一种用户意向预测方法、用户意向预测装置及终端设备制造方法及图纸

本申请适用于数据挖掘技术领域，提供了一种用户意向预测方法、用户意向预测装置及终端设备，所述方法包括：获取各个样本用户的行为信息；将所述各个样本用户的行为信息输入至待训练的回归模型得到对应的各个样本意向得分；根据所述各个样本意向得分从所述样本用户中筛选得到至少一个高分用户；获取所述至少一个高分用户的反馈信息；根据各个高分用户的反馈信息更新所述回归模型的得分权重得到已训练的回归模型；将预测用户的行为信息输入至所述已训练的回归模型得到所述预测用户的预测意向得分；将所述预测意向得分输出至预设的第一对象的关联客户端。通过上述方法，可以提高对用户意向预测的准确率。

【技术实现步骤摘要】
一种用户意向预测方法、用户意向预测装置及终端设备
本申请属于数据挖掘
，尤其涉及一种用户意向预测方法、用户意向预测装置、终端设备及计算机可读存储介质。
技术介绍
近年来，数据挖掘引起了信息产业界的极大关注。通过数据挖掘，可以从大量数据中获取到有用的信息。但是，目前的数据挖掘技术挖掘有用信息的准确率仍然不高，容易出现挖掘的信息并不实用的情况，给用户造成了一些经济损失。
技术实现思路
有鉴于此，本申请提供了一种用户意向预测方法、用户意向预测装置、终端设备及计算机可读存储介质，可以提高对用户意向预测的准确率。第一方面，本申请提供了一种用户意向预测方法，包括：获取各个样本用户的行为信息；将上述各个样本用户的行为信息输入至待训练的回归模型，得到对应的各个样本意向得分，其中，每一样本意向得分通过对应的样本用户的行为信息以及上述待训练的回归模型的得分权重计算得到；根据上述各个样本意向得分，从上述样本用户中筛选得到至少一个高分用户；获取上述至少一个高分用户的反馈信息；根据各个高分用户的反馈信息更新上述回归模型的得分权重，得到已训练的回归模型；将预测用户的行为信息输入至上述已训练的回归模型，得到上述预测用户的预测意向得分，其中，上述预测意向得分指示了上述预测用户的意向；将上述预测意向得分输出至预设的第一对象的关联客户端。第二方面，本申请提供了一种用户意向预测装置，包括：行为获取单元，用于获取各个样本用户的行为信息；样本得分单元，用于将上述各个样本用户的行为信息输入至待训练的回归模型，得到对应的各个样本意向得分，其中，每一样本意向得分通过对应的样本用户的行为信息以及上述待训练的回归模型的得分权重计算得到；高分筛选单元，用于根据上述各个样本意向得分，从上述样本用户中筛选得到至少一个高分用户；反馈获取单元，用于获取上述至少一个高分用户的反馈信息；更新权重单元，用于根据各个高分用户的反馈信息更新上述回归模型的得分权重，得到已训练的回归模型；预测得分单元，用于将预测用户的行为信息输入至上述已训练的回归模型，得到上述预测用户的预测意向得分，其中，上述预测意向得分指示了上述预测用户的意向；得分输出单元，用于将上述预测意向得分输出至预设的第一对象的关联客户端。第三方面，本申请提供了一种终端设备，包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现如上述第一方面所提供的方法。第四方面，本申请提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序被处理器执行时实现如第一方面所提供的方法。第五方面，本申请提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面所提供的方法。由上可见，本申请方案中首先获取各个样本用户的行为信息，将上述各个样本用户的行为信息输入至待训练的回归模型，得到对应的各个样本意向得分，其中，每一样本意向得分通过对应的样本用户的行为信息以及上述待训练的回归模型的得分权重计算得到，根据上述各个样本意向得分，从上述样本用户中筛选得到至少一个高分用户；然后获取上述至少一个高分用户的反馈信息，根据各个高分用户的反馈信息更新上述回归模型的得分权重，得到已训练的回归模型，将预测用户的行为信息输入至上述已训练的回归模型，得到上述预测用户的预测意向得分，其中，上述预测意向得分指示了上述预测用户的意向；最后将上述预测意向得分输出至预设的第一对象的关联客户端。通过本申请方案，在获取到大量用户的行为信息后，可以使用这些行为信息更新回归模型的得分权重，使更新后的回归模型能更加准确地预测用户的意向。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的用户意向预测方法的流程示意图；图2是本申请实施例提供的用户意向预测装置的结构示意图；图3是本申请实施例提供的终端设备的结构示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。图1示出了本申请实施例提供的一种用户意向预测方法的流程图，详述如下：步骤101，获取各个样本用户的行为信息；在本申请实施例中，上述样本用户的行为信息为上述样本用户的互联网线上行为信息。上述互联网线上行为信息通过上述样本用户访问互联网上特定的线上资源产生，上述线上资源可以是门户网站上的资源，也可以是指定应用程序，例如微信小程序上的资源。当有样本用户访问线上资源时，就可以获取到该样本用户的行为信息。例如，有某个房地产楼盘微信小程序上存在线上资源，该线上资源包括微沙盘、户型图、实景图片等，当有样本用户访问实景图片和户型图时，则获取到的该样本用户的行为信息为访问实景图片和访问户型图。需要说明的是，在回归模型的训练过程中，任何本文档来自技高网...

【技术保护点】
1.一种用户意向预测方法，其特征在于，包括：/n获取各个样本用户的行为信息；/n将所述各个样本用户的行为信息输入至待训练的回归模型，得到对应的各个样本意向得分，其中，每一样本意向得分通过对应的样本用户的行为信息以及所述待训练的回归模型的得分权重计算得到；/n根据所述各个样本意向得分，从所述样本用户中筛选得到至少一个高分用户；/n获取所述至少一个高分用户的反馈信息；/n根据各个高分用户的反馈信息更新所述回归模型的得分权重，得到已训练的回归模型；/n将预测用户的行为信息输入至所述已训练的回归模型，得到所述预测用户的预测意向得分，其中，所述预测意向得分指示了所述预测用户的意向；/n将所述预测意向得分输出至预设的第一对象的关联客户端。/n

【技术特征摘要】
1.一种用户意向预测方法，其特征在于，包括：
获取各个样本用户的行为信息；
将所述各个样本用户的行为信息输入至待训练的回归模型，得到对应的各个样本意向得分，其中，每一样本意向得分通过对应的样本用户的行为信息以及所述待训练的回归模型的得分权重计算得到；
根据所述各个样本意向得分，从所述样本用户中筛选得到至少一个高分用户；
获取所述至少一个高分用户的反馈信息；
根据各个高分用户的反馈信息更新所述回归模型的得分权重，得到已训练的回归模型；
将预测用户的行为信息输入至所述已训练的回归模型，得到所述预测用户的预测意向得分，其中，所述预测意向得分指示了所述预测用户的意向；
将所述预测意向得分输出至预设的第一对象的关联客户端。


2.根据权利要求1所述的用户意向预测方法，其特征在于，所述获取所述至少一个高分用户的反馈信息之后，还包括：
若所述至少一个高分用户的反馈信息的数据量大于预设的数据量阈值，则利用各个高分用户的反馈信息对待训练的分类模型进行训练，得到已训练的分类模型；
将所述预测用户的行为信息输入至已训练的分类模型，得到所述预测用户的预测意向信息，其中，所述预测意向信息包括所述预测用户的意向是否为正意向；
将所述预测意向信息输出至预设的第二对象的关联客户端。


3.根据权利要求2所述的用户意向预测方法，其特征在于，所述将所述预测用户的行为信息输入至已训练的分类模型，得到所述预测用户的预测意向信息之后，还包括：
若所述预测意向信息指示所述预测用户的意向为正意向，则将所述预测用户添加到预设的目标用户库中。


4.根据权利要求2所述的用户意向预测方法，其特征在于，所述将所述预测用户的行为信息输入至已训练的分类模型，得到所述预测用户的预测意向信息，包括：
将所述预测用户的行为信息输入至已训练的分类模型中的逻辑回归模型得到第一意向信息；
将所述预测用户的行为信息输入至已训练的分类模型中的支持向量机得到第二意向信息；
根据所述第一意向信息和第二意向信息确定所述预测用户的预测意向信息。


5.根据权利要求4所述的用户意向预测方法，其特征在于，所述根据所述第一意向信息和第二意向信息确定所述预测用户的预测意向信息，包括：
若所述第一意向信息和所述第二意向信息均指示所述预测用户的意向为正意向，则确定所述预测用户的预测意向信息所指示的意向为正意向；<...

【专利技术属性】
技术研发人员：彭双全，柳志超，崔先泽，
申请(专利权)人：深圳市思为软件技术有限公司，
类型：发明
国别省市：广东;44