【技术实现步骤摘要】
数据预估方法及装置
本公开涉及计算机处理
，尤其涉及一种数据预估方法及装置。
技术介绍
目前很多业务场景需要分析用户行为数据，例如在短视频和直播等视频领域，可以通过获取海量用户行为数据来分析解决实际问题，而回归模型作为一种常见的分析模型经常被用来研究因变量和自变量之间的关系。回归可以帮助探索变量之间的相关性，并得到定量分析的结果，例如，在定量分析某应用程序(Application，APP)的用户关注行为对用户次日留存(第二天是否还会使用该APP)的影响时，通常是使用用户当日的关注行为数据对用户次日的留存数据进行回归。然而，上述回归分析方法会存在一定偏误，原因是普通的回归模型中会产生遗漏变量或者选择偏差的问题。例如，当分析用户行为对用户次日留存的影响时，会忽视用户本身对该APP的喜爱程度，喜爱程度高的用户更有可能产生更多的关注行为，次日留存也会更高，这种情况下遗漏变量(用户喜欢程度)会导致分析结果出现偏差。可见，相关技术中的回归分析方法得到的分析结果通常会出现偏差，进而导致对用户未来行为的预估不够准确。<...
【技术保护点】
1.一种数据预估方法，其特征在于，包括：/n获取第一历史时间段内用户的第一行为数据和历史用户画像数据，以及获取第二历史时间段内用户的第一使用数据；/n基于所述历史用户画像数据，对所述第一行为数据和所述第一使用数据进行去中心化处理，得到第二行为数据和第二使用数据；/n对所述第二行为数据和所述第二使用数据进行回归处理，得到预估参数，其中，所述预估参数用于表示所述第二行为数据与所述第二使用数据的因果关系；/n获取当前时刻用户的当前行为数据和当前用户画像数据，并基于所述预估参数，预估用户的使用数据。/n
【技术特征摘要】
1.一种数据预估方法，其特征在于，包括：
获取第一历史时间段内用户的第一行为数据和历史用户画像数据，以及获取第二历史时间段内用户的第一使用数据；
基于所述历史用户画像数据，对所述第一行为数据和所述第一使用数据进行去中心化处理，得到第二行为数据和第二使用数据；
对所述第二行为数据和所述第二使用数据进行回归处理，得到预估参数，其中，所述预估参数用于表示所述第二行为数据与所述第二使用数据的因果关系；
获取当前时刻用户的当前行为数据和当前用户画像数据，并基于所述预估参数，预估用户的使用数据。
2.根据权利要求1所述的方法，其特征在于，所述对所述第二行为数据和所述第二使用数据进行回归处理，得到预估参数，包括：
采用最小二乘回归模型对所述第二行为数据和所述第二使用数据进行回归处理，得到所述最小二乘回归模型的模型参数，将所述最小二乘回归模型的模型参数作为所述预估参数。
3.根据权利要求1所述的方法，其特征在于，所述第一使用数据为n维列向量，所述第一行为数据为n×k的矩阵，所述历史用户画像数据为n×r的矩阵，n为用户数，k为第一行为数据的个数，r为历史用户画像数据的类别数，n、k和r均为大于1的整数；
所述基于所述历史用户画像数据，对所述第一行为数据和所述第一使用数据进行去中心化处理，包括：
对所述第一使用数据和所述第一行为数据中的每列数据，每次按所述历史用户画像数据中的一列数据进行分组求均值，并将所述每列数据中的每个数据分别减去该数据所在分组的均值，直至所述第一使用数据和所述第一行为数据中的每列数据不再发生变化，其中，所述每列数据中对应相同历史用户画像数据的为一组。
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述对所述第二行为数据和所述第二使用数据进行回归处理，得到预估参数之后，所述获取当前时刻用户的当前行为数据和当前用户画像数据，并基于所述预估参数，预估用户的使用数据之前，所述方法还包括：
基于所述预估参数，构建预设固定效应模型，其中，所述预设固定效应模型的自变量为用户行为数据，所述预设固定效应模型的因变量为用户的使用数据，所述预设固定效应模型的模型参数为所述预估参数；
所述获取当前时刻用户的当前行为数据和当前用户画像数据，并基于所述预估参数，预估用户的使用数据，包括：
获取当前时刻用户的当前行为数据和当前用户画像数据，并使用所述预设固定效应模型预估用户的使用数据。
5.根据权利要求4所述的方法，其特征在于，所述基于所述...
【专利技术属性】
技术研发人员：翟思楠，金雅然，马奕潇，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。