[發明專利]對象預測方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202010837280.7
• 申請日: 2020-08-19
• 公開（公告）號: CN114077703A
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 朱翔宇;何從慶
• 申請（專利權）人: 京東科技控股股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/33
• 代理公司: 北京華夏泰和知識產權代理有限公司 11662
• 代理人: 王衛忠;劉蔓莉

1.一種對象預測方法，其特征在于，所述方法包括：

獲取在預設時間段內的用戶行為數據，所述用戶行為數據中包括待分析對象的對象信息；

提取所述用戶行為數據中的數據特征；

輸入所述數據特征至時間信息模型，得到所述待分析對象的第一預測結果；

輸入所述待分析對象的第一預測結果和所述數據特征至第一預測模型，得到所述待分析對象的第一預測概率；

輸入所述數據特征至第二預測模型，得到所述待分析對象的第二預測概率；

輸入所述待分析對象的第一預測概率和所述待分析對象的第二預測概率至邏輯回歸模型，輸出所述待分析對象的概率。

2.根據權利要求1所述的方法，其特征在于，若所述第二預測模型包含多個不同類型的子模型，所述輸入所述數據特征至第二預測模型，得到所述待分析對象的第二預測概率，包括：

將所述數據特征分別輸入至每個所述子模型中，得到每個所述子模型對應的所述待分析對象的參考概率；

對每個所述子模型對應的所述待分析對象的參考概率進行加權求和，得到所述待分析對象的第二預測概率。

3.根據權利要求2所述的方法，其特征在于，所述第二預測模型包括預測日子模型和全局數據子模型，所述待分析對象的參考概率包括第一參考子概率和第二參考子概率，所述將所述數據特征分別輸入至每個所述子模型中，得到每個所述子模型對應的所述待分析對象的參考概率，包括：

將所述數據特征輸入所述預測日子模型，得到所述第一參考子概率；

將所述數據特征輸入所述全局數據子模型，得到所述第二參考子概率。

4.根據權利要求3所述的方法，其特征在于，所述全局數據子模型包括第一全局數據單元和第二全局數據單元，所述將所述數據特征輸入所述全局數據子模型，得到所述第二參考子概率，包括：

將所述數據特征輸入所述第一全局數據單元，得到所述第一全局數據單元對應的子概率；

將所述數據特征輸入所述第二全局數據單元，得到所述第二全局數據單元對應的子概率；

對所述第一全局數據單元對應的子概率和所述第二全局數據單元的子概率加權求和，得到所述第二參考子概率。

5.根據權利要求4所述的方法，其特征在于，所述提取所述用戶行為數據中的數據特征，包括：

當所述用戶行為數據中包括預測日當天的預測日行為數據和所述預測日之前的歷史行為數據時，提取所述預測日行為數據的特征，得到預測日數據特征，提取所述歷史行為數據的特征，得到歷史數據特征，所述預測日數據特征和所述歷史數據特征組成所述數據特征；

當所述用戶行為數據中包含預測日之前的歷史行為數據時，提取所述歷史行為數據中的特征，得到歷史數據特征，將所述歷史數據特征作為所述數據特征。

6.根據權利要求5所述的方法，其特征在于，當所述用戶行為數據中包括預測日當天的預測日行為數據和所述預測日之前的歷史行為數據時，所述時間信息模型、所述第一全局數據單元、所述第二全局數據單元輸入的所述數據特征為所述歷史數據特征，所述預測日子模型和所述第一預測模型輸入的所述數據特征包括所述歷史數據特征和所述預測日數據特征。

7.根據權利要求1-6中任一項所述的方法，其特征在于，所述數據特征包括基礎特征集合、統計特征集合和交叉特征集合，所述方法還包括：

輸入所述基礎特征集合和所述交叉特征集合至第三全局數據模型，得到所述待分析對象的第三預測概率；

計算所述待分析對象的第三預測概率與所述待分析對象的概率的加權和，得到所述待分析對象的目標概率。

8.根據權利要求7所述的方法，其特征在于，所述方法還包括：

輸入所述基礎特征集合和所述統計特征集合至第四全局數據模型，得到所述待分析對象的第四預測概率；

計算所述待分析對象的第四預測概率與所述待分析對象的目標概率的加權和，得到所述待分析對象的加權概率。