流失预测结果的获取方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种流失预测结果的获取方法、装置、设备及存储介质，涉及人工智能技术领域。所述方法包括：获取用户帐号针对应用程序的训练样本；通过流失预测模型对训练样本进行流失预测，得到表征用户帐号未来会流失的可能性的第一预测概率，表征用户帐号经过补偿操作后未来仍会流失的可能性的第二预测概率，以及表征用户帐号未经补偿操作未来会流失的可能性的第三预测概率；基于第一预测概率、第二预测概率和第三预测概率，得到流失预测模型的训练损失，该训练损失用于表征补偿操作带来的增益；根据训练损失对流失预测模型的参数进行调整。本申请实施例通过模型能够区分“补偿可留存”和“补偿不可留存”，从而提高补偿操作的提供合理性。

【技术实现步骤摘要】

本申请实施例涉及人工智能，特别涉及一种流失预测结果的获取方法、装置、设备及存储介质。

技术介绍

1、随着人工智能技术的发展，机器学习技术被广泛应用于用户帐号防流失任务中，用户帐号防流失是指防止用户帐号流失的过程，用户帐号在指定时间段内没有在产品(如游戏类应用程序)中完成关键行为(如登录、对战等)，则可判断该用户帐号流失，即该产品失去该用户帐号对应的用户。

2、在相关技术中，通过采用大量样本数据对神经网络模型进行训练，以得到能够预测用户帐号的流失可能性的流失预测模型，然后通过该流失预测模型获取目标用户帐号对应的流失预测概率(即流失可能性)，在流失预测概率满足补偿条件的情况下，对该目标用户帐号进行补偿，以使得该目标用户帐号留存。

3、然而，有的用户帐号为自然流失用户帐号，也即无论补不补偿这些用户帐号均会流失，因此，仅凭借流失预测概率对用户帐号进行补偿，不够合理。

技术实现思路

1、本申请实施例提供了一种流失预测结果的获取方法、装置、设备及存储介质，能够使得流失预测模型具有区分“自然流失用户本文档来自技高网...

【技术保护点】

1.一种流失预测结果的获取方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述流失预测模型以深度神经网络进行构建；

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一预测概率，得到所述流失预测模型的第一训练损失，包括：

4.根据权利要求2所述的方法，其特征在于，所述训练样本还包括用户帐号对应的标签数据，所述标签数据用于表征所述用户帐号是否已流失；

5.根据权利要求2所述的方法，其特征在于，所述根据所述训练损失对所述流失预测模型的参数进行调整，得到训练完成的流失预测模型，包括：

<p>6.根据权利要求...

【技术特征摘要】

1.一种流失预测结果的获取方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述流失预测模型以深度神经网络进行构建；

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一预测概率，得到所述流失预测模型的第一训练损失，包括：

4.根据权利要求2所述的方法，其特征在于，所述训练样本还包括用户帐号对应的标签数据，所述标签数据用于表征所述用户帐号是否已流失；

5.根据权利要求2所述的方法，其特征在于，所述根据所述训练损失对所述流失预测模型的参数进行调整，得到训练完成的流失预测模型，包括：

6.根据权利要求1所述的方法，其特征在于，所述流失预测模型包括至少一个决策树，所述决策树用于获取所述训练样本对应的第一预测概率、第二预测概率和第三预测概率；

7.根据权利要求6所述的方法，其特征在于，所述根据所述训练损失对所述流失预测模型的参数进行调整，得到训练完成的流失预测模型，包括：

8.一种流失预测结果的获取方法，其特征在于，所述方法包括：

9.根据权利要求8所述的方法，其特征在于，所述流失预测结果包括第一预测概率、第二预测概率和第三预测概率，所述第一预测概率用于表征所述在线活跃用户帐号未来会流失的可能性，所述第二预测概率用于表征所述在线活跃用户帐号经过补偿操作后未来仍会流失的可能性，所述第三预测概率用于表征所述在线活跃用户帐号未经补偿操作未来会流失的可能性。

10.根据权利要求9所述的...

【专利技术属性】
技术研发人员：谭莲芝，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：