对象信息预测方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及计算机技术领域，尤其涉及一种对象信息预测方法、装置、电子设备及存储介质，所述方法包括：获取试用对象的对象特征；所述对象特征包括对象结构化特征以及对象非结构化特征；所述对象非结构化特征表征所述试用对象的对象描述信息；所述试用对象为在试用期限内使用目标服务的对象；对所述试用对象的对象非结构化特征进行特征量化处理，得到对象量化特征；基于所述对象结构化特征以及所述对象量化特征，对所述试用对象进行转化预测，得到所述试用对象的转化预测信息。本申请能够提高对象转化信息预测的准确性。象转化信息预测的准确性。象转化信息预测的准确性。

【技术实现步骤摘要】
对象信息预测方法、装置、电子设备及存储介质


[0001]本申请涉及计算机
，尤其涉及一种对象信息预测方法、装置、电子设备及存储介质。

技术介绍

[0002]在目标服务上线后，可通过注册试用的方式吸引对象试用该项服务，并且在试用完成之后，试用对象可实现转化，即从试用对象转化为有效转化对象，从而拥有对目标服务的正式使用权限。为了能够尽早发现各对象的转化意图，及时触达可能转化的对象，可对各对象进行的转化意图进行预测，以便于引导其真正转化为有效转化对象。
[0003]现有技术中，主要是通过传统的非线性回归拟合类方法进行转化意图的预测，传统的非线性回归拟合类方法一般是基于各对象的基本特征进行预测的，由于各对象的基本特征不能够实现对各对象的全面描述，从而导致对象特征不全，进而导致对各对象的转化意图预测不准确。

技术实现思路

[0004]本申请所要解决的技术问题在于，提供一种对象信息预测方法、装置、电子设备及存储介质，通过结合对象的结构化特征以及非结构化特征进行转化信息预测，增加了对象特征的特征维度，进而能够提高对象转化信息预测的准确性。
[0005]为了解决上述技术问题，一方面，本申请提供了一种对象信息预测方法，包括：
[0006]获取试用对象的对象特征；所述对象特征包括对象结构化特征以及对象非结构化特征；所述对象非结构化特征表征所述试用对象的对象描述信息；所述试用对象为在试用期限内使用目标服务的对象；
[0007]对所述试用对象的对象非结构化特征进行特征量化处理，得到对象量化特征；
[0008]基于所述对象结构化特征以及所述对象量化特征，对所述试用对象进行转化预测，得到所述试用对象的转化预测信息；所述转化预测信息表征所述试用对象转化为有效转化对象的预测信息，所述有效转化对象为在服务期限内使用所述目标服务的对象，所述服务期限为所述试用期限以外的时间期限。
[0009]另一方面，本申请提供了一种对象信息预测装置，包括：
[0010]对象特征获取模块，用于获取试用对象的对象特征；所述对象特征包括对象结构化特征以及对象非结构化特征；所述对象非结构化特征表征所述试用对象的对象描述信息；所述试用对象为在试用期限内使用目标服务的对象；
[0011]特征量化处理模块，用于对所述试用对象的对象非结构化特征进行特征量化处理，得到对象量化特征；
[0012]转化预测模块，用于基于所述对象结构化特征以及所述对象量化特征，对所述试用对象进行转化预测，得到所述试用对象的转化预测信息；所述转化预测信息表征所述试用对象转化为有效转化对象的预测信息，所述有效转化对象为在服务期限内使用所述目标
服务的对象，所述服务期限为所述试用期限以外的时间期限。
[0013]另一方面，本申请提供了一种电子设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的对象信息预测方法。
[0014]另一方面，本申请提供了一种计算机存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行如上述的对象信息预测方法。
[0015]实施本申请实施例，具有如下有益效果：
[0016]本申请中获取的对象特征包括试用对象的对象结构化特征以及对象非结构化特征，并进一步对对象非结构化特征进行特征量化处理，得到能够被直接使用的对象量化特征，然后基于结构化特征以及对象量化特征对使用对象进行转化预测，得到对试用对象从试用对象转化为有效转换对象的预测信息；在试用对象的对象结构化特征的基础上，引入试用对象的对象非结构化特征，能够提高试用对象的特征维度，基于对象结构化特征以及对象非结构化特征对试用对象的转化意图进行联合预测，能够提高预测结果的准确性。
附图说明
[0017]为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0018]图1是本申请实施例提供的实施环境示意图；
[0019]图2是本申请实施例提供的一种对象信息预测方法流程图；
[0020]图3是本申请实施例提供的对象特征量化模型的训练方法流程图；
[0021]图4是本申请实施例提供的预设量化模型结构示意图；
[0022]图5是本申请实施例提供的目标转化预测模型的训练方法流程图；
[0023]图6是本申请实施例提供的一种目标转化预测模型确定方法流程图；
[0024]图7是本申请实施例提供的一种特征提取方法流程图；
[0025]图8是本申请实施例提供的第一性能评估结果示意图；
[0026]图9是本申请实施例提供的第一性能评估结果示意图；
[0027]图10是本申请实施例提供的第一性能评估结果示意图；
[0028]图11是本申请实施例提供的第一性能评估结果示意图；
[0029]图12是本申请实施例提供的第一性能评估结果示意图；
[0030]图13是本申请实施例提供的一种对象信息预测装置示意图；
[0031]图14是本申请实施例提供的一种电子设备结构示意图。
具体实施方式
[0032]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得
的所有其他实施例，都属于本申请保护的范围。
[0033]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0034]请参阅图1，其示出了本申请实施例提供的实施环境示意图，该实施环境可包括：客户端110、业务服务器120以及预测服务器130；客户端110可与业务服务器120进行通信，业务服务器120可与预测服务器130进行通信。
[0035]具体地，客户端110可向业务服务器120发送注册请求，在注册成功的情况下，业务服务器120可向客户端110提供目标服务，业务服务器120还可获取注册对象的对象特征并存储，注册对象可以包括注册之后试用目标服务的试用对象，以及试用目标服务之后进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种对象信息预测方法，其特征在于，包括：获取试用对象的对象特征；所述对象特征包括对象结构化特征以及对象非结构化特征；所述对象非结构化特征表征所述试用对象的对象描述信息；所述试用对象为在试用期限内使用目标服务的对象；对所述试用对象的对象非结构化特征进行特征量化处理，得到对象量化特征；基于所述对象结构化特征以及所述对象量化特征，对所述试用对象进行转化预测，得到所述试用对象的转化预测信息；所述转化预测信息表征所述试用对象转化为有效转化对象的预测信息，所述有效转化对象为在服务期限内使用所述目标服务的对象，所述服务期限为所述试用期限以外的时间期限。2.根据权利要求1所述的方法，其特征在于，所述对所述对象非结构化特征进行特征量化处理，得到对象量化特征之前，所述方法还包括：获取第一样本；所述第一样本包括样本对象的对象非结构化特征；对所述样本对象的对象非结构化特征中的至少一个词进行掩码处理，得到掩码特征；将所述掩码特征输入预设量化模型对被掩码的词进行预测，得到掩码预测信息；基于所述样本对象的对象非结构化特征以及所述掩码预测信息，确定第一损失信息；基于所述第一损失信息对所述预设量化模型进行训练，得到对象特征量化模型；所述对所述对象非结构化特征进行特征量化处理，得到对象量化特征，包括：将所述对象非结构化特征输入所述对象特征量化模型进行特征量化处理，得到所述对象量化特征。3.根据权利要求1所述的方法，其特征在于，所述基于所述对象结构化特征以及所述对象量化特征，对所述试用对象进行转化预测，得到所述试用对象的转化预测信息，包括：将所述对象结构化特征以及对象量化特征输入目标转化预测模型进行转化预测，得到所述试用对象的转化预测信息；所述目标转化预测模型基于有效转化对象的对象特征，以及无效转化对象的对象特征进行训练得到；所述无效转化对象为在所述试用期限之后的预设期限内没有转化为有效转化对象的试用对象。4.根据权利要求3所述的方法，其特征在于，所述将所述对象结构化特征以及对象量化特征输入转化预测模型进行转化预测，得到所述试用对象的转化预测信息之前，所述方法还包括：获取第二样本；所述第二样本包括所述有效转化对象的对象结构化特征、所述有效转化对象的对象量化特征、所述有效转化对象的转化标签、所述无效转化对象的对象结构化特征、所述无效转化对象的对象量化特征以及所述无效转化对象的转化标签；将所述有效转化对象的对象结构化特征、所述有效转化对象的对象量化特征输入预设转化预测模型，得到第一预测信息；将所述无效转化对象的对象结构化特征、所述无效转化对象的对象量化特征输入所述预设转化预测模型，得到第二预测信息；基于所述有效转化对象的转化标签与所述第一预测信息的第一损失信息，以及所述无效转化对象的转化标签与所述第二预测信息的第二损失信息，对所述预设转化预测模型进行训练，得到所述目标转化预测模型。
5.根据权利要求4所述的方法，其特征在于，所述第二样本包括与多个样本时间段各自对应的样本，所述多个样本时间段的时长不同；每个样本中包含的有效转化对象从注册到转化为有效转化对象之间的时长，小于等于所述每个样本对应的样本时间段的时长，所述每个样本中包含的无效转化对象为从注册开始的样本时间段内没有转化为有效转化对象的对象；所述基于所述有效转化对象的转化标签与所述第一预测信息的第一损失信息，以及所述无效转化对象的转化标签与所述第二预测信息的第二损失信息，对所述预设转化预测模型进行训练，得到所述目标转化预测模型，包括：基于多个样本各自对应的第一损失信息以及第...

【专利技术属性】
技术研发人员：杨洪兵，黄炳琪，顾海，周端瑞，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：