[发明专利]预测饱和拐点的方法及装置

说明书

本发明提供一种预测饱和拐点的方法及其相应的装置，导入与预设的运营维度相关的历史运营数据信息流；根据所述历史运营数据信息流利用逻辑回归训练序列分类模型，从中得到饱和拐点出现时刻的特征信息；将当前时刻的运营数据作为测试样本输入到所述序列分类模型，并根据与所述饱和拐点出现时刻的特征信息进行的比较，判断所述当前时刻的运营数据是否到达饱和拐点。本发明可以从海量的运营数据中获取特征信息，预测饱和拐点出现的时机，并把饱和拐点的识别结果应用于推广精准导量项目，指导产品运营方做决策，通过更加高效地调配推广资源以显著提升运营效率。

技术领域

本发明涉及互联网资源分配技术领域，具体而言，本发明涉及一种预测饱和拐点的方法及装置。

背景技术

随着互联网的发展，各个网络运营平台的主要工作是争取更多的用户量,并对用户“流量”资源进行有效的调配分流。从资源的调配实践中发现，很多关键的运营指标(如人均价值)会随着推广资源的增加出现饱和。对饱和拐点的预测具有很高的业务价值，譬如能指导业务决策人员制定对应的运营策略。另一方面，由于用户的规模和特性随时间发生变化，各个运营指标都存在不同程度的波动，甚至局部出现抖动。如何从波动的数据中预测饱和拐点是行业的技术难题。据所知的文献，业界一般依靠人工观察或者经验定义规则的方法来判断拐点。面对繁多的运营指标和推广候选，人工观察的方法难以奏效。经验的主观性导致结果的不稳定，难以沉淀于后期应用，而且性能和效果一般都不高。

发明内容

本发明的首要目的旨在至少能解决上述的技术缺陷之一，特别是人工观察法的经验主观性导致结果不稳定的技术缺陷，而提供一种预测饱和拐点的方法及其相应的装置。

基于上述目的，本发明采取如下技术方案：

本发明提供一种预测饱和拐点的方法，包括如下步骤：

导入与预设的运营维度相关的历史运营数据信息流；

根据所述历史运营数据信息流利用逻辑回归训练序列分类模型，从中得到饱和拐点出现时刻的特征信息；

将当前时刻的运营数据作为测试样本输入到所述序列分类模型，并根据与所述饱和拐点出现时刻的特征信息进行的比较，判断所述当前时刻的运营数据是否到达饱和拐点。

在其中一个实施例中，所述根据所述历史运营数据信息流利用逻辑回归训练序列分类模型，从中得到饱和拐点出现时刻的特征信息之前还包括：

采集所述历史运营数据信息流中各个时期的特征数据；

基于目标运营维度的历史数值序列，找出所述序列中的最大值作为拐点；

将所述历史数值序列以及是否处于拐点的信息组合生成至少一个训练样本。

在其中一个实施例中，所述训练样本是由状态值和特征值组成的向量，通过状态值表示所述训练样本是否处于拐点，当处于拐点时，通过相应的训练样本的特征值得到所述饱和拐点出现时刻的特征信息。

在其中一个实施例中，通过记忆门控记录所有预测信号的数据及其先后顺序，将所述数据的特征信息以波形模式输出，当测试样本与这些模式的波形相似度达到设定阈值时，则认为所述样本处于饱和拐点状态。

在其中一个实施例中，所述将当前时刻的运营数据作为测试样本输入到所述序列分类模型包括将测试样本转化为向量表示形式并输入序列记忆单元做数值变换，通过均值汇集策略生成基于序列的预测信号。

本发明还提供一种预测饱和拐点的装置，包括：

导入模块，导入与预设的运营维度相关的历史运营数据信息流；

训练模块，根据所述历史运营数据信息流利用逻辑回归训练序列分类模型，从中得到饱和拐点出现时刻的特征信息；