用户规模预测方法、装置及计算机设备制造方法及图纸

本发明专利技术涉及一种用户规模预测方法、装置、计算机设备及计算机可读存储介质。上述方法包括步骤：获取待预测的日期以及资源类型；根据所述资源类型选择对应的预先训练的用户规模预测模型；将所述待预测的日期输入所述用户规模预测模型，获取所述用户规模预测模型的输出结果，得到所述资源类型对应的所述待预测的日期的用户规模。本方法提高了预测用户规模的准确性，同时提高了预测效率，克服了传统的用户规模预测方法存在准确性低的缺陷。

User scale prediction method, device and computer equipment

The invention relates to a user scale prediction method, device, computer equipment and computer readable storage medium. The method comprises the following steps: obtaining the date to be predicted and the resource type; selecting the corresponding pre-trained user size prediction model according to the resource type; inputting the date to be predicted into the user size prediction model, obtaining the output result of the user size prediction model, and obtaining the resource type. The user scale corresponding to the predicted date. This method improves the accuracy of predicting user size, improves the prediction efficiency, and overcomes the defect of low accuracy of traditional user size prediction methods.

【技术实现步骤摘要】
用户规模预测方法、装置及计算机设备
本专利技术涉及计算机信息处理
，特别是涉及一种用户规模预测方法、装置、计算机设备及计算机可读存储介质。
技术介绍
企业运营管理中，对收入进行预测，是保证企业盈利和做出管理决策的重要保证。而对于用户规模的获取，是企业产品收入预测中的重要环节。目前的产品收入预测，通常是基于历史收入数据中的各项财务指标套用excel设定的规则计算一组数据，而这样计算出来的数据，对于购买产品的用户规模的预测，考虑的实际因素较少，比如节假日、活动促销等都会影响购买产品的用户规模，导致购买产品的用户规模的获取精度低，从而降低产品收入预测的准确性，以及增加企业的经营风险。综上，专利技术人采用上述套用excel规则的计算方法预测用户规模时，发现该传统的用户规模预测方法存在准确性低的技术问题。
技术实现思路
基于此，有必要针对传统的用户规模预测方法存在准确性低的技术问题，提供一种用户规模预测方法、装置、计算机设备及计算机可读存储介质。一种用户规模预测方法，包括以下步骤：获取待预测的日期以及资源类型；根据所述资源类型选择对应的预先训练的用户规模预测模型；将所述待预测的日期输入所述用户规模预测模型，获取所述用户规模预测模型的输出结果，得到所述资源类型对应的所述待预测的日期的用户规模。在其中一个实施例中，所述预先训练的用户规模预测模型，通过下述方法获得：获取预设的多个用户样本，各用户样本包括用户对应的数目、日期以及资源类型；用户样本中包括第一用户样本、第二用户样本和第三用户样本；根据多个第一用户样本，对用于第一用户预测的第一模型进行训练；根据多个第一用户样本和第二用户样本，对用于第二用户预测的第二模型进行训练；根据多个第二用户样本和第三用户样本，对用于第三用户预测的第三模型进行训练；根据同一资源类型对应的第一模型、第二模型和第三模型，得到各资源类型对应的用户规模预测模型。在其中一个实施例中，所述根据多个第一用户样本，对用于第一用户预测的第一模型进行训练的步骤，包括：将第一用户对应的日期输入待训练的第一模型，得到第一模型的输出结果；将所述输出结果与对应的第一用户的数目进行比较，得到第一判别误差；根据所述第一判别误差对所述第一模型的参数值进行修正，直到得到的第一判别误差小于或等于第一设定阈值为止；和/或，所述根据多个第一用户样本和多个第二用户样本，对用于第二用户预测的第二模型进行训练的步骤，包括：将第一用户对应的数目和日期输入待训练的第二模型，得到第二模型的输出结果；将所述输出结果与对应的第二用户的数目进行比较，得到第二判别误差；根据所述第二判别误差对所述第二模型的参数值进行修正，直到得到的第二判别误差小于或等于第二设定阈值为止；和/或，根据多个第二用户样本和第三用户样本，对用于第三用户预测的第三模型进行训练的步骤，包括：将第二用户对应的数目和日期输入待训练的第二模型，得到第二模型的输出结果；将所述输出结果与对应的第三用户的数目进行比较，得到第三判别误差；根据所述第三判别误差对所述第三模型的参数值进行修正，直到得到的第三判别误差小于或等于第三设定阈值为止。在其中一个实施例中，所述根据所述第一判别误差对所述第一模型的参数值进行修正的步骤之前，包括：判断所述第一用户对应的日期的标签；所述根据所述第一判别误差对所述第一模型的参数值进行修正的步骤，包括：若所述第一用户对应的日期的标签为第一标签，则根据所述第一判别误差和第一标签对应的权重，对所述第一模型的参数值进行修正；若所述第一用户对应的日期的标签为第二标签，则根据所述第一判别误差和第二标签对应的权重，对所述第一模型的参数值进行修正。在其中一个实施例中，所述根据同一资源类型对应的第一模型、第二模型和第三模型，得到各资源类型对应的用户规模预测模型的步骤之前，包括：对所述第一模型、第二模型以及第三模型的资源类型进行标记；所述根据同一资源类型对应的第一模型、第二模型和第三模型，得到各资源类型对应的用户规模预测模型的步骤，包括：根据第一模型、第二模型以及第三模型的资源类型的标记，从多个模型中筛选出同一资源类型标记的第一模型、第二模型和第三模型，由此得到各资源类型对应的用户规模预测模型。在其中一个实施例中，所述用户规模预测方法，还包括：根据预先获取的同一资源类型对应的每用户平均数值以及所述资源类型对应的所述待预测的日期的用户规模，得到所述资源类型对应的所述待预测的日期的总数值。在其中一个实施例中，所述用户规模预测方法，还包括：获取预设的各指标预测模型，将所述资源类型对应的所述待预测的日期的用户规模输入所述各指标预测模型，得到多个所述资源类型对应的所述待预测的日期的指标。一种用户规模预测装置，所述装置包括：获取模块，用于获取待预测的日期以及资源类型；选择模块，用于根据所述资源类型选择对应的预先训练的用户规模预测模型；用户规模预测模块，用于将所述待预测的日期输入所述用户规模预测模型，获取所述用户规模预测模型的输出结果，得到所述资源类型对应的所述待预测的日期的用户规模。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现上述所述用户规模预测方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现上述所述用户规模预测方法的步骤。上述用户规模预测方法、装置、计算机设备以及计算机可读存储介质，先获取待预测的日期以及资源类型；根据所述资源类型选择对应的预先训练的用户规模预测模型；最后将所述待预测的日期输入所述用户规模预测模型，获取所述用户规模预测模型的输出结果，得到所述资源类型对应的所述待预测的日期的用户规模。即将待预测的日期输入与所述资源类型对应的用户规模预测模型，由此得到所述资源类型对应的所述待预测的日期的用户规模，以此评估待预测的日期对应的用户数；根据用户规模与资源类型、日期的关系，综合考虑资源类型和日期的变动性，可以提高预测用户规模的准确性；同时根据训练好的用户规模预测模型，可以直接确定待预测的日期对应的用户规模，无需人工依赖传统的计算方法对用户规模进行计算评估，进一步提高了预测用户规模的准确性，同时提高了预测效率，克服了传统的用户规模预测方法存在准确性低的缺陷。附图说明图1为一个实施例的用户规模预测方法的应用环境图；图2为一个实施例的用户规模预测方法的示意性流程图；图3为一个实施例的用户规模预测模型构建方法的示意性流程图；图4为另一个实施例的用户规模预测方法的示意性流程图；图5为又一个实施例的用户规模预测方法的示意性流程图；图6为一个实施例的用户规模预测装置的示意性结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。在一个实施例中，本申请提供的用户规模预测方法，可以应用于如图1所示的应用环境中。其中，该计算机设备可以是终端，其内部结构图可以如图1所示，包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力，能够对设备的运行数据进行处理。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易本文档来自技高网...

【技术保护点】
1.一种用户规模预测方法，其特征在于，包括以下步骤：获取待预测的日期以及资源类型；根据所述资源类型选择对应的预先训练的用户规模预测模型；将所述待预测的日期输入所述用户规模预测模型，获取所述用户规模预测模型的输出结果，得到所述资源类型对应的所述待预测的日期的用户规模。

【技术特征摘要】
1.一种用户规模预测方法，其特征在于，包括以下步骤：获取待预测的日期以及资源类型；根据所述资源类型选择对应的预先训练的用户规模预测模型；将所述待预测的日期输入所述用户规模预测模型，获取所述用户规模预测模型的输出结果，得到所述资源类型对应的所述待预测的日期的用户规模。2.根据权利要求1所述的用户规模预测方法，其特征在于，所述预先训练的用户规模预测模型，通过下述方法获得：获取预设的多个用户样本，各用户样本包括用户对应的数目、日期以及资源类型；用户样本中包括第一用户样本、第二用户样本和第三用户样本；根据多个第一用户样本，对用于第一用户预测的第一模型进行训练；根据多个第一用户样本和第二用户样本，对用于第二用户预测的第二模型进行训练；根据多个第二用户样本和第三用户样本，对用于第三用户预测的第三模型进行训练；根据同一资源类型对应的第一模型、第二模型和第三模型，得到各资源类型对应的用户规模预测模型。3.根据权利要求2所述的用户规模预测方法，其特征在于，所述根据多个第一用户样本，对用于第一用户预测的第一模型进行训练的步骤，包括：将第一用户对应的日期输入待训练的第一模型，得到第一模型的输出结果；将所述输出结果与对应的第一用户的数目进行比较，得到第一判别误差；根据所述第一判别误差对所述第一模型的参数值进行修正，直到得到的第一判别误差小于或等于第一设定阈值为止；和/或，所述根据多个第一用户样本和多个第二用户样本，对用于第二用户预测的第二模型进行训练的步骤，包括：将第一用户对应的数目和日期输入待训练的第二模型，得到第二模型的输出结果；将所述输出结果与对应的第二用户的数目进行比较，得到第二判别误差；根据所述第二判别误差对所述第二模型的参数值进行修正，直到得到的第二判别误差小于或等于第二设定阈值为止；和/或，根据多个第二用户样本和第三用户样本，对用于第三用户预测的第三模型进行训练的步骤，包括：将第二用户对应的数目和日期输入待训练的第二模型，得到第二模型的输出结果；将所述输出结果与对应的第三用户的数目进行比较，得到第三判别误差；根据所述第三判别误差对所述第三模型的参数值进行修正，直到得到的第三判别误差小于或等于第三设定阈值为止。4.根据权利要求3所述的用户规模预测方法，其特征在于，所述根据所述第一判别误差对所述第一模型的参数值...

【专利技术属性】
技术研发人员：彭民，刘超，邓琛，徐芬，黄群发，
申请(专利权)人：世纪龙信息网络有限责任公司，
类型：发明
国别省市：广东,44