【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 ...
【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:
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。