本公开实施例的目的在于提供一种用户触达方式确定方法及装置、电子设备、计算机可读存储介质，涉及人工智能领域，所述用户触达方式确定方法，包括：确定目标用户的用户属性特征，并确定所述目标用户对应的触达方式特征；将所述触达方式特征和所述用户属性特征分别输入至增量提升值预测系统，得到所述目标用户对应的增量预测值；其中，所述增量提升值预测系统是基于样本特征和样本增量值对第一机器学习模型的参数进行调整后得到的；依据所述目标用户对应的增量预测值，为所述目标用户确定目标触达方式。本公开可以提高触达方式分配的准确度以及整体触达效果。准确度以及整体触达效果。准确度以及整体触达效果。
【技术实现步骤摘要】
用户触达方式确定方法及装置、电子设备
[0001]本公开涉及人工智能
，具体而言，涉及一种用户触达方式确定方法、用户触达方式确定装置、电子设备以及计算机可读存储介质。
技术介绍
[0002]随着互联网技术的发展，互联网业务也不断增多，为促进对用户进行触达，通常采用短信、邮件、应用推送以及应用服务通知等触达方式对用户进行触达。
[0003]现有技术下，通过构建一个响应模型，在响应模型的基础上对增量提升进行建模，得到增量提升模型，从而基于增量提升模型选择触达方式。
[0004]但在上述技术方案中，无法根据增益对模型进行优化，使得触达方式分配的准确度和整体触达效果存在一定改善空间。
[0005]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0006]本公开实施例的目的在于提供一种用户触达方式确定方法、用户触达方式确定装置、电子设备以及计算机可读存储介质，进而至少在一定程度上提高触达方式分配的准确度以及整体触达效果。
[0007]根据本公开的一个方面，提供一种用户触达方式确定方法，包括：
[0008]确定目标用户的用户属性特征，并确定所述目标用户对应的触达方式特征；
[0009]将所述触达方式特征和所述用户属性特征分别输入至增量提升值预测系统，得到所述目标用户对应的增量预测值；其中，所述增量提升值预测系统是基于样本特征和样本增量值对第一机器学习模型的参数进行调整后得到的，所述第一机器学习模型是基于第二机器学习模型以及所述样本增量值构建，所述样本增量值是根据预测转化数据计算得到的，所述预测转化数据是通过将所述样本特征输入至所述第二机器学习模型得到的；
[0010]依据所述目标用户对应的增量预测值，为所述目标用户确定目标触达方式；
[0011]选取所述增量提升值达到预设值的所述增量提升值对应的触达方式进行触达；和/或
[0012]选取所述增量提升值的最大增量提升值对应的触达方式进行触达；
[0013]所述用户属性特征包括用户的基本属性特征和用户的行为属性特征；
[0014]获取样本特征以及所述样本特征对应的标注转化数据；其中，所述样本特征包括样本用户特征和样本触达方式特征；
[0015]将所述样本用户特征和所述样本触达方式特征输入至第二机器学习模型中第一棵决策树；
[0016]根据前一棵决策树的输出结果与所述标注转化数据在残差下降方向迭代生成多个决策树；
[0017]在生成的所述决策树的个数满足预设条件时，将最后一棵决策树的输出结果作为所述第二机器学习模型输出的所述预测转化数据；
[0018]计算所述样本特征与各特征路径之间的匹配度；
[0019]根据所述匹配度计算与各特征路径对应的各所述触达方式的预测转化数据；
[0020]根据所述样本增量值计算损失函数；
[0021]根据所述损失函数对所述第一机器学习模型的参数进行调整，并将调整后的所述第一机器学习模型作为增量提升值预测系统。
[0022]根据本公开的一个方面，提供一种增量提升值预测系统获取方法，包括：
[0023]获取样本特征以及所述样本特征对应的标注转化数据；其中，所述样本特征包括样本用户特征和样本触达方式特征，所述用户属性特征还包括用户的基本属性特征和用户的行为属性特征；
[0024]将所述样本用户特征和所述样本触达方式特征输入至第二机器学习模型，以输出对应的预测转化数据；
[0025]根据所述预测转化数据计算所述样本用户特征对应的样本增量值；
[0026]根据所述样本特征和所述样本增量值调整第一机器学习模型的参数，得到增量提升值预测系统；其中，所述第一机器学习模型是基于所述第二机器学习模型以及所述样本增量值构建。
[0027]根据本公开的一个方面，提供一种用户触达方式确定装置，包括：
[0028]获取用户特征模块，用于确定目标用户的用户属性特征，并确定所述目标用户对应的触达方式特征；
[0029]增量预测值获取模块，用于将所述触达方式特征和所述用户属性特征分别输入至增量提升值预测系统，得到所述目标用户对应的增量预测值；
[0030]确定触达方式模块，用于依据所述目标用户对应的增量预测值，为所述目标用户确定目标触达方式。
[0031]根据本公开的一个方面，提供一种增量提升值预测系统获取装置，包括：
[0032]获取样本特征和标注转化数据模块，用于获取样本特征以及所述样本特征对应的标注转化数据；其中，所述样本特征包括样本用户特征和样本触达方式特征；
[0033]预测转化数据输出模块，用于将所述样本用户特征和所述样本触达方式特征输入至第二机器学习模型，以输出对应的预测转化数据；
[0034]计算增量提升值模块，用于根据所述预测转化数据计算所述样本用户特征对应的样本增量值；
[0035]增量提升预测系统构建模块，用于根据所述样本特征和所述增量提升值调整第一机器学习模型的参数，得到增量提升值预测系统；其中，所述第一机器学习模型是基于所述第二机器学习模型以及所述样本增量值构建。
[0036]根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的方法。
[0037]根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的方法。
[0038]本公开示例性实施例可以具有以下部分或全部有益效果：
[0039]在本公开示例实施方式所提供的用户触达方式确定方法中，可以确定目标用户的用户属性特征，并确定所述目标用户对应的触达方式特征；将所述触达方式特征和所述用户属性特征分别输入至增量提升值预测系统，得到所述目标用户对应的增量预测值；其中，所述增量提升值预测系统是基于样本特征和样本增量值对第一机器学习模型的参数进行调整后得到的，所述第一机器学习模型是基于第二机器学习模型以及所述样本增量值构建，所述样本增量值是根据预测转化数据计算得到的，所述预测转化数据是通过将所述样本特征输入至所述第二机器学习模型得到的；依据所述目标用户对应的增量预测值，为所述目标用户确定目标触达方式。一方面，通过增量提升值预测系统得到目标用户在不同触达方式下的增量预测值，可以有效避免多模型导致的误差累积，从而减少了模型的运算量，有利于提升触达方式分配的准确率，另一方面，由于提升了触达方式分配的准确率，因此可以提高对用户触达的效率，从而提高了整体触达效果。
[0040]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0041]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用户触达方式确定方法，其特征在于，包括：确定目标用户的用户属性特征，并确定所述目标用户对应的触达方式特征；将所述触达方式特征和所述用户属性特征分别输入至增量提升值预测系统，得到所述目标用户对应的增量预测值；其中，所述增量提升值预测系统是基于样本特征和样本增量值对第一机器学习模型的参数进行调整后得到的，所述第一机器学习模型是基于第二机器学习模型以及所述样本增量值构建，所述样本增量值是根据预测转化数据计算得到的，所述预测转化数据是通过将所述样本特征输入至所述第二机器学习模型得到的；依据所述目标用户对应的增量预测值，为所述目标用户确定目标触达方式。2.根据权利要求1所述的用户触达方式确定方法，其特征在于，所述依据所述目标用户对应的增量预测值，为所述目标用户确定目标触达方式，包括：选取所述增量预测值达到预设值的所述增量预测值对应的触达方式进行触达；和/或选取所述增量预测值的最大增量预测值对应的触达方式进行触达。3.根据权利要求1所述的用户触达方式确定方法，其特征在于，所述用户属性特征包括用户的基本属性特征和用户的行为属性特征。4.根据权利要求1所述的用户触达方式确定方法，其特征在于，所述第二机器学习模型为梯度提升树模型，所述方法还包括：获取样本特征以及所述样本特征对应的标注转化数据；其中，所述样本特征包括样本用户特征和样本触达方式特征；将所述样本用户特征和所述样本触达方式特征输入至第二机器学习模型中第一棵决策树；根据前一棵决策树的输出结果与所述标注转化数据在残差下降方向迭代生成多个决策树；在生成的所述决策树的个数满足预设条件时，将最后一棵决策树的输出结果作为所述第二机器学习模型输出的所述预测转化数据。5.根据权利要求4所述的用户触达方式确定方法，其特征在于，所述决策树包括多个特征路径，每个所述特征路径对应一种触达方式；所述决策树通过下述方式获取输出结果：计算所述样本特征与各特征路径之间的匹配度；根据所述匹配度计算与各特征路径对应的各所述触达方式的预测转化数据。6.根据权利要求1所述的用户触达方式确定方法，其特征在于，所述方法还包括：根据所述样本增量值计算损失函数；根据所述损失函数对所述第一机器学...
【专利技术属性】
技术研发人员：林菁，
申请(专利权)人：京东科技信息技术有限公司，
类型：发明
国别省市：
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。