一种用户价值预测方法及系统技术方案

本申请涉及大数据预测技术领域，提供一种用户价值预测方法及系统。所述方法包括：获取目标用户的业务产品订购数据；将所述业务产品订购数据输入到业务需求程度分类模型中，得到所述目标用户的业务需求程度预测结果；将所述业务产品订购数据和所述业务需求程度预测结果，输入到用户价值预测模型中，得到所述目标用户的价值预测结果。本申请实施例提供的用户价值预测方法，通过Bagging算法构建的分类模型以及朴素贝叶斯模型，训练得到业务需求程度分类模型和用户价值预测模型，从而基于这两个分类预测模型，结合用户的业务产品订购数据进行更加全面的深度处理，更为准确的预测用户价值预测结果。值预测结果。值预测结果。

【技术实现步骤摘要】
一种用户价值预测方法及系统


[0001]本申请涉及大数据预测
，具体涉及一种用户价值预测方法及系统。

技术介绍

[0002]在传统的用户价值预测方法中，主要是通过人工统计方式，基于以往的经验，对用户进行筛选，从而将用户等级划分为高价值用户和低价值用户。由于依靠人工预测用户的价值等级，预测结果主观性较强，得到的预测结果准确性偏差也比较大，并且，对于大量的用户数据，也造成预测效率较低。
[0003]目前，基于机器学习算法的用户价值预测方法，虽然在一定程度上提升了用户价值预测准确性，但是现有机器学习算法处理的数据较为单一，对于大量且复杂的用户行为数据，由于算法的预处理/数据处理能力不足，错失很多关键性信息，这直接影响了用户价值预测结果的准确性。
[0004]因此，现在亟需一种用户价值预测方法及系统来解决上述问题。

技术实现思路

[0005]本申请实施例提供一种用户价值预测方法及系统，用以解决用户价值预测结果准确性较低的技术问题。
[0006]第一方面，本申请实施例提供一种用户价值预测方法，包括：
[0007]获取目标用户的业务产品订购数据；
[0008]将所述业务产品订购数据输入到业务需求程度分类模型中，得到所述目标用户的业务需求程度预测结果；
[0009]将所述业务产品订购数据和所述业务需求程度预测结果，输入到用户价值预测模型中，得到所述目标用户的价值预测结果；
[0010]其中，所述业务需求程度标签分类模型是由标记有业务需求程度标签的业务产品订购样本数据，对基于Bagging算法构建的分类模型进行训练得到的；
[0011]所述用户价值预测模型是由标记有用户价值预测类型标签的样本数据，对朴素贝叶斯模型进行训练得到的，所述样本数据包括业务产品订购样本数据和业务需求程度样本数据。
[0012]在一个实施例中，在所述将所述业务产品订购数据和所述业务需求程度预测结果，输入到用户价值预测模型中，得到所述目标用户的价值预测结果之后，所述方法还包括：
[0013]基于所述目标用户的业务产品使用情况，从所述业务产品订购数据、所述业务需求程度预测结果和所述价值预测评估结果中确定用户画像标签属性，并根据所述用户画像标签属性，构建所述目标用户的用户画像。
[0014]在一个实施例中，所述基于所述目标用户的业务产品使用情况，从所述业务产品订购数据、所述业务需求程度预测结果和所述价值预测评估结果中确定用户画像标签属
性，并根据所述用户画像标签属性，构建所述目标用户的用户画像，包括：
[0015]根据所述目标用户的业务产品使用情况，从所述业务产品订购数据、所述业务需求程度预测结果和所述价值预测评估结果中，获取具有相同属性类型的用户画像信息，并根据所述用户画像信息构建对应的目标画像标签；
[0016]根据所述业务产品订购数据、所述业务需求程度预测结果和所述价值预测评估结果，构建第一画像标签和第二画像标签；其中，所述第一画像标签表示所述目标用户对应的所有画像标签，所述第二画像标签表示所述目标用户所在区域中所有用户对应的全部画像标签；
[0017]根据所述目标画像标签和所述第一画像标签，获取所述目标画像标签在所述第一画像标签中的标签比重；
[0018]根据所述目标画像标签和所述第二画像标签，获取所述目标画像标签在所有用户对应的全部画像标签中的标签出现几率；
[0019]根据所述标签比重和所述标签出现几率，获取所述目标画像标签对应的综合权重值；
[0020]对所述综合权重值进行排序，并根据排序结果确定所述目标画像标签的用户画像标签属性；
[0021]根据所述目标画像标签和所述用户画像标签属性，构建所述目标用户的用户画像。
[0022]在一个实施例中，所述业务需求程度标签分类模型通过以下步骤得到：
[0023]根据每个用户的业务产品订购样本数据，获取各个用户的业务产品偏好特征和用户活跃度特征对应的业务需求映射关系，所述业务产品订购样本数据至少包括用户信息、业务产品信息、业务缴费信息和业务使用信息；
[0024]基于所述业务产品偏好特征、所述用户活跃度特征和所述业务需求映射关系，对各个业务产品订购样本数据标记对应的业务需求程度标签，得到第一训练样本集；
[0025]将所述第一训练样本集输入到所述分类模型进行训练，得到业务需求程度标签分类模型，并得到由所述业务需求程度标签分类模型输出的业务需求程度样本数据。
[0026]在一个实施例中，所述用户价值预测模型通过以下步骤得到：
[0027]根据所述业务产品偏好特征、所述业务产品订购样本数据和所述业务需求程度样本数据，构建每个用户对应的样本数据；
[0028]对各个样本数据标记对应的用户价值预测类型标签，得到第二训练样本集；
[0029]将所述第二训练样本集输入到所述朴素贝叶斯模型进行训练，得到用户价值预测模型。
[0030]在一个实施例中，在所述将所述第二训练样本集输入到所述朴素贝叶斯模型进行训练，得到用户价值预测模型之后，所述方法还包括：
[0031]将所述用户价值预测模型每一轮预测过程输出的价值预测结果，作为下一轮预测过程的输入数据，通过梯度提升算法对所述用户价值预测模型的参数进行优化，得到参数优化后的用户价值预测模型。
[0032]在一个实施例中，在所述根据所述业务产品偏好特征、所述业务产品订购样本数据和所述业务需求程度样本数据，构建每个用户对应的样本数据之前，所述方法还包括：
[0033]对所述业务产品偏好特征、所述业务产品订购样本数据和所述业务需求程度样本数据进行数据标准化处理，得到标准化处理后的业务产品偏好特征、业务产品订购样本数据和业务需求程度样本数据；
[0034]所述根据所述业务产品偏好特征、所述业务产品订购样本数据和所述业务需求程度样本数据，构建每个用户对应的样本数据，包括：
[0035]根据标准化处理后的业务产品偏好特征、业务产品订购样本数据和业务需求程度样本数据，构建每个用户对应的样本数据。
[0036]第二方面，本申请实施例提供一种用户价值预测系统，包括：
[0037]业务订购数据获取模块，用于获取目标用户的业务产品订购数据；
[0038]业务需求程度预测模块，用于将所述业务产品订购数据输入到业务需求程度分类模型中，得到所述目标用户的业务需求程度预测结果；
[0039]用户价值预测模块，用于将所述业务产品订购数据和所述业务需求程度预测结果，输入到用户价值预测模型中，得到所述目标用户的价值预测结果；
[0040]其中，所述业务需求程度标签分类模型是由标记有业务需求程度标签的业务产品订购样本数据，对基于Bagging算法构建的分类模型进行训练得到的；
[0041]所述用户价值预测模型是由标记有用户价值预测类型标签的样本数据，对朴素贝叶斯模型进行训练得到的，所述样本数据包括业务产品订购样本数据和业务本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户价值预测方法，其特征在于，包括：获取目标用户的业务产品订购数据；将所述业务产品订购数据输入到业务需求程度分类模型中，得到所述目标用户的业务需求程度预测结果；将所述业务产品订购数据和所述业务需求程度预测结果，输入到用户价值预测模型中，得到所述目标用户的价值预测预测结果；其中，所述业务需求程度标签分类模型是由标记有业务需求程度标签的业务产品订购样本数据，对基于Bagging算法构建的分类模型进行训练得到的；所述用户价值预测模型是由标记有用户价值预测类型标签的样本数据，对朴素贝叶斯模型进行训练得到的，所述样本数据包括业务产品订购样本数据和业务需求程度样本数据。2.根据权利要求1所述的用户价值预测方法，其特征在于，在所述将所述业务产品订购数据和所述业务需求程度预测结果，输入到用户价值预测模型中，得到所述目标用户的价值预测结果之后，所述方法还包括：基于所述目标用户的业务产品使用情况，从所述业务产品订购数据、所述业务需求程度预测结果和所述价值预测评估结果中确定用户画像标签属性，并根据所述用户画像标签属性，构建所述目标用户的用户画像。3.根据权利要求2所述的用户价值预测方法，其特征在于，所述基于所述目标用户的业务产品使用情况，从所述业务产品订购数据、所述业务需求程度预测结果和所述价值预测评估结果中确定用户画像标签属性，并根据所述用户画像标签属性，构建所述目标用户的用户画像，包括：根据所述目标用户的业务产品使用情况，从所述业务产品订购数据、所述业务需求程度预测结果和所述价值预测评估结果中，获取具有相同属性类型的用户画像信息，并根据所述用户画像信息构建对应的目标画像标签；根据所述业务产品订购数据、所述业务需求程度预测结果和所述价值预测评估结果，构建第一画像标签和第二画像标签；其中，所述第一画像标签表示所述目标用户对应的所有画像标签，所述第二画像标签表示所述目标用户所在区域中所有用户对应的全部画像标签；根据所述目标画像标签和所述第一画像标签，获取所述目标画像标签在所述第一画像标签中的标签比重；根据所述目标画像标签和所述第二画像标签，获取所述目标画像标签在所有用户对应的全部画像标签中的标签出现几率；根据所述标签比重和所述标签出现几率，获取所述目标画像标签对应的综合权重值；对所述综合权重值进行排序，并根据排序结果确定所述目标画像标签的用户画像标签属性；根据所述目标画像标签和所述用户画像标签属性，构建所述目标用户的用户画像。4.根据权利要求1所述的用户价值预测方法，其特征在于，所述业务需求程度标签分类模型通过以下步骤得到：根据每个用户的业务产品订购样本数据，获取各个用户的业务产品偏好特征和用户活
跃度特征对应的业务需求映射关系，所述业务产品订购样本数据至少包括用户信息、业务产品信息、业务缴费信息和业务使用信息；基于所述业务产品偏好特征、所述用户活跃度特征和所述业务需求映射关系...

【专利技术属性】
技术研发人员：白晶晶，张涛，于建华，郜燕君，张小艳，钟龙龙，赵瑞珍，武海燕，赵莹，吴为民，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：