业务对象的数据预估方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种业务对象的数据预估方法、装置、设备及存储介质，该方法包括：获取目标业务对象和参考业务对象对应的历史消耗数据，并基于历史消耗数据构建多个目标用户分别对应的用户消耗特征序列；采用无监督聚类模型将用户消耗特征序列中包含的各业务对象标识映射为预设维度向量空间中的业务对象向量；根据目标业务对象向量和参考业务对象向量计算目标业务对象分别与各参考业务对象之间的相似度，并根据相似度确定目标参考业务对象；根据目标参考业务对象对应的时长数据和目标参考业务对象对应的相似度对目标业务对象对应的时长数据进行预估。采用上述技术方案，可以达到对业务对象的时长数据进行预估的技术效果，可靠性较高。可靠性较高。可靠性较高。

【技术实现步骤摘要】
业务对象的数据预估方法、装置、设备及存储介质


[0001]本专利技术实施例涉及计算机
，尤其涉及业务对象的数据预估方法、装置、设备及存储介质。

技术介绍

[0002]目前，在各种行业领域中，一般存在各种各样的业务对象，如产品或服务等。在业务对象的存续期间，通常需要为其提供各种资源进行业务支持。针对各种业务对象，在实际的应用场景中，往往会存在基于历史数据对业务对象的生命周期或所处业务阶段的时长进行预估的需求，进而保障企业的各种资源能够得到合理的分配。
[0003]然而，目前针对业务对象的各种时长数据进行预估的方案仍不够完善，需要改进。

技术实现思路

[0004]本专利技术实施例提供了业务对象的数据预估方法、装置、设备及存储介质，可以优化现有的业务对象的数据预估方案。
[0005]第一方面，本专利技术实施例提供了一种业务对象的数据预估方法，包括：
[0006]获取目标业务对象和参考业务对象对应的历史消耗数据，并基于所述历史消耗数据构建多个目标用户分别对应的用户消耗特征序列，其中，所述用户消耗特征序列中的元素包括业务对象标识，各元素按照目标用户对所述目标业务对象和所述参考业务对象进行消耗的时间顺序进行排列；
[0007]采用无监督聚类模型将用户消耗特征序列中包含的各业务对象标识映射为预设维度向量空间中的业务对象向量，其中，目标业务对象对应的业务对象向量记为目标业务对象向量，参考业务向量对应的业务对象向量记为参考业务对象向量；
[0008]根据目标业务对象向量和参考业务对象向量计算目标业务对象分别与各参考业务对象之间的相似度，并根据所述相似度确定目标参考业务对象；
[0009]根据所述目标参考业务对象对应的时长数据和所述目标参考业务对象对应的相似度对所述目标业务对象对应的时长数据进行预估。
[0010]第二方面，本专利技术实施例提供了一种业务对象的数据预估装置，包括：
[0011]消耗特征序列构建模块，用于获取目标业务对象和参考业务对象对应的历史消耗数据，并基于所述历史消耗数据构建多个目标用户分别对应的用户消耗特征序列，其中，所述用户消耗特征序列中的元素包括业务对象标识，各元素按照目标用户对所述目标业务对象和所述参考业务对象进行消耗的时间顺序进行排列；
[0012]向量映射模块，用于采用无监督聚类模型将用户消耗特征序列中包含的各业务对象标识映射为预设维度向量空间中的业务对象向量，其中，目标业务对象对应的业务对象向量记为目标业务对象向量，参考业务向量对应的业务对象向量记为参考业务对象向量；
[0013]相似度计算模块，用于根据目标业务对象向量和参考业务对象向量计算目标业务对象分别与各参考业务对象之间的相似度，并根据所述相似度确定目标参考业务对象；
[0014]时长数据预估模块，用于根据所述目标参考业务对象对应的时长数据和所述目标参考业务对象对应的相似度对所述目标业务对象对应的时长数据进行预估。
[0015]第三方面，本专利技术实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本专利技术实施例提供的业务对象的数据预估方法。
[0016]第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例提供的业务对象的数据预估方法。
[0017]本专利技术实施例中提供的业务对象的数据预估方案，首先获取目标业务对象和参考业务对象对应的历史消耗数据，并基于历史消耗数据构建多个目标用户分别对应的用户消耗特征序列；然后采用无监督聚类模型将用户消耗特征序列中包含的各业务对象标识映射为预设维度向量空间中的业务对象向量；再根据目标业务对象向量和参考业务对象向量计算目标业务对象分别与各参考业务对象之间的相似度，并根据相似度确定目标参考业务对象；最后根据目标参考业务对象对应的时长数据和目标参考业务对象对应的相似度对目标业务对象对应的时长数据进行预估。采用上述技术方案，所构建的用户消耗特征序列可以表征用户的针对各业务对象的消耗规律，利用用户消耗特征序列和无监督聚类模型可以得到各业务对象对应的业务对象向量，通过业务对象向量的相似度分析可以准确确定目标参考业务对象，并根据目标参考业务对象对应的时长数据预估目标业务对象的时长数据，可以达到对业务对象的生命周期或所处业务阶段的时长等时长数据进行预估的技术效果，相比于单纯依靠目标业务对象自身的历史数据进行预估，可靠性较高。
附图说明
[0018]图1为本专利技术实施例提供的一种业务对象的数据预估方法的流程示意图；
[0019]图2为本专利技术实施例提供的又一种业务对象的数据预估方法的流程示意图；
[0020]图3为本专利技术实施例提供的一种业务对象的数据预估装置的结构框图；
[0021]图4为本专利技术实施例提供的一种计算机设备的结构框图。
具体实施方式
[0022]下面结合附图并通过具体实施方式来进一步说明本专利技术的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0023]在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
[0024]为了便于理解本专利技术实施例的技术方案，下面先对相关技术进行简单介绍。本专利技术实施例所涉及的业务对象可以根据具体的行业或应用场景来确定，如产品销售行业中的产品、互联网行业中提供的服务以及在线教育行业提供的课程等等。目前，在对某个业务对象的生命周期或所处业务阶段的时长等时长数据进行预估时，通常仅根据该业务对象的相
关历史数据来进行估算。以零售业的某个产品为例，相关技术通常采用基于销量预估的方法，根据该产品上市后产生的历史销售数据，以最小化损失函数等方法预测出产品未来的销量数据，再结合销量变化趋势，估算出产品生命周期的长度。然而，相关技术中的这种预估方式的估算准确性强依赖于历史销量维度信息，历史销量的变化常常受到营销活动(如打折促销)或极端天气等难以量化的非正常销售因素影响，因此，其估算结果的可信度大打折扣，另外，该方法对历史数据积累有较高的要求，通常需要半年以上的数据积累，否则会进一步降低估算结果的准确度，因此，难以在产品销售初期或早期得到较准确的预估结果，不利于资源的管理和分配。
[0025]本专利技术实施例中，提出基于相似业务对象的时长数据预估方案，根据不同用户针对多个业务对象的历史消耗数据来分析不同业务对象的相似度，进而确定目标参考业务对象，根据目标参考业务对象的时长数据来预估目标业务对象的时长数据，可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种业务对象的数据预估方法，其特征在于，包括：获取目标业务对象和参考业务对象对应的历史消耗数据，并基于所述历史消耗数据构建多个目标用户分别对应的用户消耗特征序列，其中，所述用户消耗特征序列中的元素包括业务对象标识，各元素按照目标用户对所述目标业务对象和所述参考业务对象进行消耗的时间顺序进行排列；采用无监督聚类模型将用户消耗特征序列中包含的各业务对象标识映射为预设维度向量空间中的业务对象向量，其中，目标业务对象对应的业务对象向量记为目标业务对象向量，参考业务向量对应的业务对象向量记为参考业务对象向量；根据目标业务对象向量和参考业务对象向量计算目标业务对象分别与各参考业务对象之间的相似度，并根据所述相似度确定目标参考业务对象；根据所述目标参考业务对象对应的时长数据和所述目标参考业务对象对应的相似度对所述目标业务对象对应的时长数据进行预估。2.根据权利要求1所述的方法，其特征在于，所述基于所述历史消耗数据构建多个目标用户分别对应的用户消耗特征序列，包括：对于所述历史消耗数据中涉及的每个目标用户，按照当前目标用户对所述目标业务对象和所述参考业务对象进行消耗的时间顺序，依次在对应的预设序列中加入业务对象对应的业务对象标识；其中，若连续两次消耗同一业务对象对应的时间间隔小于预设时间间隔，则将所述连续两次消耗进行合并处理；所述采用无监督聚类模型将用户消耗特征序列中包含的各业务对象标识映射为预设维度向量空间中的业务对象向量，包括：依据序列长度对用户消耗特征序列进行筛选，得到目标用户消耗特征序列；采用无监督聚类模型将目标用户消耗特征序列中包含的各业务对象标识映射为预设维度向量空间中的业务对象向量。3.根据权利要求1所述的方法，其特征在于，所述根据所述目标参考业务对象对应的时长数据和所述目标参考业务对象对应的相似度对所述目标业务对象对应的时长数据进行预估，包括：根据所述目标业务对象对应的第一历史消耗数据和所述目标参考业务对象对应的第二历史消耗数据，确定所述目标业务对象相对于所述目标参考业务对象的衰减因子；根据所述目标参考业务对象对应的时长数据、所述目标参考业务对象对应的相似度、以及所述衰减因子对所述目标业务对象对应的时长数据进行预估。4.根据权利要求3所述的方法，其特征在于，所述根据所述目标业务对象对应的第一历史消耗数据和所述目标参考业务对象对应的第二历史消耗数据，确定所述目标业务对象相对于所述目标参考业务对象的衰减因子，包括：根据所述目标业务对象对应的第一历史消耗数据计算所述目标业务对象从开始使用的时刻起，每个预设统计周期内的第一平均消耗量；根据所述目标参考业务对象对应的第二历史消耗数据计算所述目标参考业务对象从开始使用的时刻起，每个预设统计周期内的第二平均消耗量；以所述第一平均消耗量为自变量，以所述第二平均消耗量为因变量，采用一元线性回归模型对预设数量的预设统计周期的所述第一...

【专利技术属性】
技术研发人员：卢延新，
申请(专利权)人：瑞幸咖啡信息技术厦门有限公司，
类型：发明
国别省市：