【技术实现步骤摘要】
用户任务预测方法、装置、计算机设备和存储介质
[0001]本申请涉及计算机
，特别是涉及一种用户任务预测方法、装置、计算机设备和存储介质。
技术介绍
[0002]随着移动设备的完善和普及，移动互联网+各行各业进入了高速发展阶段，这其中以O2O(Online to Offline)消费最为吸引眼球。据不完全统计，O2O行业估值上亿的创业公司至少有10家，也不乏百亿巨头的身影。O2O行业天然关联数亿消费者，各类APP每天记录了超过百亿条用户行为和位置记录，因而成为大数据科研和商业化运营的最佳结合点之一。以优惠券盘活老用户或吸引新客户进店消费是O2O的一种重要营销方式。然而随机投放的优惠券对多数用户造成无意义的干扰。对商家而言，滥发的优惠券可能降低品牌声誉，同时难以估算营销成本。个性化投放是提高优惠券核销率的重要技术，它可以让具有一定偏好的消费者得到真正的实惠，同时赋予商家更强的营销能力。不管是电商还是零售，发放优惠券都会吸引消费者的青睐。
[0003]然而面对大量的数据进行优惠券是否使用的预测，是一个工作难点，采用...
【技术保护点】
【技术特征摘要】
1.一种用户任务预测方法，其特征在于，所述方法包括：获取用户领取任务的任务信息，根据所述任务信息构建样本集；提取所述样本集中样本的用户领取任务的任务特征、用户目标特征以及任务目标特征；所述任务特征包括领取任务的时间；所述用户目标特征和所述任务目标特征均为文本特征；根据预先设置的关联规则和聚类规则，对所述任务特征、所述用户目标特征以及所述任务目标特征进行关联特征提取，得到关联特征，以及得到剩余未关联特征；对所述关联特征，进行one
‑
hot编码，得到预设长度的编码特征；将所述编码特征和所述未关联特征输入预先训练的任务预测模型，输出所述任务信息对应的是否完成任务的预测结果；所述任务预测模型的训练样本采用完成任务标签进行标记；所述完成任务标签为二进制编码。2.根据权利要求1所述的方法，其特征在于，所述任务预测模型包括：XGBoost与lightgbm模型。3.根据权利要求2所述的方法，其特征在于，训练任务预测模型方式，包括：采用集成学习的方式训练XGBoost与lightgbm模型。4.根据权利要求1至3任意一项所述的方法，其特征在于，所述任务信息为：在网络平台领取优惠券的信息；所述任务目标特征包括：打折率、优惠券使用日期、优惠券总数、优惠券使用购买率和商品ID；所述用户目标特征包括：用户ID、用户距离、用户最近优惠券使用距离、用户最远优惠券使用距离和平均距离。5.一种用户任务预测装置，其特征在于，所述装置包括：样本构建模块，用于获取用户领取任务的任务信息，根据所述任务信息构建样本集；特征提取模块，用于提取所述样本集中样本的用户领取...
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。