【技术实现步骤摘要】
短信触达时间预测方法、装置、计算机设备及存储介质
[0001]本申请涉及人工智能
,尤其涉及一种短信触达时间预测方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着互联网的快速发展,移动支付、线上理财等服务已经成为人们日常生活的一部分。短信营销作为一种常见的营销手段,已经被广泛应用于互联网中的各个领域,如金融领域,为企业营销和用户获取提供了有力支持。
[0003]由于不同用户有不同的特性,例如不同的作息时间,所以短信营销中的触达时间对于用户是否最终转化至关重要。
[0004]为提高短信的营销效果,需要为不同的用户分别预测短信的触达时间,然而现有技术的预测方法往往只能通过用户基本静态信息来预测最佳触达时段,缺乏深入挖掘用户行为的能力,导致短信触达时间预测结果的准确率不高。
技术实现思路
[0005]本申请实施例提供了一种短信触达时间预测方法、装置、计算机设备及存储介质,可以提高短信触达时间预测结果的准确率。
[0006]第一方面,本申请实施例提供了一种短信触达时间预测方法,所述方法应用于短信触达时间预测系统,所述短信触达时间预测系统中预设有短信触达时间预测模型,所述短信触达时间预测模型包括第一输入层、自注意力层、第一多层神经网络层以及第一输出层,所述方法包括:
[0007]获取目标用户的基本属性信息以及所述目标用户在目标应用中的行为属性信息,并将所述基本属性信息以及所述行为属性信息输入所述短信触达时间预测模型;
[0008]通过所述第一输入层确定所 ...
【技术保护点】
【技术特征摘要】
1.一种短信触达时间预测方法,其特征在于,所述方法应用于短信触达时间预测系统,所述短信触达时间预测系统中预设有短信触达时间预测模型,所述短信触达时间预测模型包括第一输入层、自注意力层、第一多层神经网络层以及第一输出层,所述方法包括:获取目标用户的基本属性信息以及所述目标用户在目标应用中的行为属性信息,并将所述基本属性信息以及所述行为属性信息输入所述短信触达时间预测模型;通过所述第一输入层确定所述基本属性信息的第一目标向量特征以及所述行为属性信息的第二目标向量特征;将所述第一目标向量特征以及所述第二目标向量特征输入所述自注意力层进行第一特征交互提取处理,得到第一高阶特征;以及将所述第一目标向量特征以及所述第二目标向量特征输入所述第一多层神经网络层进行第二特征交互提取处理,得到第二高阶特征;将所述第一高阶特征以及所述第二高阶特征输入所述第一输出层进行触达时间预测处理,得到所述目标用户的短信触达时间预测结果。2.根据权利要求1所述的方法,其特征在于,所述第一输入层包括稀疏向量特征层以及嵌入层;所述通过所述第一输入层确定所述基本属性信息的第一目标向量特征以及所述行为属性信息的第二目标向量特征,包括:通过所述稀疏向量特征层对所述基本属性信息以及所述行为属性信息分别进行独热编码处理,得到所述基本属性信息的第一稀疏向量特征以及所述行为属性信息的第二稀疏向量特征;通过所述嵌入层对所述第一稀疏向量特征以及所述第二稀疏向量特征分别进行降维处理,得到所述第一目标向量特征以及所述第二目标向量特征。3.根据权利要求1所述的方法,其特征在于,所述第一输出层包括第二多层神经网络层以及第一全连接层;所述将所述第一高阶特征以及所述第二高阶特征输入所述第一输出层进行触达时间预测处理,得到所述目标用户的短信触达时间预测结果,包括:通过所述第二多层神经网络层对所述第一高阶特征以及所述第二高阶特征进行特征融合处理,得到目标高阶特征;将所述目标高阶特征输入所述第一全连接层进行触达时间预测处理,得到所述短信触达时间预测结果。4.根据权利要求3所述的方法,其特征在于,所述将所述目标高阶特征输入所述第一全连接层进行触达时间预测处理,得到所述短信触达时间预测结果,包括:通过所述第一全连接层对所述目标高阶特征进行归一化处理,得到多个预设时段分别对应的预测概率;将多个所述预测时段中所述预测概率最大的预设时段确定为目标时段,将所述目标时段作为所述短信触达时间预测结果。5.根据权利要求1至4中任一项所述的方法,其特征在于,所述将所述基本属性信息以及所述行为属性信息输入所述短信触达时间预测模型之前,所述方法还包括:构建贝叶斯模型,所述贝叶斯模型包括所述短信触达时间预测模型、用户回访概率预测模型以及综合输出层;获取多个训练样本,各所述训练样本包括基本属性样本信息、行为属性样本信息、短信特征样本信息以及样本标签;
从多个所述训练样本中确定目标训练样本;将所述目标训练样本对应的所述基本属性样本信息以及所述行为属性样本信息输入所述短信触达时间预测模型进行第一预测结果预测处理,得到第一预测结果;以及将所述目标训练样本对应的所述短信特征样本信息输入所述用户回访概率预测模型进行第二预测结果预测处理,得到第二预测结果;将所述第一预测结果以及第二预测结果输入所述综合输出层进行目标概率预测处理,得到目标预测结果;根据所述目标预测结果以及所述目标样本对应的所述样本标签确定损失值;若根据所述损失值以及预设的收敛条件确定所述贝叶斯模型未收敛,则根据所述损失值对所述贝叶斯模型进行参数优化处理,...
【专利技术属性】
技术研发人员:陈敬武,
申请(专利权)人:深圳市乐信信息服务有限公司,
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。