[發明專利]用戶類型確定方法、裝置、設備及存儲介質

在審

• 申請號: 202110156085.2
• 申請日: 2021-02-04
• 公開（公告）號: CN112862527A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 李云飛;王建橋
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N20/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;黃健

1.一種用戶類型確定方法，其特征在于，所述方法包括：

確定位于目標時刻之前的多個不同時間段；

獲取所述多個不同時間段內用戶的屬性數據；

對各所述時間段內用戶的屬性數據進行分析處理，確定各所述時間段對應的用戶類型分析結果；

根據各所述時間段對應的用戶類型分析結果，確定所述用戶在所述目標時刻之后的用戶類型，所述用戶類型包括流失用戶類型和未流失用戶類型。

2.根據權利要求1所述的方法，其特征在于，所述對各所述時間段內用戶的屬性數據進行分析處理，確定各所述時間段對應的用戶類型分析結果，包括：

通過第一分析模型，對各所述時間段內用戶的屬性數據進行分析處理，得到各所述時間段對應的用戶類型分析結果；

所述根據各所述時間段對應的用戶類型分析結果，確定所述用戶在所述目標時刻之后的用戶類型，包括：

通過第二分析模型，對各所述時間段對應的用戶類型分析結果進行分析處理，得到所述用戶在所述目標時刻之后的用戶類型。

3.根據權利要求2所述的方法，其特征在于，所述第一分析模型為多個，所述通過第一分析模型，對各所述時間段內的用戶線上數據進行分析處理，得到各所述時間段對應的用戶類型分析結果，包括：

針對每個所述時間段，確定所述時間段對應的第一分析模型，不同時間段對應的第一分析模型的模型參數值不完全相同；

通過所述時間段對應的第一分析模型，對所述時間段內用戶的屬性數據進行分析處理，得到所述時間段對應的用戶類型分析結果。

4.根據權利要求3所述的方法，其特征在于，針對各所述時間段，所述時間段對應的第一分析模型為采用樣本時間段內的樣本數據訓練得到的，所述時間段的時長與所述樣本時間段的時長相同。

5.一種用戶類型分析模型的訓練方法，其特征在于，所述方法包括：

確定位于參考時刻之前的多個樣本時間段；

獲取所述多個樣本時間段內的樣本數據，所述樣本時間段內的樣本數據包括所述樣本時間段內用戶的屬性數據和用戶類型，所述用戶類型包括流失用戶類型和未流失用戶類型；

根據所述多個樣本時間段內用戶的屬性數據和用戶類型，對第一分析模型和第二分析模型進行訓練，其中，所述第一分析模型和所述第二分析模型用于用戶類型分析。

6.一種用戶類型確定裝置，其特征在于，所述裝置包括：

第一確定模塊，用于確定位于目標時刻之前的多個不同時間段；

獲取模塊，用于獲取所述多個不同時間段內用戶的屬性數據；

分析模塊，用于對各所述時間段內用戶的屬性數據進行分析處理，確定各所述時間段對應的用戶類型分析結果；

第二確定模塊，用于根據各所述時間段對應的用戶類型分析結果，確定所述用戶在所述目標時刻之后的用戶類型，所述用戶類型包括流失用戶類型和未流失用戶類型。

7.一種用戶類型分析模型的訓練裝置，其特征在于，所述裝置包括：

確定模塊，用于確定位于參考時刻之前的多個樣本時間段；

獲取模塊，用于獲取所述多個樣本時間段內的樣本數據，所述樣本時間段內的樣本數據包括所述樣本時間段內用戶的屬性數據和用戶類型，所述用戶類型包括流失用戶類型和未流失用戶類型；

訓練模塊，用于根據所述多個樣本時間段內用戶的屬性數據和用戶類型，對第一分析模型和第二分析模型進行訓練，其中，所述第一分析模型和所述第二分析模型用于用戶類型分析。

8.一種電子設備，其特征在于，包括：存儲器和處理器；

所述存儲器用于存儲程序指令；

所述處理器用于調用所述存儲器中的程序指令執行如權利要求1-5中任一項所述的方法。

9.一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上存儲有計算機程序；所述計算機程序被執行時，實現如權利要求1-5中任一項所述的方法。

10.一種計算機程序產品，其特征在于，包括計算機程序，所述計算機程序在被處理器執行時實現權利要求1-5中任一項所述方法的步驟。