用户意愿预测方法、装置、设备和存储介质制造方法及图纸

本发明专利技术提供了一种用户意愿预测方法、装置、设备和存储介质，包括：获取目标用户群体在多个离散的观测时间点的观测数据，每个观测时间点的观测数据表征目标用户群体在对应的观测时间点对于产品的平均接受程度；将所有观测数据和预测时间点输入至预测模型，得到在预测时间点的预测数据，预测数据表征目标用户群体在预测时间点对于产品的平均接受程度，预测模型由ODE模型根据观测数据训练得到。由于ODE模型能够接受更广泛且不定期的输入，模型使用不受限；其次还能够提供更广泛的输出，不仅可以对未来较长时间进行预测，也可以回顾历史轨迹进行分析；另外通过ODE模型弥补时间的间隔，能准确反映出用户对于产品接受程度的心理变化，以实现精准营销。以实现精准营销。以实现精准营销。

【技术实现步骤摘要】
用户意愿预测方法、装置、设备和存储介质


[0001]本专利技术实施例涉及但不限于人工智能
，尤其涉及一种用户意愿预测方法、用户意愿预测装置、计算机设备和计算机可读存储介质。

技术介绍

[0002]由于销售模式、生产关系和社会存款等因素影响，长期以来，保险行业呈现出一定周期性规律，这为趋势分析提供了一定基础。因此，在客户长期购买保险的行为中，提前做好预测工作，有利于实现精准营销。
[0003]然而，由于单一群体客户保险购买行为的发生时间是离散和不定期的，因此对于传统的深度学习时间序列预测模型如基于RNN(Recurrent Neural Network，深度学习递归神经网络)算法的LSTM(Long Short Term Memory,长短时记忆网络)模型，难以适用于非固定时间间隔数据和非稳定时间序列，从而导致模型使用受限。即使使用传统的深度学习时间序列预测模型进行计算，由于数据稀疏、购买时间跨度较长，导致其预测结果的准确度也较低。

技术实现思路

[0004]以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
[0005]本专利技术实施例提供了一种用户意愿预测方法、用户意愿预测装置、计算机设备和计算机可读存储介质，能够对离散和不定期的保险购买行为进行预测，以实现精准营销。
[0006]第一方面，本专利技术实施例提供了一种用户意愿预测方法，包括：
[0007]获取目标用户群体在多个离散的观测时间点的观测数据，其中，每个所述观测时间点的所述观测数据表征所述目标用户群体在对应的所述观测时间点对于产品的平均接受程度；
[0008]将所有所述观测数据和预测时间点输入至预测模型，以得到在所述预测时间点的预测数据，所述预测数据表征所述目标用户群体在所述预测时间点对于产品的平均接受程度，其中，所述预测模型由ODE模型根据所述观测数据训练得到。
[0009]在一些实施例中，所述获取目标用户群体在多个离散的观测时间点的观测数据，包括：
[0010]对于每一个所述观测时间点，获取所述目标用户群体中各个用户对于产品的个体接受程度，并对所有所述个体接受程度取平均，以得到所述目标用户群体在对应的所述观测时间点对于产品的平均接受程度；
[0011]获取所有所述观测时间点对应的平均接受程度，作为所述目标用户群体在多个离散的所述观测时间点的观测数据。
[0012]在一些实施例中，所述目标用户群体中各个用户在多个离散的所述观测时间点对于产品的个体接受程度为：
[0013][0014]其中，所述m为所述目标用户群体中的用户数量，所述t
n
为所述观测时间点，所述表示第m个用户在t
n
观测时间点对于产品的个体接受度；
[0015]对应地，所述目标用户群体在各个离散的所述观测时间点对于产品的平均接受程度为：
[0016][0017]其中，所述为所述目标用户群体中所有用户在t
n
观测时间点对于产品的平均接受程度。
[0018]在一些实施例中，所述预测模型由ODE模型根据所述观测数据训练得到，包括：
[0019]采用RNN编码器对所述观测数据进行编码转化，以得到潜在轨迹的初始状态和所述观测数据的分布函数；
[0020]将所述初始状态和所述分布函数输入至ODE模型，以得到所述潜在轨迹中与多个所述观测时间点对应的潜在状态；
[0021]采用ODE解码器对所述潜在状态进行解码，以得到与所述观测时间点对应的推算数据，其中，所述推算数据表征通过所述ODE模型所推算得到的所述目标用户群体在多个离散的观测时间点对于产品的平均接受程度；
[0022]采用所述推算数据和所述观测数据对所述ODE模型进行迭代训练，以得到所述预测模型。在一些实施例中，所述预测模型通过如下公式生成得到：
[0023]z
t0
～p(z
t0
)
[0024]z
t1
，z
t2
，...z
tN
＝ODESolve(z
t0
,f,θ
f
,t0，t1...，t
N
)
[0025]对于每个X
ti
～p(x|z
ti
,θ
x
)
[0026]其中，所述z
t0
为所述初始状态，所述p为所述分布函数，所述ODESolve(z
t0
,f,θ
f
,t0，t1...，t
N
)为所述RNN编码器的模型，所述f用于输出所述潜在轨迹在时间上的变化梯度，所述θ
f
为所述f的参数，所述t0为与所述初始状态对应的初始观测时间点，所述t
N
为所述观测时间点，所述z
tN
为所述潜在状态在多个所述观测时间点的数值，所述X
ti
为所述目标用户群体中所有用户在t
i
观测时间点对于产品的个体接受度，所述X
ti
符合所述p的分布，所述θ
x
为所述X
ti
对应的函数参数。
[0027]在一些实施例中，当所述潜在轨迹服从正态分布，所述分布函数的参数包括平均值和方差；所述分布函数由如下得到：
[0028]将所述观测数据输入至RNN编码器，以得到所述平均值和所述方差；
[0029]根据所述平均值和所述方差确定所述分布函数。
[0030]在一些实施例中，在所述得到潜在轨迹的初始状态和所述观测数据的分布函数之后，所述用户意愿预测方法还包括：根据所述初始状态和所述分布函数生成得到概率函数，所述概率函数表征所述目标用户群体在时间上对于产品接受程度的实际分布情况；
[0031]对应地，所述采用ODE解码器对所述潜在状态进行解码，包括：采用ODE解码器通过所述概率函数对所述潜在状态进行解码。
[0032]在一些实施例中，所述采用所述推算数据和所述观测数据对所述ODE模型进行迭代训练，通过如下公式实现：
[0033][0034][0035]p(z
t0
)＝N(0,1)
[0036]其中，所述q为所述概率函数，所述N为所述正态分布，所述{x
ti
,t
i
}
i
为所述目标用户群体中用户在t
i
观测时间点对于产品的接受程度，所述μ
t0
和所述σ
t0
来自于所述RNN编码器得到的初始状态所述为{x
ti
,t
i
}
i
对应的分布参数μ
ti
,σ
ti
。
[0037]第二方面，本专利技术实施例还提供了一种用户意愿预测装置，包括：
[0038]数据获取单元，用于获取目标用户群体在多个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户意愿预测方法，其特征在于，包括：获取目标用户群体在多个离散的观测时间点的观测数据，其中，每个所述观测时间点的所述观测数据表征所述目标用户群体在对应的所述观测时间点对于产品的平均接受程度；将所有所述观测数据和预测时间点输入至预测模型，以得到在所述预测时间点的预测数据，所述预测数据表征所述目标用户群体在所述预测时间点对于产品的平均接受程度，其中，所述预测模型由ODE模型根据所述观测数据训练得到。2.根据权利要求1所述的用户意愿预测方法，其特征在于，所述获取目标用户群体在多个离散的观测时间点的观测数据，包括：对于每一个所述观测时间点，获取所述目标用户群体中各个用户对于产品的个体接受程度，并对所有所述个体接受程度取平均，以得到所述目标用户群体在对应的所述观测时间点对于产品的平均接受程度；获取所有所述观测时间点对应的平均接受程度，作为所述目标用户群体在多个离散的所述观测时间点的观测数据。3.根据权利要求2所述的用户意愿预测方法，其特征在于，所述目标用户群体中各个用户在多个离散的所述观测时间点对于产品的个体接受程度为：其中，所述m为所述目标用户群体中的用户数量，所述t
n
为所述观测时间点，所述表示第m个用户在t
n
观测时间点对于产品的个体接受度；对应地，所述目标用户群体在各个离散的所述观测时间点对于产品的平均接受程度为：其中，所述为所述目标用户群体中所有用户在t
n
观测时间点对于产品的平均接受程度。4.根据权利要求3所述的用户意愿预测方法，其特征在于，所述预测模型由ODE模型根据所述观测数据训练得到，包括：采用RNN编码器对所述观测数据进行编码转化，以得到潜在轨迹的初始状态和所述观测数据的分布函数；将所述初始状态和所述分布函数输入至ODE模型，以得到所述潜在轨迹中与多个所述观测时间点对应的潜在状态；采用ODE解码器对所述潜在状态进行解码，以得到与所述观测时间点对应的推算数据，其中，所述推算数据表征通过所述ODE模型所推算得到的所述目标用户群体在多个离散的观测时间点对于产品的平均接受程度；采用所述推算数据和所述观测数据对所述ODE模型进行迭代训练，以得到所述预测模型。5.根据权利要求4所述的用户意愿预测方法，其特征在于，所述预测模型通过如下公式
生成得到：z
t0
～p(z
t0
)z
t1
，z
t2
，...z
tN
＝ODESolve(z
t0
，f，θ
f
，t0，t1…
，t
N
)对于每个X
ti
～p(x|z
ti
，θ
x
)其中，所述z
t0
为所述初始状态，所述p为所述分布函数，所述ODESolve(z
t0
，f，θ
f
...

【专利技术属性】
技术研发人员：夏婧，吴振宇，王建明，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：