[發明專利]一種目標操作預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010469618.8
• 申請日: 2020-05-28
• 公開（公告）號: CN113743636A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 李瀟湘;孔東營;司先波
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F16/9535;G06N20/00
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 柴燕梅

1.一種目標操作預測方法，其特征在于，包括：

獲取待預測賬戶的操作意向特征數據，所述操作意向特征數據包括表征賬戶對目標操作的偏好程度的特征數據，所述目標操作包括賬戶瀏覽推送對象后進行的操作；

通過各歷史賬戶的操作意向特征數據和由各歷史賬戶瀏覽推送對象的時長數據確定的目標操作結果的第一關聯度，估計所述待預測賬戶的操作意向特征數據與目標操作結果的第二關聯度；以及將估計的第二關聯度轉換為所述待預測賬戶進行所述目標操作的操作意向概率值，其中所述目標操作結果包括是否進行目標操作的結果。

2.如權利要求1所述的方法，其特征在于，所述通過各歷史賬戶的操作意向特征數據和由各歷史賬戶瀏覽推送對象的時長數據確定的目標操作結果的第一關聯度，估計所述待預測賬戶的操作意向特征數據與目標操作結果的第二關聯度；以及將估計的第二關聯度轉換為所述待預測賬戶進行所述目標操作的操作意向概率值的步驟，包括：

采用已訓練的操作意向預估模型，輸入所述待預測賬戶的操作意向特征數據，并獲得所述操作意向預估模型輸出的所述待預測賬戶進行所述目標操作的操作意向概率值，所述操作意向預估模型是基于機器學習方法，采用各歷史賬戶的操作意向特征數據和各歷史賬戶瀏覽推送對象的時長數據作為訓練樣本訓練得到的。

3.如權利要求2所述的方法，其特征在于，通過如下方式得到所述已訓練的操作意向預估模型：

提取各訓練樣本中歷史賬戶的操作意向特征數據以及歷史賬戶瀏覽推送對象的時長數據；

根據各訓練樣本中歷史賬戶瀏覽推送對象的時長數據，確定各訓練樣本對應的目標操作結果；

利用各訓練樣本中歷史賬戶的操作意向特征數據和對應的目標操作結果的映射關系，通過機器學習調整歷史訓練得到的操作意向預估模型或初始創建的操作意向預估模型，得到所述已訓練的操作意向預估模型。

4.如權利要求3所述的方法，其特征在于，所述根據各訓練樣本中歷史賬戶瀏覽推送對象的時長數據，確定各訓練樣本中歷史對象的目標操作結果的步驟，包括：

根據各訓練樣本中歷史賬戶瀏覽推送對象的時長數據，將歷史賬戶瀏覽推送對象的時長不小于設定時長閾值的訓練樣本對應的目標操作結果，確定為進行了所述目標操作的第一結果，以及

將歷史賬戶瀏覽推送對象的時長小于所述設定時長閾值的訓練樣本對應的目標操作結果，確定為未進行所述目標操作的第二結果。

5.如權利要求4所述的方法，其特征在于，還包括：

將沒有歷史賬戶瀏覽推送對象的時長數據的訓練樣本對應的目標操作結果，確定為未進行所述目標操作的第二結果。

6.如權利要求4所述的方法，其特征在于，所述設定時長閾值是根據第一設定數量的歷史對象瀏覽推送對象的時長數據和對應的真實的目標操作結果確定的。

7.如權利要求3所述的方法，其特征在于，還包括：

將當前時刻之前設定時長內的歷史瀏覽對象數據確定為所述訓練樣本；或

將當前時間之前第二設定數量的歷史瀏覽對象數據確定為所述訓練樣本。

8.一種目標操作預測裝置，其特征在于，包括：

意向特征獲取單元，被配置為執行獲取待預測賬戶的操作意向特征數據，所述操作意向特征數據包括表征賬戶對目標操作的偏好程度的特征數據，所述目標操作包括賬戶瀏覽推送對象后進行的操作；

目標操作預測單元，被配置為執行通過各歷史賬戶的操作意向特征數據和由各歷史賬戶瀏覽推送對象的時長數據確定的目標操作結果的第一關聯度，估計所述待預測賬戶的操作意向特征數據與目標操作結果的第二關聯度；以及將估計的第二關聯度轉換為所述待預測賬戶進行所述目標操作的操作意向概率值，其中所述目標操作結果包括是否進行目標操作的結果。

9.一種電子設備，其特征在于，包括處理器、用于存儲所述處理器可執行指令的存儲器；

其中，所述處理器被配置為執行權利要求1至7中任一項所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，當所述計算機指令在計算機上運行時，使得計算機執行權利要求1-7中任一項所述的方法。