[發(fā)明專利]用戶購(gòu)買(mǎi)行為預(yù)測(cè)模型的構(gòu)建方法、裝置及計(jì)算機(jī)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202210343871.8
• 申請(qǐng)日: 2022-04-02
• 公開(kāi)（公告）號(hào): CN114757695A
• 公開(kāi)（公告）日: 2022-07-15
• 發(fā)明（設(shè)計(jì)）人: 劉妍
• 申請(qǐng)（專利權(quán)）人: 大箴（杭州）科技有限公司
• 主分類(lèi)號(hào): G06Q30/02
• 分類(lèi)號(hào): G06Q30/02;G06K9/62;G06N20/00
• 代理公司: 北京中強(qiáng)智尚知識(shí)產(chǎn)權(quán)代理有限公司 11448
• 代理人: 呂夢(mèng)雪

1.一種用戶購(gòu)買(mǎi)行為預(yù)測(cè)模型的構(gòu)建方法，其特征在于，包括：

獲取與用戶購(gòu)買(mǎi)行為相關(guān)聯(lián)的訓(xùn)練樣本集和測(cè)試樣本集，其中，所述訓(xùn)練樣本集包括目標(biāo)場(chǎng)景的目標(biāo)域訓(xùn)練樣本集和歷史場(chǎng)景的源域訓(xùn)練樣本集；

確定所述訓(xùn)練樣本集中各個(gè)用戶的屬性特征向量對(duì)應(yīng)的初始權(quán)重，并基于所述初始權(quán)重和所述訓(xùn)練樣本集，構(gòu)建初始用戶購(gòu)買(mǎi)行為預(yù)測(cè)模型；

計(jì)算所述初始用戶購(gòu)買(mǎi)行為預(yù)測(cè)模型在所述測(cè)試樣本集上的錯(cuò)誤率，其中，所述目標(biāo)域訓(xùn)練樣本集與所述測(cè)試樣本集屬于同一分布，所述源域訓(xùn)練樣本集與所述測(cè)試樣本集屬于不同分布；

若所述錯(cuò)誤率不滿足預(yù)設(shè)要求，則通過(guò)更新所述初始權(quán)重，不斷對(duì)所述初始用戶行為購(gòu)買(mǎi)模型進(jìn)行迭代訓(xùn)練，直至任一迭代層級(jí)對(duì)應(yīng)的用戶購(gòu)買(mǎi)行為預(yù)測(cè)模型的錯(cuò)誤率滿足預(yù)設(shè)要求，將其作為所述目標(biāo)場(chǎng)景下的用戶購(gòu)買(mǎi)行為預(yù)測(cè)模型輸出。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取與用戶購(gòu)買(mǎi)行為相關(guān)聯(lián)的訓(xùn)練樣本集，包括：

分別收集所述歷史場(chǎng)景下各個(gè)用戶的基礎(chǔ)信息、行為信息、關(guān)聯(lián)信息和消費(fèi)信息，以及所述目標(biāo)場(chǎng)景下各個(gè)用戶的基礎(chǔ)信息、行為信息、關(guān)聯(lián)信息和消費(fèi)信息；

根據(jù)所述歷史場(chǎng)景下各個(gè)用戶的基礎(chǔ)信息、行為信息、關(guān)聯(lián)信息和消費(fèi)信息，以及所述目標(biāo)場(chǎng)景下各個(gè)用戶的基礎(chǔ)信息、行為信息、關(guān)聯(lián)信息和消費(fèi)信息，確定所述歷史場(chǎng)景和所述目標(biāo)場(chǎng)景分別對(duì)應(yīng)的各個(gè)屬性特征向量；

根據(jù)所述歷史場(chǎng)景下各個(gè)用戶的實(shí)際購(gòu)買(mǎi)行為和所述目標(biāo)場(chǎng)景下各個(gè)用戶的實(shí)際購(gòu)買(mǎi)行為，確定所述歷史場(chǎng)景和所述目標(biāo)場(chǎng)景分別對(duì)應(yīng)的各個(gè)屬性特征向量的標(biāo)簽；

根據(jù)所述歷史場(chǎng)景下的各個(gè)屬性特征向量及其對(duì)應(yīng)的標(biāo)簽，以及所述目標(biāo)場(chǎng)景下的各個(gè)屬性特征向量及其對(duì)應(yīng)的標(biāo)簽，分別確定所述源域訓(xùn)練樣本集和所述目標(biāo)域訓(xùn)練樣本集，其中，所述源域訓(xùn)練樣本集中屬性特征向量的數(shù)量大于所述目標(biāo)域訓(xùn)練樣本集中屬性特征向量的數(shù)量。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述歷史場(chǎng)景下各個(gè)用戶的基礎(chǔ)信息、行為信息、關(guān)聯(lián)信息和消費(fèi)信息，以及所述目標(biāo)場(chǎng)景下各個(gè)用戶的基礎(chǔ)信息、行為信息、關(guān)聯(lián)信息和消費(fèi)信息，確定所述歷史場(chǎng)景和所述目標(biāo)場(chǎng)景分別對(duì)應(yīng)的各個(gè)屬性特征向量，包括：

基于所述目標(biāo)場(chǎng)景所針對(duì)的人群特征，分別對(duì)所述歷史場(chǎng)景下各個(gè)用戶的基礎(chǔ)信息、行為信息、關(guān)聯(lián)信息和消費(fèi)信息，以及所述目標(biāo)場(chǎng)景下各個(gè)用戶的基礎(chǔ)信息、行為信息、關(guān)聯(lián)信息和消費(fèi)信息進(jìn)行信息維度篩選；

基于所述歷史場(chǎng)景下各個(gè)用戶篩選后的信息，以及所述目標(biāo)場(chǎng)景下各個(gè)用戶篩選后的信息，確定所述歷史場(chǎng)景和所述目標(biāo)場(chǎng)景分別對(duì)應(yīng)的各個(gè)屬性特征向量。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，獲取與用戶購(gòu)買(mǎi)行為相關(guān)聯(lián)的測(cè)試樣本集，包括：

從所述目標(biāo)場(chǎng)景對(duì)應(yīng)的各個(gè)屬性特征向量中抽取未進(jìn)行標(biāo)注的預(yù)設(shè)數(shù)量的屬性特征向量；

根據(jù)所述未進(jìn)行標(biāo)注的預(yù)設(shè)數(shù)量的屬性特征向量，確定所述測(cè)試樣本集。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計(jì)算所述初始用戶購(gòu)買(mǎi)行為預(yù)測(cè)模型在所述測(cè)試樣本集上的錯(cuò)誤率，包括：

將所述測(cè)試樣本集中各個(gè)屬性特征向量依次輸入至所述初始用戶購(gòu)買(mǎi)行為預(yù)測(cè)模型中進(jìn)行購(gòu)買(mǎi)行為預(yù)測(cè)，得到所述測(cè)試樣本集中各個(gè)屬性特征向量對(duì)應(yīng)的預(yù)測(cè)購(gòu)買(mǎi)行為；

對(duì)所述測(cè)試樣本集中各個(gè)屬性特征向量對(duì)應(yīng)的初始權(quán)重進(jìn)行歸一化處理，得到歸一化處理后的初始權(quán)重；

根據(jù)所述歸一化處理后的初始權(quán)重，以及所述測(cè)試樣本集中各個(gè)屬性特征向量對(duì)應(yīng)的預(yù)測(cè)購(gòu)買(mǎi)行為和實(shí)際購(gòu)買(mǎi)行為，計(jì)算所述初始用戶購(gòu)買(mǎi)行為預(yù)測(cè)模型的錯(cuò)誤率。