[发明专利]一种数据下载处理方法和装置

权利要求书

1.一种数据下载处理方法，其特征在于，包括：

响应客户端发送的应用下载请求；

获取所述客户端在下载业务期间内的与至少一个关键下载特征类型分别对应的目标特征值；

基于已训练的SVM模型计算所述目标特征值对应的下载取消概率；所述SVM模型是根据多个历史用户分别对应的关键历史下载数据训练得到，各关键历史下载数据均包括下载状态以及各关键下载特征类型分别对应的历史特征值；

若所述下载取消概率大于预设概率阈值，则向所述客户端推送与所述客户端的用户信息对应的业务数据包。

2.根据权利要求1所述的方法，其特征在于，在所述响应客户端发送的应用下载请求之前，还包括：

获取多个历史用户分别对应的原始历史下载数据，并在各原始历史下载数据所涉及的多个下载特征类型中筛选至少一个关键下载特征类型；每个原始历史下载数据均包括下载状态以及所述多个下载特征类型分别对应的历史特征值；

将所述各原始历史下载数据中的下载状态以及与各关键下载特征类型分别对应的历史特征值，确定为各历史用户分别对应的关键历史下载数据；

根据所述各关键历史下载数据训练支持向量机SVM模型。

3.根据权利要求2所述的方法，其特征在于，所述下载状态包括下载取消状态和下载完成状态；

所述根据所述各关键历史下载数据训练支持向量机SVM模型，包括：

将所述各关键历史下载数据中的与各关键下载特征类型分别对应的历史特征值确定为所述SVM模型的训练输入值，并将所述各关键历史下载数据中的下载状态确定为所述SVM模型的训练输出值；

根据所述训练输入值和所述训练输出值，计算所述SVM模型中的分类超平面对应的超平面参数；所述分类超平面是用于对具有所述下载完成状态的关键历史下载数据和具有所述下载取消状态的关键历史下载数据进行分类；所述超平面参数包括：法向量和位移项值。

4.根据权利要求3所述的方法，其特征在于，所述基于已训练的SVM模型计算所述目标特征值对应的下载取消概率，包括：

将所述目标特征值作为所述SVM模型的输入向量，并将所述输入向量和所述法向量进行相乘，并将相乘后的值与所述位移项值进行相加，并将相加后的值与所述法向量的模值进行相除，得到所述输入向量到所述分类超平面之间的目标距离；

基于所述SVM模型中的概率转换函数，计算所述目标距离对应的下载取消概率。

5.根据权利要求1所述的方法，其特征在于，还包括：

若所述客户端处于下载完成状态或下载取消状态，则将所述客户端对应的用户信息确定为历史用户，并将所述目标特征值与所述客户端对应的下载状态确定为关键历史下载数据。

6.根据权利要求5所述的方法，其特征在于，还包括：

若模型待更新时长达到预设的周期时长，则获取所述周期时长内所记录的新增的关键历史下载数据，并根据在所述周期时长之前所记录的关键历史下载数据和所述新增的关键历史下载数据，更新所述SVM模型的超平面参数，并将所述模型待更新时长清零。

7.根据权利要求2所述的方法，其特征在于，所述获取多个历史用户分别对应的原始历史下载数据，并在各原始历史下载数据所涉及的多个下载特征类型中筛选至少一个关键下载特征类型，包括：

获取多个历史用户分别对应的原始历史下载数据，并提取各原始历史下载数据所涉及的多个下载特征类型；

根据所述多个下载特征类型生成多个待处理特征集合，并计算各待处理特征集合分别对应的信息熵增益，并在所述各待处理特征集合分别对应的信息熵增益中选择最大信息熵增益，并将具有所述最大信息熵增益的待处理特征集合中的下载特征类型确定为关键下载特征类型；所述各待处理特征集合包括至少一个下载特征类型。