二特征數據對于所述目標數據進行預測。該技術方案能夠提高新用戶數據預測的準確性，為當前用戶提供與其喜好相匹配的推送信息，方便其查看或者選擇，從而提升用戶的使用體驗，提高交易轉化率。

技術領域

本公開涉及數據預測技術領域，具體涉及一種目標數據預測方法、裝置、電子設備及計算機存儲介質。

背景技術

隨著互聯網技術的發展，越來越多的商家或者服務提供商通過互聯網平臺來為用戶提供服務。為了提高服務質量、提升用戶的使用體驗，同時提高用戶操作的效率，很多平臺都在用戶使用服務時，向用戶推送與服務相關的信息，以方便其查看或者選擇，節省其搜索信息的時間?，F有技術中采用幾種方案為用戶推送信息：1、隨機推送，這種方案執行起來較為簡單，但所推送的信息往往與用戶喜好不相匹配，因此不僅達不到方便其查看或者選擇的目的，還會降低其使用體驗；2、基于預設規則推送，這種方案對于規則的依賴性強，難以覆蓋全部用戶，而且規則的調整和變動還會增加維護的難度；3、基于平臺發生交易的歷史用戶的特征數據訓練出信息選擇概率預測模型，然后向用戶推送預測得到的選擇概率較高的信息，該方案相比前兩種方案而言，推送效果較好，但由于信息選擇概率預測模型所使用的訓練數據是在平臺已經發生過交易的用戶數據，利用這些數據訓練得到的模型對老用戶的預測準確性較高，但對于還未發生過交易的新用戶預測準確性較低，交易轉化率較低。

發明內容

本公開實施例提供一種目標數據預測方法、裝置、電子設備及計算機存儲介質。

第一方面，本公開實施例中提供了一種目標數據預測方法。

具體的，所述目標數據預測方法，包括：

獲取當前用戶的第一特征數據；

根據所述第一特征數據和用戶類別預測模型預測所述當前用戶的類別；

根據所述當前用戶類別所包含的歷史用戶的特征數據對于所述第一特征數據進行特征填充，得到所述當前用戶的第二特征數據；

根據所述第二特征數據對于當前用戶的目標數據進行預測。

結合第一方面，本公開在第一方面的第一種實現方式中，所述根據所述當前用戶類別所包含的歷史用戶的特征數據對于所述第一特征數據進行特征填充，得到所述當前用戶的第二特征數據，包括：

確定所述第一特征數據中缺失數據的特征；

獲取歷史用戶數據對所述第一特征數據中缺失數據的特征進行填充。

結合第一方面和第一方面的第一種實現方式，本發明實施例在第一方面的第二種實現方式中，所述獲取歷史用戶數據對所述第一特征數據中缺失數據的特征進行填充，包括：

計算所述當前用戶類別所包含的歷史用戶的缺失數據的均值；

將得到的缺失數據均值加入所述第一特征數據中，得到所述當前用戶的第二特征數據。

結合第一方面、第一方面的第一種實現方式和第一方面的第二種實現方式，本發明實施例在第一方面的第三種實現方式中，所述獲取當前用戶的第一特征數據之前，還包括：

獲取預設歷史時間段內的歷史用戶的第一特征數據及其類別信息，并根據所述歷史用戶的第一特征數據和相應的類別信息訓練得到所述用戶類別預測模型。

結合第一方面、第一方面的第一種實現方式、第一方面的第二種實現方式和第一方面的第三種實現方式，本發明實施例在第一方面的第四種實現方式中，所述用戶類別預測模型為最大熵模型。