一种转化预估方法及装置制造方法及图纸

本发明专利技术公开了一种转化预估方法及装置，其中方法为：获取待评估用户的用户特性信息和所述用户待被曝光资源的资源特征信息；将所述用户特性信息和所述资源特征信息输入到特定前端转化率预估模型，以预估所述用户点击所述资源且发生前端转化的前端转化率；将所述用户特性信息和所述资源特征信息输入到特定后端转化率预估模型，以预估针对所述资源所述用户发生前端转化且发生后端转化的后端转化率；至少根据所述前端转化率和所述后端转化率，确定所述用户点击所述资源发生前端转化且发生后端转化的转化率。上述方法应用于金融科技(Fintech)时，能够提升预估转化率的准确性。

A conversion prediction method and device

【技术实现步骤摘要】
一种转化预估方法及装置
本专利技术涉及金融科技(Fintech)领域和人工智能领域，尤其涉及一种转化预估方法及装置。
技术介绍
随着计算机技术的发展，越来越多的技术(大数据、分布式、区块链(Blockchain)、人工智能等)应用在金融领域，传统金融业正在逐步向金融科技(Fintech)转变。目前，金融科技领域中，越来越多的资源提供端对信息推荐效果重视起来，如何预估信息推荐效果尤为重要。目前方法中，将用户的转化行为一概而论，但实际上用户的转化行为又分为多种。现有技术中，直接将用户发生某一类转化行为的预估转化率，作为最终的转化率。显然，这种方式得到对用户转化行为的转化率进行预估的准确率较低，这是一个亟待解决的问题。
技术实现思路
本申请提供一种转化预估方法及装置，解决了现有技术中转化率预估的准确率较低的问题。第一方面，本申请提供一种转化预估方法，包括：获取待评估用户的用户特性信息和所述用户待被曝光资源的资源特征信息；将所述用户特性信息和所述资源特征信息输入到特定前端转化率预估模型，以预估所述用户点击所述资源且发本文档来自技高网...

【技术保护点】
1.一种转化预估方法，其特征在于，包括：/n获取待评估用户的用户特性信息和所述用户待被曝光资源的资源特征信息；/n将所述用户特性信息和所述资源特征信息输入到特定前端转化率预估模型，以预估所述用户点击所述资源且发生前端转化的前端转化率；所述特定前端转化率预估模型为根据资源推荐平台积累的点击数据和点击且发生前端转化的前端转化数据训练得到的；/n将所述用户特性信息和所述资源特征信息输入到特定后端转化率预估模型，以预估针对所述资源所述用户发生前端转化且发生后端转化的后端转化率；所述特定后端转化率预估模型为根据所述前端转化数据和发生前端转化且发生后端转化的后端转化数据训练得到的；/n至少根据所述前端转化...

【技术特征摘要】
1.一种转化预估方法，其特征在于，包括：
获取待评估用户的用户特性信息和所述用户待被曝光资源的资源特征信息；
将所述用户特性信息和所述资源特征信息输入到特定前端转化率预估模型，以预估所述用户点击所述资源且发生前端转化的前端转化率；所述特定前端转化率预估模型为根据资源推荐平台积累的点击数据和点击且发生前端转化的前端转化数据训练得到的；
将所述用户特性信息和所述资源特征信息输入到特定后端转化率预估模型，以预估针对所述资源所述用户发生前端转化且发生后端转化的后端转化率；所述特定后端转化率预估模型为根据所述前端转化数据和发生前端转化且发生后端转化的后端转化数据训练得到的；
至少根据所述前端转化率和所述后端转化率，确定所述用户点击所述资源发生前端转化且发生后端转化的转化率。


2.如权利要求1所述的方法，其特征在于，所述获取待评估用户的用户特性信息和所述用户待被曝光资源的资源特征信息之前，还包括：
获取所述点击数据、所述前端转化数据和所述后端转化数据；
将所述点击数据和\或所述前端转化数据作为第一样本数据输入至参考前端转化率预估模型，确定所述第一样本数据的预估前端转化率，并确定所述第一样本数据的预估前端转化率和真实前端转化率之间的第一差异评估值；
将所述前端转化数据和\或所述后端转化数据作为第二样本数据输入至参考后端转化率预估模型，确定所述第二样本数据的预估后端转化率，并确定所述第二样本数据的预估后端转化率和真实后端转化率之间的第二差异评估值；
至少根据所述第一差异评估值和\或所述第二差异评估值，对所述参考前端转化率预估模型和\或所述参考后端转化率预估模型进行迭代机器训练；
将训练结束时的所述参考前端转化率预估模型，作为所述特定前端转化率预估模型；将训练结束时的所述参考后端转化率预估模型，作为所述特定后端转化率预估模型。


3.如权利要求2所述的方法，其特征在于，所述第一样本数据包括所述第一样本数据的各特征值和所述第一样本数据的真实前端转化率，所述确定所述第一样本数据的预估前端转化率和真实前端转化率之间的第一差异评估值，包括：
将所述第一样本数据的各特征值和所述第一样本数据的真实前端转化率代入所述参考前端转化率预估模型的第一损失函数，计算得出第一损失函数的第一函数值，并将所述第一函数值作为所述第一差异评估值；
所述第二样本数据包括所述第二样本数据的各特征值和所述第二样本数据的真实后端转化率，所述确定所述第二样本数据的预估后端转化率和真实后端转化率之间的第二差异评估值，包括：
将所述第二样本数据的各特征值和所述第二样本数据的真实后端转化率代入所述参考后端转化率预估模型的第二损失函数，计算得出第二损失函数的第二函数值，并将所述第二函数值作为所述第二差异评估值；
所述至少根据所述第一差异评估值和\或所述第二差异评估值，对所述参考前端转化率预估模型和\或所述参考后端转化率预估模型进行迭代机器训练，包括：
通过减小所述第一函数值和\或所述第二函数值，调整所述参考前端转化率预估模型的参数，以更新所述参考前端转化率预估模型；通过减小所述第一函数值和\或所述第二函数值，调整所述参考后端转化率预估模型的参数，以更新所述参考后端转化率预估模型。


4.如权利要求2所述的方法，其特征在于，所述第一差异评估值为所述第一样本数据的预估前端转化率和真实前端转化率之间的差值；所述第二差异评估值为所述第二样本数据的预估后端转化率和真实后端转化率之间的差值。


5.如权利要求1所述的方法，其特征在于，所述获取待评估用户的用户特性信息和所述用户待被曝光资源的资源特征信息之前，还包括：
获取所述点击数据、所述前端转化数据和所述后端转化数据；
将所述点击数据和\或所述前端转化数据作为第四样本数据输入至参考特征扩展空间进行相似性扩展，获得经所述参考特征扩展空间转化得到的第四虚拟样本数据；
将所述前端转化数据和\或所述后端转化数据作为第五样本数据输入至所述参考特征扩展空间进行相似性扩展，获得经所述参考特征扩展空间转化得到的第五虚拟样本数据；
将所述第四虚拟样本数据输入至参考前端转化率预估模型，确定所述第四虚拟样本数据的预估前端转化率，并确定所述第四虚拟样本数据的预估前端转化率和所述第四样本数据的真实前端转化率之间的第四差异评估值；
将所述第五虚拟样本数据输入至参考后端转化率预估模型，确定所述第五虚拟样本数据的预估后端转化率，并确定所述第五虚拟样本数据的预估后端转化率和所述第五样本数据的真实后端转化率之间的第五差异评估值；
至少根据所述第四差异评估值和\或所述第五差异评估值，对所述参考前端转化率预估模型和\或所述参考后端转化率预估模型和\或所述参考特征扩...

【专利技术属性】
技术研发人员：刘博，郑文琛，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44