[發(fā)明專利]一種基于大數(shù)據(jù)的用戶軌跡智能精準(zhǔn)預(yù)測系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910010004.0
• 申請日: 2019-01-06
• 公開（公告）號: CN109784993B
• 公開（公告）日: 2020-04-14
• 發(fā)明（設(shè)計(jì)）人: 劉泳;柯捷杰
• 申請（專利權(quán)）人: 廣州銀漢科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62;G06F17/18
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于大數(shù)據(jù)的用戶軌跡智能精準(zhǔn)預(yù)測系統(tǒng)，其特征在于，所述系統(tǒng)包含：

所述數(shù)據(jù)采集模塊，用于從服務(wù)器采集用戶基礎(chǔ)屬性、行為軌跡數(shù)據(jù)；

特征標(biāo)簽?zāi)K，用于從用戶基礎(chǔ)屬性、行為軌跡數(shù)據(jù)中制定特征標(biāo)簽；

樣本分配模塊，用于使用隨機(jī)抽樣方法把樣本用戶數(shù)據(jù)分為訓(xùn)練集、測試集；

模型構(gòu)建模塊，用于通過邏輯回歸算法構(gòu)建用戶軌跡智能精準(zhǔn)預(yù)測模型，預(yù)測用戶軌跡信息；

模型驗(yàn)證模塊，用于使用測試集驗(yàn)證用戶軌跡智能精準(zhǔn)預(yù)測模型準(zhǔn)確率、召喚率的穩(wěn)定性；

模型識別模塊，用于使用用戶軌跡智能精準(zhǔn)預(yù)測模型預(yù)測未來一段時(shí)間內(nèi)潛在流失用戶；

所述用戶軌跡信息包括：用戶偏好，用戶訪問軌跡，用戶流失情況；

所述特征標(biāo)簽中包括基礎(chǔ)屬性標(biāo)簽和行為軌跡標(biāo)簽；所述特征標(biāo)簽還包括目標(biāo)標(biāo)簽；

所述特征標(biāo)簽?zāi)K還用于對已有基礎(chǔ)標(biāo)簽和行為軌跡標(biāo)簽進(jìn)行去異常，具體的：針對連續(xù)型標(biāo)簽，使用四分位數(shù)方法剔除異常值；針對離散型標(biāo)簽，選擇差異性較明顯的標(biāo)簽值添加為特征標(biāo)簽；

所述選擇差異性較明顯的標(biāo)簽值添加為特征標(biāo)簽，具體為：針對連續(xù)型標(biāo)簽，使用四分位數(shù)方法剔除異常值；針對離散型標(biāo)簽，統(tǒng)計(jì)各標(biāo)簽值對應(yīng)流失用戶與非流失用戶數(shù)據(jù)量是否具有差異性，選擇差異性較明顯的標(biāo)簽作為特征標(biāo)簽；

所述四分位數(shù)法剔除異常值，具體為：統(tǒng)計(jì)標(biāo)簽上四分位數(shù)Q1、下四分位數(shù)Q3，若標(biāo)簽值小于Q1-1.5*(Q3-Q1)或者標(biāo)簽值大于Q3+1.5*(Q3-Q1)，則判定為異常值，剔除所述異常值；

模型構(gòu)建模塊還用于：

基于所述訓(xùn)練集，使用特征標(biāo)簽?zāi)K制定的特征標(biāo)簽，作為邏輯回歸算法的輸入變量，構(gòu)建用戶軌跡智能精準(zhǔn)預(yù)測模型，同時(shí)統(tǒng)計(jì)模型評價(jià)指標(biāo)；

通過使用不同正則方式分別調(diào)試用戶軌跡智能精準(zhǔn)預(yù)測模型，統(tǒng)計(jì)其對應(yīng)的模型的模型評價(jià)指標(biāo)的變化，通過評價(jià)指標(biāo)的變化找出較優(yōu)的正則方式調(diào)試；并采用所述較優(yōu)正則方式調(diào)試的用戶軌跡智能精準(zhǔn)預(yù)測模型；

在經(jīng)過調(diào)試的用戶軌跡智能精準(zhǔn)預(yù)測模型的基礎(chǔ)上，反復(fù)調(diào)整用戶軌跡智能精準(zhǔn)預(yù)測模型的輸入特征標(biāo)簽，統(tǒng)計(jì)模型評價(jià)指標(biāo)，通過不斷調(diào)試，在預(yù)定調(diào)整次數(shù)內(nèi)找到最優(yōu)的模型特征標(biāo)簽組；

在確定最優(yōu)的模型特征標(biāo)簽組的基礎(chǔ)上，通過對比不同用戶軌跡智能精準(zhǔn)預(yù)測模型的評價(jià)指標(biāo)，選出所述評價(jià)指標(biāo)最優(yōu)的用戶軌跡智能精準(zhǔn)預(yù)測模型為最優(yōu)用戶軌跡智能精準(zhǔn)預(yù)測模型，得到目標(biāo)標(biāo)簽；

模型驗(yàn)證模塊還用于：

基于所述測試集，依照訓(xùn)練集類似的方法從特征標(biāo)簽?zāi)K中提取對應(yīng)特征標(biāo)簽，作為用戶軌跡智能精準(zhǔn)預(yù)測模型的輸入變量，獲取測試集對應(yīng)的評價(jià)指標(biāo)；

將所獲取的評價(jià)指標(biāo)與訓(xùn)練集相應(yīng)評價(jià)指標(biāo)進(jìn)行對比，若所有評價(jià)指標(biāo)的波動幅度均在一定范圍內(nèi)，則說明用戶軌跡智能精準(zhǔn)預(yù)測模型穩(wěn)定性符合預(yù)期；

模型識別模塊還用于：

基于數(shù)據(jù)采集模塊采集統(tǒng)計(jì)期之后的用戶數(shù)據(jù)，并選取預(yù)測用戶；

使用特征標(biāo)簽?zāi)K構(gòu)建特征標(biāo)簽；

依照和訓(xùn)練集類似的方法從特征標(biāo)簽?zāi)K中提取對應(yīng)特征標(biāo)簽，作為用戶軌跡智能精準(zhǔn)預(yù)測模型的輸入變量，并獲取目標(biāo)標(biāo)簽；目標(biāo)標(biāo)簽標(biāo)識預(yù)測用戶潛在流失標(biāo)簽以及流失概率；

判斷目標(biāo)標(biāo)簽中用戶流失值是否等于1以及流失概率是否大于設(shè)定閾值，若以上2個(gè)條件均滿足，則判定用戶為潛在流失用戶；

推送潛在流失用戶標(biāo)識及其流失概率。