本申请涉及一种资源互动轨迹预测方法、装置、计算机设备和存储介质，涉及大数据技术领域。所述方法包括：获取目标对象的历史资源互动轨迹；将历史资源互动轨迹输入至预训练的轨迹特征提取模型，得到历史资源互动轨迹对应的高维空间特征；将历史资源互动轨迹对应的高维空间特征输入至预训练的轨迹重构模型，得到历史资源互动轨迹对应的重构资源互动轨迹；根据重构资源互动轨迹，确定目标对象对应的资源互动轨迹预测结果。采用本方法能够基于神经网络，分析目标对象的历史资源互动轨迹，提取目标对应的资源互动轨迹特征，并基于资源互动轨迹特征进行轨迹重构，进而利用轨迹重构结果预测目标对象的资源互动轨迹，提高资源互动轨迹预测结果的准确度。预测结果的准确度。预测结果的准确度。
【技术实现步骤摘要】
资源互动轨迹预测方法、装置、计算机设备和存储介质
[0001]本申请涉及大数据
，特别是涉及一种资源互动轨迹预测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]银行收单系统因其接入渠道众多、交易方式灵活等特点，在银行业务系统中被广泛应用，而随着收单系统的应用场景不断深化，用户交易轨迹也愈发复杂多变，为了提高收单系统中的用户交易活跃度，收单业务系统需要围绕运营思路、营销模式等方向进行发展。
[0003]传统技术主要借助商户营销触达模型开展用户资源互动行为监控。
[0004]然而，传统技术无法完全适应于互联网金融背景下的商户营销需求和线上线下一体化运营服务体系，受限于用户资源互动点分散的特点，不利于提高用户资源互动轨迹预测结果的准确度。
技术实现思路
[0005]基于此，有必要针对上述技术问题，提供一种能够提高用户资源互动轨迹预测结果准确度的资源互动轨迹预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种资源互动轨迹预测方法，所述方法包括：
[0007]获取目标对象的历史资源互动轨迹；所述历史资源互动轨迹包括资源互动终端采集到的所述目标对象在历史时间内的资源互动发生位置；所述历史时间包括当前时刻之前的时间段；
[0008]将所述历史资源互动轨迹输入至预训练的轨迹特征提取模型，得到所述历史资源互动轨迹对应的高维空间特征；所述高维空间特征表征所述历史资源互动轨迹的高维特性；
[0009]将所述历史资源互动轨迹对应的高维空间特征输入至预训练的轨迹重构模型，得到所述历史资源互动轨迹对应的重构资源互动轨迹；
[0010]根据所述重构资源互动轨迹，确定所述目标对象对应的资源互动轨迹预测结果。
[0011]在其中一个实施例中，所述轨迹特征提取模型包括编码器和解码器，所述将所述历史资源互动轨迹输入至预训练的轨迹特征提取模型，得到所述历史资源互动轨迹对应的高维空间特征，包括：
[0012]将所述历史资源互动轨迹输入至所述编码器，得到所述历史资源互动轨迹对应的编码器输出特征；
[0013]将所述编码器输出特征输入至所述解码器，得到所述历史资源互动轨迹对应的高维空间特征。
[0014]在其中一个实施例中，所述将所述历史资源互动轨迹输入至所述编码器，得到所述历史资源互动轨迹对应的编码器输出特征，包括：
[0015]获取所述轨迹特征提取模型的编码器权值矩阵、编码器偏置矩阵和编码器激活函数；
[0016]根据所述历史资源互动轨迹和所述编码器权值矩阵，确定第一乘积；所述第一乘积表征所述历史资源互动轨迹与所述编码器权值矩阵的乘积；
[0017]根据所述第一乘积和所述编码器偏置矩阵，确定第一总和；所述第一总和表征所述第一乘积与所述编码器偏置矩阵的和；
[0018]根据所述第一总和和所述编码器激活函数，确定所述历史资源互动轨迹对应的编码器输出特征。
[0019]在其中一个实施例中，所述将所述编码器输出特征输入至所述解码器，得到所述历史资源互动轨迹对应的高维空间特征，包括：
[0020]获取所述轨迹特征提取模型的解码器权值矩阵和解码器偏置矩阵；
[0021]根据所述编码器输出特征和所述解码器权值矩阵，确定第二乘积；所述第二乘积表征所述编码器输出特征与所述解码器权值矩阵的乘积；
[0022]根据所述第二乘积和所述解码器偏置矩阵，确定所述历史资源互动轨迹对应的高维空间特征。
[0023]在其中一个实施例中，所述将所述历史资源互动轨迹对应的高维空间特征输入至预训练的轨迹重构模型，得到所述历史资源互动轨迹对应的重构资源互动轨迹，包括：
[0024]获取所述轨迹重构模型的历史输出结果；
[0025]根据所述历史输出结果和所述高维空间特征，确定轨迹重构模型输入；所述轨迹重构模型输入表征所述历史输出结果与所述高维空间特征的组合；
[0026]将所述轨迹重构模型输入输入至所述轨迹重构模型的输出门，得到所述历史资源互动轨迹对应的重构资源互动轨迹。
[0027]在其中一个实施例中，所述将所述轨迹重构模型输入输入至所述轨迹重构模型的输出门，得到所述历史资源互动轨迹对应的重构资源互动轨迹，包括：
[0028]获取所述轨迹重构模型的输出门权值矩阵和输出门偏置矩阵；
[0029]根据所述轨迹重构模型输入和所述输出门权值矩阵，确定第三乘积；所述第三乘积表征所述轨迹重构模型输入与所述输出门权值矩阵的乘积；
[0030]根据所述第三乘积和所述输出门偏置矩阵，确定第二总和；所述第二总和表征所述第三乘积与所述输出门偏置矩阵的和；
[0031]根据所述第二总和和所述输出门的输出函数，确定所述历史资源互动轨迹对应的重构资源互动轨迹。
[0032]在其中一个实施例中，所述方法还包括：
[0033]获取样本历史资源互动轨迹；
[0034]根据所述样本历史资源互动轨迹，确定所述样本历史资源互动轨迹对应的样本重构资源互动轨迹；
[0035]根据所述样本重构资源互动轨迹和所述样本历史资源互动轨迹，确定样本轨迹损失；所述样本轨迹损失表征所述样本重构资源互动轨迹与所述样本历史资源互动轨迹之间的差异程度；
[0036]根据所述样本轨迹损失，确定样本平均重构损失；
[0037]根据所述样本平均重构损失，训练轨迹重构模型。
[0038]第二方面，本申请还提供了一种资源互动轨迹预测装置，所述装置包括：
[0039]轨迹获取模块，用于获取目标对象的历史资源互动轨迹；所述历史资源互动轨迹包括资源互动终端采集到的所述目标对象在历史时间内的资源互动发生位置；所述历史时间包括当前时刻之前的时间段；
[0040]特征提取模块，用于将所述历史资源互动轨迹输入至预训练的轨迹特征提取模型，得到所述历史资源互动轨迹对应的高维空间特征；所述高维空间特征表征所述历史资源互动轨迹的高维特性；
[0041]轨迹重构模块，用于将所述历史资源互动轨迹对应的高维空间特征输入至预训练的轨迹重构模型，得到所述历史资源互动轨迹对应的重构资源互动轨迹；
[0042]结果确定模块，用于根据所述重构资源互动轨迹，确定所述目标对象对应的资源互动轨迹预测结果。
[0043]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
[0044]第四方面，本申请还提供了一种计算机可读存储介质。所述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的方法的步骤。
[0045]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
[0046]上述资源互动轨迹预测方法、装置、计本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种资源互动轨迹预测方法，其特征在于，所述方法包括：获取目标对象的历史资源互动轨迹；所述历史资源互动轨迹包括资源互动终端采集到的所述目标对象在历史时间内的资源互动发生位置；所述历史时间包括当前时刻之前的时间段；将所述历史资源互动轨迹输入至预训练的轨迹特征提取模型，得到所述历史资源互动轨迹对应的高维空间特征；所述高维空间特征表征所述历史资源互动轨迹的高维特性；将所述历史资源互动轨迹对应的高维空间特征输入至预训练的轨迹重构模型，得到所述历史资源互动轨迹对应的重构资源互动轨迹；根据所述重构资源互动轨迹，确定所述目标对象对应的资源互动轨迹预测结果。2.根据权利要求1所述的方法，其特征在于，所述轨迹特征提取模型包括编码器和解码器，所述将所述历史资源互动轨迹输入至预训练的轨迹特征提取模型，得到所述历史资源互动轨迹对应的高维空间特征，包括：将所述历史资源互动轨迹输入至所述编码器，得到所述历史资源互动轨迹对应的编码器输出特征；将所述编码器输出特征输入至所述解码器，得到所述历史资源互动轨迹对应的高维空间特征。3.根据权利要求2所述的方法，其特征在于，所述将所述历史资源互动轨迹输入至所述编码器，得到所述历史资源互动轨迹对应的编码器输出特征，包括：获取所述轨迹特征提取模型的编码器权值矩阵、编码器偏置矩阵和编码器激活函数；根据所述历史资源互动轨迹和所述编码器权值矩阵，确定第一乘积；所述第一乘积表征所述历史资源互动轨迹与所述编码器权值矩阵的乘积；根据所述第一乘积和所述编码器偏置矩阵，确定第一总和；所述第一总和表征所述第一乘积与所述编码器偏置矩阵的和；根据所述第一总和和所述编码器激活函数，确定所述历史资源互动轨迹对应的编码器输出特征。4.根据权利要求2所述的方法，其特征在于，所述将所述编码器输出特征输入至所述解码器，得到所述历史资源互动轨迹对应的高维空间特征，包括：获取所述轨迹特征提取模型的解码器权值矩阵和解码器偏置矩阵；根据所述编码器输出特征和所述解码器权值矩阵，确定第二乘积；所述第二乘积表征所述编码器输出特征与所述解码器权值矩阵的乘积；根据所述第二乘积和所述解码器偏置矩阵，确定所述历史资源互动轨迹对应的高维空间特征。5.根据权利要求1所述的方法，其特征在于，所述将所述历史资源互动轨迹对应的高维空间特征输入至预训练的轨迹重构模型，得到所述历史资源互动轨迹对应的重构资源互动轨迹，包括：获取所述轨迹重构模型的历史输出结果；根据所述历史输出结果和所述高维空间特征，确定轨迹重构模型输入；所述轨迹重构模型输入表征所述历史输出结果...
【专利技术属性】
技术研发人员：程子耀，郭锡超，聂文俊，苏志康，
申请(专利权)人：中国工商银行股份有限公司，
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。