[發(fā)明專利]預(yù)測用戶群體宏觀狀態(tài)的方法和裝置

在審

• 申請?zhí)枺?/td>: 202110962759.8
• 申請日: 2021-08-20
• 公開（公告）號: CN113538069A
• 公開（公告）日: 2021-10-22
• 發(fā)明（設(shè)計(jì)）人: 潘晨;薛思喬;師曉明;馬琳濤;王世軍;詹姆士·張
• 申請（專利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 北京億騰知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 陳霽;周良玉

1.一種預(yù)測用戶群體的宏觀狀態(tài)的方法，包括：

基于多個(gè)用戶中各個(gè)用戶的事件序列，確定該用戶對應(yīng)的事件強(qiáng)度函數(shù)；

獲取所述多個(gè)用戶構(gòu)成的用戶群體的目標(biāo)宏觀量在第一時(shí)刻的第一期望值，所述目標(biāo)宏觀量依賴于各個(gè)用戶做出的事件；

根據(jù)各個(gè)用戶對應(yīng)的事件強(qiáng)度函數(shù)，以及用于表示該用戶對于所述目標(biāo)宏觀量的影響程度的幅度函數(shù)，確定第一中間函數(shù)；其中，各個(gè)用戶的幅度函數(shù)與所述目標(biāo)宏觀量的期望值成線性關(guān)系，所述線性關(guān)系的比例系數(shù)為第一系數(shù)；所述第一中間函數(shù)基于各個(gè)用戶的第一系數(shù)與事件強(qiáng)度函數(shù)的乘積之和而確定；

將所述第一時(shí)刻，第一期望值，以及所述第一時(shí)刻之后的第二時(shí)刻，代入期望值隨時(shí)間變化的第一關(guān)系式，從而確定所述目標(biāo)宏觀量在所述第二時(shí)刻的第二期望值；其中，所述第一關(guān)系式，依賴于所述第一中間函數(shù)隨時(shí)間的積分。

2.根據(jù)權(quán)利要求1所述的方法，其中，確定該用戶對應(yīng)的事件強(qiáng)度函數(shù)，包括：

基于該用戶的事件序列，提取該用戶的行為相關(guān)特征；

將所述行為相關(guān)特征輸入神經(jīng)網(wǎng)絡(luò)模型，得到該用戶對應(yīng)的強(qiáng)度函數(shù)中的參數(shù)值；

基于所述參數(shù)值和強(qiáng)度函數(shù)的預(yù)定形式，得到該用戶對應(yīng)的事件強(qiáng)度函數(shù)。

3.根據(jù)權(quán)利要求2所述的方法，其中，所述神經(jīng)網(wǎng)絡(luò)模型基于以下方式訓(xùn)練：

獲取多個(gè)樣本用戶的多個(gè)樣本事件序列；

將所述多個(gè)樣本事件序列對應(yīng)的行為相關(guān)特征輸入所述神經(jīng)網(wǎng)絡(luò)模型，得到各個(gè)樣本用戶對應(yīng)的假定強(qiáng)度函數(shù)；

基于所述假定強(qiáng)度函數(shù)，確定所述多個(gè)樣本用戶做出所述多個(gè)樣本事件序列的似然性；

以所述似然性最大化為目標(biāo)，訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)模型。

4.根據(jù)權(quán)利要求2所述的方法，其中，所述強(qiáng)度函數(shù)的預(yù)定形式依賴于擬合用戶行為的點(diǎn)過程，所述點(diǎn)過程選自以下之一：Hawkes過程，自校正點(diǎn)過程，自激點(diǎn)過程。

5.根據(jù)權(quán)利要求1所述的方法，其中，所述第一關(guān)系式包括，對所述第一期望值施加自然指數(shù)運(yùn)算所得的第一運(yùn)算項(xiàng)，其中所述自然指數(shù)運(yùn)算的底數(shù)為自然常數(shù)，指數(shù)為所述第一中間函數(shù)在第一時(shí)刻和第二時(shí)刻之間的取值的積分累積值。

6.根據(jù)權(quán)利要求1所述的方法，其中，所述線性關(guān)系還包括第二系數(shù)作為偏移量；所述方法還包括，基于各個(gè)用戶對應(yīng)的第二系數(shù)與事件強(qiáng)度函數(shù)的乘積之和，確定第二中間函數(shù)；所述第一關(guān)系式還依賴于所述第二中間函數(shù)。

7.根據(jù)權(quán)利要求6所述的方法，其中，所述第一關(guān)系式包括第一運(yùn)算項(xiàng)和第二運(yùn)算項(xiàng)，其中：

所述第一運(yùn)算項(xiàng)包括對所述第一期望值施加自然指數(shù)運(yùn)算，其中所述自然指數(shù)運(yùn)算的底數(shù)為自然常數(shù)，指數(shù)為所述第一中間函數(shù)在第一時(shí)刻和第二時(shí)刻之間的取值的積分累積值；

所述第二運(yùn)算項(xiàng)包括對第三中間函數(shù)在第一時(shí)刻和第二時(shí)刻之間的取值進(jìn)行積分累積；該第三中間函數(shù)為所述第二中間函數(shù)與第一中間函數(shù)的積分函數(shù)的疊加。

8.根據(jù)權(quán)利要求7所述的方法，其中，所述事件強(qiáng)度函數(shù)為隨時(shí)間指數(shù)衰減的形式；所述自然指數(shù)運(yùn)算中的指數(shù)，根據(jù)第一中間函數(shù)在所述第二時(shí)刻的取值確定；

所述第二運(yùn)算項(xiàng)的運(yùn)算結(jié)果，根據(jù)1減去所述自然指數(shù)運(yùn)算結(jié)果所得差值與第一比例系數(shù)的乘積確定，所述第一比例系數(shù)為所述第二中間函數(shù)與第一中間函數(shù)在第二時(shí)刻取值之比。

9.根據(jù)權(quán)利要求1所述的方法，其中，所述第一關(guān)系式通過求解平均場隨機(jī)微分方程而確定，所述平均場隨機(jī)微分方程表征，所述各個(gè)用戶的事件序列對應(yīng)的微觀點(diǎn)過程與所述目標(biāo)宏觀量之間的關(guān)聯(lián)，所述平均場隨機(jī)微分方程中包括所述幅度函數(shù)。