[發明專利]資源流動預測方法以及裝置

在審

• 申請號: 202010065201.5
• 申請日: 2020-01-20
• 公開（公告）號: CN111275261A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 曾光
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/30;G06N7/00
• 代理公司: 北京智信禾專利代理有限公司 11637
• 代理人: 吳肖肖

1.一種資源流動預測方法，包括：

獲取用戶的歷史資源流動數據；

根據所述歷史資源流動數據中的流動時間數據以及流動頻率數據，預測所述用戶在第一目標周期內各時間段的資源流動概率；

基于所述資源流動概率對所述用戶進行聚類處理，獲得針對所述用戶的用戶聚類標簽；

按照所述用戶聚類標簽對所述歷史資源流動數據進行分類；

根據分類后的歷史資源流動數據進行資源流動預測，獲得所述用戶在第二目標周期內各時間段的資源流動值。

2.根據權利要求1所述的資源流動預測方法，所述根據所述歷史資源流動數據中的流動時間數據以及流動頻率數據，預測所述用戶在第一目標周期內各時間段的資源流動概率，包括：

在所述歷史資源流動數據中抽取所述流動時間數據以及所述流動頻率數據作為特征數據；

將所述特征數據輸入概率預測模型進行資源流動概率預測，獲得所述概率預測模型輸出的所述用戶在第一目標周期內各時間段的所述資源流動概率。

3.根據權利要求2所述的資源流動預測方法，所述基于所述資源流動概率對所述用戶進行聚類處理，獲得針對所述用戶的用戶聚類標簽，包括：

根據所述資源流動概率生成流動向量；

將所述流動向量輸入用戶聚類模型對所述用戶進行聚類，獲得所述用戶聚類模型輸出的針對所述用戶的用戶聚類標簽。

4.根據權利要求3所述的資源流動預測方法，所述將所述流動向量輸入用戶聚類模型對所述用戶進行聚類，獲得所述用戶聚類模型輸出的針對所述用戶的用戶聚類標簽子步驟執行之后，還包括：

在所述聚類處理獲得的各種聚類用戶中篩選出資源流動概率為空的聚類用戶作為目標聚類用戶；

將所述目標聚類用戶中在資源數據庫存在歷史流動時間數據或歷史流動值數據的用戶作為低活躍用戶進行聚類，生成低活躍用戶標簽，根據所述低活躍用戶標簽更新所述用戶聚類標簽；

將所述目標聚類用戶中不存在所述歷史流動時間數據或所述歷史流動值數據的用戶作為新用戶進行聚類，生成新用戶標簽，根據所述新用戶標簽更新所述用戶聚類標簽。

5.根據權利要求1所述的資源流動預測方法，所述根據分類后的歷史資源流動數據進行資源流動預測，獲得所述用戶在第二目標周期內各時間段的資源流動值，包括：

將分類后的歷史資源流動數據輸入資源測模型進行資源流動預測，獲得所述資源流動預測模型輸出的所述用戶在第二目標周期內各時間段的資源流動值。

6.根據權利要求1所述的資源流動預測方法，所述根據分類后的歷史資源流動數據進行資源流動預測，獲得所述用戶在第二目標周期內各時間段的資源流動值，包括：

分別將分類后的各類歷史資源流動數據輸入資源測模型進行資源流動預測，獲得所述資源測模型輸出的所述各個用戶聚類標簽對應的聚類用戶在所述第二目標周期內各時間段的分類資源流動值；

將各種聚類用戶的對應的分類資源流動值按照所述第二目標周期內各時間段進行匯總，獲得所述用戶在所述第二目標周期內各時間段的所述資源流動值。

7.根據權利要求1所述的資源流動預測方法，所述根據分類后的歷史資源流動數據進行資源流動預測，獲得所述用戶在第二目標周期內各時間段的資源流動值步驟執行之后，還包括：

根據所述用戶在第二目標周期內各時間段的實際資源流動值對所述資源流動值進行預測評估，獲得所述預測評估的評估結果。

8.根據權利要求2所述的資源流動預測方法，所述概率預測模型，通過如下方式進行訓練：

獲取所述用戶的歷史流動時間數據以及歷史流動頻率數據；

根據所述歷史流動時間數據以及所述歷史流動頻率數據建立訓練集；

采用梯度提升回歸樹算法建立初始概率預測模型；

根據所述訓練集中的訓練樣本對所述初始概率預測模型進行訓練，訓練完成后獲得所述概率預測模型。