数据处理方法、装置、设备及存储介质制造方法及图纸

本公开提供了一种数据处理方法、装置、设备及存储介质，可以应用于云技术、人工智能、智慧交通、辅助驾驶、游戏应用等各种场景。该方法包括基于对象流失预测模型分别对待识别对象在至少一个历史时间周期的各对象信息进行预测处理，得到预测结果和对象流失预测模型对应的分解模块序列中各目标模块输出的模块特征信息；获取分解模块序列中相邻的两个模块之间的输出影响力；根据预测结果、模块特征信息、输出影响力以及对象流失预测模型对应的各模块特征信息之间的连接关系，构建用于可视化展示的对象流失识别图，从而提高了流失分析的准确率。率。率。

【技术实现步骤摘要】
数据处理方法、装置、设备及存储介质


[0001]本公开涉及计算机领域，尤其涉及一种数据处理方法、装置、设备及存储介质。

技术介绍

[0002]对象流失是指减少对象账户操作应用程序的频率，并最终长期不登陆应用程序的过程。该对象流失的流失类型与应用程序相关，例如游戏玩家流失、购物买家账户流失、直播主播流失等。
[0003]相关技术中，主要通过针对对象流失的特征重要程度的高低，来进行对象流失分析处理，然而，该分析处理结果往往存在不准确的问题。

技术实现思路

[0004]本公开提供了一种数据处理、装置、设备及存储介质，以解决现有技术中至少一种技术问题。
[0005]一方面，本公开提供了一种数据处理方法，包括：
[0006]获取待识别对象在至少一个历史时间周期的对象信息；
[0007]对已训练的对象流失预测模型进行模块分解处理，得到分解模块序列；所述分解模块序列中各模块的排列顺序与所述对象流失预测模型中对应的模块的连接顺序相同；
[0008]基于所述对象流失预测模型分别对各所述对象信息进行预测处理，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取待识别对象在至少一个历史时间周期的对象信息；对已训练的对象流失预测模型进行模块分解处理，得到分解模块序列；所述分解模块序列中各模块的排列顺序与所述对象流失预测模型中对应的模块的连接顺序相同；基于所述对象流失预测模型分别对各所述对象信息进行预测处理，得到预测结果和所述分解模块序列中各目标模块所中间输出的模块特征信息；所述目标模块为所述分解模块序列中除用于输出所述预测结果的预测模块之外的模块；获取所述分解模块序列中相邻的两个模块之间的输出影响力；所述输出影响力表征所述分解模块序列中各目标模块的各模块特征信息对各自对应的下一个模块的贡献程度；根据所述预测结果、所述模块特征信息、所述输出影响力以及所述对象流失预测模型对应的各模块特征信息之间的连接关系，构建用于可视化展示的对象流失识别图。2.根据权利要求1的方法，其特征在于，所述对象流失预测模型包括特征提取模块和流失预测模块，所述基于所述对象流失预测模型分别对各所述对象信息进行预测处理，得到预测结果和所述分解模块序列中各目标模块输出的模块特征信息，包括：基于所述特征提取模块分别对各所述对象信息进行特征提取，得到各所述对象信息对应的初始特征信息；基于所述流失预测模块分别对各所述初始特征进行预测处理，得到预测结果和所述流失预测模块中各中间模块的中间输出特征信息；将所述初始特征信息和所述中间输出特征信息作为所述分解模块序列中各目标模块输出的模块特征信息。3.根据权利要求2的方法，其特征在于，所述基于所述特征提取模块分别对各所述对象信息进行特征提取，得到各所述对象信息对应的初始特征信息，包括：通过所述特征提取模块中的第一提取子模块分别对各所述对象信息进行对象画像特征提取，得到各所述对象信息对应的对象画像特征；通过所述特征提取模块中的第二提取子模块分别对各所述对象信息进行社交特征提取，得到各所述对象信息对应的对象社交特征；通过所述特征提取模块中的第三提取子模块对相邻时间周期的两两对象信息进行画像变化特征提取，得到各所述对象信息对应的画像变化特征；将所述对象画像特征、所述对象社交特征和所述画像变化特征作为所述初始特征信息。4.根据权利要求2的方法，其特征在于，在所述历史时间周期的数量为多个的情况下，所述流失预测模块包括第一网络模块、第二网络模块和预测模块，所述基于所述流失预测模块分别对各所述初始特征进行预测处理，得到预测结果和所述流失预测模块中各中间模块的中间输出特征信息，包括：通过所述第一网络模块中的第一提取单元分别对各所述初始特征进行显式特征提取，得到多个第一特征信息；通过所述第一网络模块中的第二提取单元分别对各所述初始特征进行隐式特征提取，得到多个第二特征信息；通过所述第一网络模块中的融合单元分别对各所述第一特征信息和对应的各所述第
二特征信息进行融合处理，得到对应的多个融合特征信息；通过所述第二网络模块对多个所述融合特征信息进行时序处理，得到时序特征信息；通过所述预测模块对所述时序特征信息进行预测处理，得到所述预测结果，并将所述多个融合特征信息和所述时序特征信息，作为所述流失预测模块中各中间模块的中间输出特征信息。5.根据权利要求1
‑
4任一的方法，其特征在于，所述根据所述预测结果、所述模块特征信息、所述输出影响力以及所述对象流失预测模型对应的各模块特征信息之间的连接关系，构建用于可视化展示的对象流失识别图，包括：基于所述输出影响力，按预设筛选顺序对所述模块特征信息进行筛选，得到筛选特征信息；所述预设筛选顺序与所述连接顺序相反；根据所述预测结果、所述筛选特征信息和所述对象流失预测模型对应的各模块特征信息之间的连接关系，构建用于可视化展示的所述对象流失识别图。6.根据权利要求5的方法，其特征在于，所述基于所述输出影响力，按预设筛选顺序对所述模块特征信息进行筛选，得到筛选特征信息，包括：基于所述预设筛选顺序，从所述分解模块序列中确定一个目标模块作为当前模块；基于所述当前模块输出的各模块特征信息分别对对应的下一个模块的输出影响力的绝对值大小，将经由大到小的顺序排序且排序靠前的预设数量的模块特征信息，筛选为所述当前模块的筛选特征信息；将所述分解模块序列中位于所述当前模块的前一个模块作为当前模块，返回筛选步骤，...

【专利技术属性】
技术研发人员：吴梓明，林文清，谢莱鑫，
申请(专利权)人：深圳市腾讯信息技术有限公司，
类型：发明
国别省市：