【技术实现步骤摘要】
本公开涉及人工智能技术中的大数据、深度学习等，尤其涉及一种数据分类、分类模型训练方法、装置、设备、介质及产品。
技术介绍
1、在复杂的商业场景中，有效获取商业收入来源是较为重要的行为。目前，一般可以采集用户支付订单的时间、设备类型、互动次数等原始数据，采用分类模型对该原始数据的付费原因进行原因类别的预测，获得用户的付费原因类别。
2、但是，使用原始数据输入到分类模型获得的付费原因类别并不准确，导致付费原因的定位不准确。
技术实现思路
1、本公开提供了一种用于付费归因的数据分类、分类模型训练方法、装置、设备、介质及产品。
2、根据本公开的第一方面，提供了一种数据分类方法，包括：
3、接收目标用户触发的付费操作，所述付费操作是指对应用程序的至少一个功能点中的目标功能点进行订单支付的操作，所述功能点是指为获取应用程序的预设功能设置的付费操作节点；
4、获取与所述付费操作对应的操作行为数据，并获取所述目标用户对所述目标功能点触发的用户行为数据；
5、通过预设目标分类模型，利用所述操作行为数据和所述用户行为数据，对所述目标用户执行所述付费操作的原因进行分类，获得目标原因类别。
6、根据本公开的第二方面，提供了一种分类模型训练方法，用于训练目标分类模型，以获得第一方面的预设目标分类模型，所述方法包括：
7、确定为应用程序设置的至少一个功能点，所述功能点是指为获取所述应用程序的功能而设置的付费操作节点；
<...【技术保护点】
1.一种数据分类方法，包括：
2.根据权利要求1所述的方法，其中，所述通过预设目标分类模型，利用所述操作行为数据和所述用户行为数据，对所述目标用户执行所述付费操作的原因进行分类，获得目标原因类别，包括：
3.根据权利要求2所述的方法，其中，所述根据所述操作行为数据和所述用户行为数据，提取所述付费操作对应的用户行为特征，包括：
4.根据权利要求3所述的方法，其中，所述根据所述用户行为数据，提取所述目标用户的使用行为特征，包括：
5.根据权利要求3或4所述的方法，其中，所述基于所述操作行为数据，提取所述付费操作对应的付费操作特征，包括：
6.根据权利要求5所述的方法，其中，所述将所述使用行为特征和所述付费操作特征进行特征融合，获得所述用户行为特征，包括：
7.根据权利要求2-6任一项所述的方法，其中，所述用户行为特征包括：多个操作步骤分别对应的目标数量、所述目标功能点的功能点信息、所述目标用户的用户信息、与所述付费操作的操作时间对应的单位时段、所述付费操作对应的付费信息、以及最小点击时间间隔，所述最小点击时间间隔
8.根据权利要求1-7任一项所述的方法，其中，所述获取与所述付费操作对应的操作行为数据，并获取所述目标用户对所述目标功能点触发的用户行为数据，包括：
9.根据权利要求1-8任一项所述的方法，其中，所述获取所述目标用户对所述目标功能点触发的用户行为数据，包括：
10.根据权利要求1-9任一项所述的方法，其中，所述获取所述目标用户对所述目标功能点触发的用户行为数据，包括：
11.一种分类模型训练方法，用于训练目标分类模型，以获得权利要求1-10中的预设目标分类模型，所述方法包括：
12.根据权利要求11所述的方法，其中，所述基于至少一个所述功能点，确定样本数据集，包括：
13.根据权利要求12所述的方法，所述检测任意预设用户对至少一个所述功能点中目标功能点触发的付费操作，获得多个所述付费操作之后，还包括：
14.根据权利要求11-13任一项所述的方法，其中，所述用户行为特征包括：多个操作步骤分别对应的目标数量、所述目标功能点的功能点信息、所述目标用户的用户信息、与所述付费操作的操作时间对应的单位时段、所述付费操作对应的付费信息、以及最小点击时间间隔，所述最小点击时间间隔是指与所述付费操作时间间隔最小的点击操作对应的时间与所述操作时间的时间差。
15.根据权利要求11-14任一项所述的方法，其中，所述利用所述样本数据集，训练分类模型，获得所述目标分类模型，包括：
16.根据权利要求11-15任一项所述的方法，其中，所述利用所述样本数据集，训练分类模型，获得所述目标分类模型，包括：
17.根据权利要求11-16任一项所述的方法，其中，所述利用所述样本数据集，训练分类模型，获得所述目标分类模型，包括：
18.根据权利要求11-17任一项所述的方法，还包括：
19.一种数据分类装置，包括：
20.根据权利要求19所述的装置，其中，所述分类单元，包括：
21.根据权利要求20所述的装置，其中，所述特征提取模块，包括：
22.根据权利要求21所述的装置，其中，所述第一提取子模块，具体用于：
23.根据权利要求21或22所述的装置，其中，所述第二提取子模块，具体用于：
24.根据权利要求23所述的装置，其中，所述特征融合子模块具体用于：
25.根据权利要求20-24任一项所述的装置，其中，所述用户行为特征包括：
26.根据权利要求19-25任一项所述的装置，其中，所述获取单元，包括：
27.根据权利要求19-26任一项所述的装置，其中，所述获取单元，包括：
28.根据权利要求19-27任一项所述的装置，其中，所述获取单元，包括：
29.一种分类模型训练装置，用于训练目标分类模型，以获得权利要求1-11中的预设目标分类模型，所述装置包括：
30.根据权利要求29所述的装置，其中，所述样本单元，包括：
31.根据权利要求30所述的装置，还包括：
32.根据权利要求29-31任一项所述的装置，其中，所述用户行为特征包括：
33.根据权利要求29-32任一项所述的装置，其中，所述训练单元，包括：
34.根据权利要求29-33任一项所述的装置，其中，所述训练单元，包括：
【技术特征摘要】
1.一种数据分类方法，包括：
2.根据权利要求1所述的方法，其中，所述通过预设目标分类模型，利用所述操作行为数据和所述用户行为数据，对所述目标用户执行所述付费操作的原因进行分类，获得目标原因类别，包括：
3.根据权利要求2所述的方法，其中，所述根据所述操作行为数据和所述用户行为数据，提取所述付费操作对应的用户行为特征，包括：
4.根据权利要求3所述的方法，其中，所述根据所述用户行为数据，提取所述目标用户的使用行为特征，包括：
5.根据权利要求3或4所述的方法，其中，所述基于所述操作行为数据，提取所述付费操作对应的付费操作特征，包括：
6.根据权利要求5所述的方法，其中，所述将所述使用行为特征和所述付费操作特征进行特征融合，获得所述用户行为特征，包括：
7.根据权利要求2-6任一项所述的方法，其中，所述用户行为特征包括：多个操作步骤分别对应的目标数量、所述目标功能点的功能点信息、所述目标用户的用户信息、与所述付费操作的操作时间对应的单位时段、所述付费操作对应的付费信息、以及最小点击时间间隔，所述最小点击时间间隔是指与所述付费操作时间间隔最小的点击操作对应的时间与所述操作时间的时间差。
8.根据权利要求1-7任一项所述的方法，其中，所述获取与所述付费操作对应的操作行为数据，并获取所述目标用户对所述目标功能点触发的用户行为数据，包括：
9.根据权利要求1-8任一项所述的方法，其中，所述获取所述目标用户对所述目标功能点触发的用户行为数据，包括：
10.根据权利要求1-9任一项所述的方法，其中，所述获取所述目标用户对所述目标功能点触发的用户行为数据，包括：
11.一种分类模型训练方法，用于训练目标分类模型，以获得权利要求1-10中的预设目标分类模型，所述方法包括：
12.根据权利要求11所述的方法，其中，所述基于至少一个所述功能点，确定样本数据集，包括：
13.根据权利要求12所述的方法，所述检测任意预设用户对至少一个所述功能点中目标功能点触发的付费操作，获得多个所述付费操作之后，还包括：
14.根据权利要求11-13任一项所述的方法，其中，所述用户行为特征包括：多个操作步骤分别对应的目标数量、所述目标功能点的功能点信息、所述目标用户的用户信息、与所述付费操作的操作时间对应的单位时段、所述付费操作对应的付费信息、以及最小点击时间间隔，所述最小点击时间间隔是指与所述付费操作时间间隔最小的点击操作对应的时间与所述操作时间的时间差。
15.根据权利要...
【专利技术属性】
技术研发人员：王国俊，姚后清，李睿，
申请(专利权)人：北京百度网讯科技有限公司，
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。