【技术实现步骤摘要】
本申请涉及计算机，具体涉及一种设备机型复购率的估计方法、装置、电子设备及存储介质。
技术介绍
1、电商平台的复购率是衡量平台用户忠诚度的重要指标之一。复购率高的平台通常意味着用户对平台的满意度高，同时也能带来更多的收入和利润。因此，预估复购率对于电商平台来说非常重要。
2、目前，对于设备的每个机型会有一个模型来预测这个机型的复购率。然而，如果某个机型的样本数据如果较少，会导致预测该机型的模型学习不充分，模型的预测效果较差。
技术实现思路
1、本申请实施例提供一种设备机型复购率的估计方法、装置、电子设备及存储介质，可以提高模型的设备复购率的预测效果。
2、本申请实施例的第一方面提供了一种设备机型复购率的估计方法，包括：
3、获取目标用户的用户数据；
4、对所述用户数据进行编码，得到用户特征；
5、将所述用户特征输入预测模型，得到预测向量，所述预测向量的各个维度的值表示各个维度对应的机型的复购概率；其中，所述预测模型采用多种机型的样本
【技术保护点】
1.一种设备机型复购率的估计方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述用户数据包括：用户基础属性信息、持机信息、用户行为信息和用户购机序列；所述将所述用户数据进行编码，得到用户特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述预测模型包括嵌入层、深度神经网络、交叉网络和门网络；所述将所述用户特征输入预测模型，得到预测向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述用户特征输入预测模型，得到预测向量之后，所述方法还包括：
5.根据权利要求1～4任一项所述的方法，其特...
【技术特征摘要】
1.一种设备机型复购率的估计方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述用户数据包括：用户基础属性信息、持机信息、用户行为信息和用户购机序列；所述将所述用户数据进行编码，得到用户特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述预测模型包括嵌入层、深度神经网络、交叉网络和门网络；所述将所述用户特征输入预测模型，得到预测向量，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述用户特征输入预测模型，得到预测向量之后，所述方法还包括：
5.根据权利要求1～4任一项所述的方法，其特征在于，所述获取目标用户的用户数据之前，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述训练标签...
【专利技术属性】
技术研发人员：王国强，吴存华，
申请(专利权)人：深圳市欢太科技有限公司，
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。