[发明专利]拥车状态识别方法及装置

权利要求书

1.一种拥车状态识别方法，其特征在于，包括：

对预存的用户行为数据进行分析处理，以生成模型特征向量；

基于所述模型特征向量训练拥车状态识别模型；

将用户待识别数据输入所述拥车状态识别模型，根据拥车状态识别模型输出结果确定用户所属拥车状态。

2.根据权利要求1所述的一种拥车状态识别方法，其特征在于，所述用户行为数据包括以下任一项或多项：

用户输入数据；

网页历史访问数据。

3.根据权利要求1-2任一项所述的一种拥车状态识别方法，其特征在于，对预存的用户行为数据进行分析处理，以生成模型特征向量，包括：

对预存的用户行为数据进行分类操作，以确定所述用户行为数据的归属分类类别；

根据预设过滤规则对所述分类类别进行筛选合并操作，以删除冗余分类类别及合并相关的分类类别；

基于筛选合并后的分类类别对应的用户行为数据，生成模型特征向量。

4.根据权利要求3所述的一种拥车状态识别方法，其特征在于，基于筛选合并后的分类类别对应的用户行为数据，生成模型特征向量，包括：

按照预定计算规则对各个筛选合并后的分类类别进行重要度和区分度的计算，以确定各个筛选合并后的分类类别的重要度和区分度；

提取重要度大于第一设定阈值且区分度大于第二设定阈值的分类类别对应的用户行为数据，并生成相应的模型特征向量。

5.根据权利要求1所述的一种拥车状态识别方法，其特征在于，基于所述模型特征向量训练拥车状态识别模型，包括：

基于所述模型特征向量通过GBDT算法训练所述拥车状态识别模型。

6.根据权利要求1所述的一种拥车状态识别方法，其特征在于，将用户待识别数据输入所述拥车状态识别模型，包括：

基于用户待识别数据生成相应的拥车待识别特征向量，并将所述拥车待识别特征向量输入所述拥车状态识别模型。

7.根据权利要求1-6任一项所述的一种拥车状态识别方法，其特征在于，当确定用户所属拥车状态为未拥车状态，所述方法还包括：

将所述用户待识别数据输入预先训练的购车阶段识别模型，根据购车阶段识别模型输出结果确定用户所属购车阶段。

8.根据权利要求7所述的一种拥车状态识别方法，其特征在于，所述预先训练的购车阶段识别模型基于以下方法得到：

基于所述模型特征向量训练购车阶段识别模型。

9.根据权利要求8所述的一种拥车状态识别方法，其特征在于，基于所述模型特征向量训练购车阶段识别模型，包括：

依据用户行为数据的预设标签从所有模型特征向量中提取与未拥车标签相应的模型特征向量，并将与未拥车标签相应的模型特征向量作为购车特征向量。

10.根据权利要求9所述的一种拥车状态识别方法，其特征在于，基于所述模型特征向量训练购车阶段识别模型，包括：

基于所述购车特征向量通过k-means算法训练所述购车阶段识别模型。

11.根据权利要求7-10任一项所述的一种拥车状态识别方法，其特征在于，所述用户所属购车阶段包括以下任一项或多项：

兴趣阶段；

意向阶段；

购买阶段。

12.一种拥车状态识别装置，其特征在于，包括：

生成模块，用于对预存的用户行为数据进行分析处理，以生成模型特征向量；

训练模块，用于基于所述模型特征向量训练拥车状态识别模型；

第一确定模块，用于将用户待识别数据输入所述拥车状态识别模型，根据拥车状态识别模型输出结果确定用户所属拥车状态。

13.根据权利要求12所述的装置，其特征在于，所述用户行为数据包括以下任一项或多项：

用户输入数据；

网页历史访问数据。