[發明專利]用戶留資預測訓練方法、裝置及計算機可讀存儲介質

在審

• 申請號: 202210959399.0
• 申請日: 2022-08-10
• 公開（公告）號: CN115330447A
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 單菲
• 申請（專利權）人: 阿維塔科技（重慶）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 逯長明;溫瑞鑫

1.一種用戶留資預測訓練方法，其特征在于，所述方法包括：

獲取用戶預測特征；其中，所述用戶預測特征包括公域數據中的用戶特征和私域數據中的用戶特征；

所述用戶預測特征通過預設篩選規則，確定與留資預測相關的待訓練特征；

通過包含所述待訓練特征的訓練樣本進行訓練，得到目標留資預測模型。

2.根據權利要求1所述的用戶留資預測訓練方法，其特征在于，所述通過包含所述待訓練特征的訓練樣本進行訓練，得到目標留資預測模型，進一步包括：

基于包含所述待訓練特征的訓練樣本，訓練至少兩個留資預測模型；

獲取至少兩個所述留資預測模型輸出的留資預測準確率和混合矩陣指標；

根據所述留資預測準確率和所述混合矩陣指標，確定至少兩個所述留資預測模型中適用于留資預測的最優留資預測模型作為目標留資預測模型。

3.根據權利要求2所述的用戶留資預測訓練方法，其特征在于，所述確定至少兩個所述留資預測模型中適用于留資預測的最優留資預測模型作為目標留資預測模型，進一步包括：

迭代所述訓練樣本中的待訓練特征；

當所述目標留資預測模型輸出的留資預測準確率高于第一預設值時，將所述訓練樣本中的待訓練特征作為留資預測特征。

4.根據權利要求1所述的用戶留資預測訓練方法，其特征在于，所述通過包含所述待訓練特征的訓練樣本進行訓練，得到目標留資預測模型之后，所述方法進一步包括：

針對第一組用戶和第二組用戶進行推廣，確定所述第一組用戶的留資轉化率和所述第二組用戶的留資轉化率；其中，第一組用戶是已推廣用戶中通過所述目標留資預測模型預測后留資預測值高于第二預設值的第一數量的用戶，所述第二組用戶是已推廣用戶中隨機選取的第一數量的用戶。

5.根據權利要求4所述的用戶留資預測訓練方法，其特征在于，所述針對第一組用戶和第二組用戶推廣，確定所述第一組用戶的留資轉化率和所述第二組用戶的留資轉化率之后，所述方法進一步包括：

若所述第一組用戶的留資轉化率高于所述第二組用戶的留資轉化率，或所述第一組用戶的留資轉化率高于第三預設值，則將所述目標留資預測模型作為最終應用留資預測模型。

6.根據權利要求4所述的用戶留資預測訓練方法，其特征在于，所述針對第一組用戶和第二組用戶推廣，確定所述第一組用戶的留資轉化率和所述第二組用戶的留資轉化率之后，所述方法進一步包括：

若所述第一組用戶的留資轉化率低于等于所述第二組用戶的留資轉化率，或所述第一組用戶的留資轉化率低于等于第三預設值，則將所述目標留資預測模型作通過所述待訓練特征進行優化。

7.根據權利要求1所述的用戶留資預測訓練方法，其特征在于，所述預設篩選規則為卡方檢驗，所述用戶預測特征通過預設篩選規則，確定與留資預測相關的待訓練特征，進一步包括：

獲得所述用戶預測特征的統計值和所述統計值的自由度；

根據所述統計值、所述自由度和皮爾森相關系數線性相關性，確定與留資預測相關的待訓練特征。

8.一種用戶留資預測裝置，其特征在于，所述裝置包括：

獲取模塊，獲取用戶預測特征；其中，所述用戶預測特征包括公域數據中的用戶特征和私域數據中的用戶特征；

檢驗模塊，用于將所述用戶預測特征通過預設篩選規則，確定與留資預測相關的待訓練特征；

模型模塊，用于通過包含所述待訓練特征的訓練樣本進行訓練，得到目標留資預測模型。

9.根據權利要求8所述的用戶留資預測裝置，其特征在于，所述用戶留資預測裝置還包括：

驗證模塊，用于針對第一組用戶和第二組用戶進行推廣，確定所述第一組用戶的留資轉化率和所述第二組用戶的留資轉化率；其中，第一組用戶是已推廣用戶中通過所述目標留資預測模型預測后留資預測值高于第二預設值的第一數量的用戶，所述第二組用戶是已推廣用戶中隨機選取的第一數量的用戶。

10.一種計算機可讀存儲介質，其特征在于，所述存儲介質中存儲有至少一可執行指令，所述可執行指令在用戶留資預測設備上運行時，使得用戶留資預測設備執行如權利要求1-7任意一項所述的用戶留資預測訓練方法的操作。