[发明专利]一种构建电子券敏感度识别模型的方法和装置

权利要求书

1.一种构建电子券敏感度识别模型的方法，其特征在于，包括：

根据电子券的应用场景获取用户样本数据；

根据电子券的电子券信息对电子券进行归类以得到电子券种类；

根据电子券的应用场景确定行为特征；

根据所述用户样本数据、电子券种类和行为特征训练电子券敏感度识别模型。

2.根据权利要求1所述的方法，其特征在于，根据所述用户样本数据、电子券种类和行为特征训练电子券敏感度识别模型的步骤包括：

从所述用户样本数据中选取出训练集；

根据所述训练集、电子券种类和行为特征，使用有监督的分类算法训练所述电子券敏感度识别模型。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

在根据所述训练集、电子券种类和行为特征，使用有监督的分类算法训练所述电子券敏感度识别模型的步骤后，

从除所述训练集外的所述用户样本数据中选取出验证集，使用所述电子券敏感度识别模型对所述验证集进行预测，判断预测结果是否达到预期要求；

若达到，则保存所述电子券敏感度识别模型；若未达到，则选择新的行为特征，以及根据所述新的行为特征重新训练所述电子券敏感度识别模型。

4.根据权利要求2所述的方法，其特征在于，所述有监督的分类算法包括K-近邻算法、决策树算法、朴素贝叶斯算法、Logistic回归算法、SVM算法或AdaBoost元算法中的至少一种。

5.根据权利要求4所述的方法，其特征在于，所述有监督的分类算法为梯度迭代决策树算法。

6.根据权利要求1所述的方法，其特征在于，所述电子券信息包括面额、限额或折扣率中的至少一种。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

在根据电子券的应用场景获取用户样本数据的步骤后，

根据所述用户样本数据中用户对电子券的使用情况，在所述用户样本数据中添加用户的电子券使用标记。

8.一种构建电子券敏感度识别模型的装置，其特征在于，包括：

样本选取模块，用于根据电子券的应用场景获取用户样本数据；

电子券归类模块，用于根据电子券的电子券信息对电子券进行归类以得到电子券种类；

特征确定模块，用于根据电子券的应用场景确定行为特征；

训练模块，根据所述用户样本数据、电子券种类和行为特征训练电子券敏感度识别模型。

9.根据权利要求8所述的装置，其特征在于，所述训练模块还用于：

从所述用户样本数据中选取出训练集；

根据所述训练集、电子券种类和行为特征，使用有监督的分类算法训练所述电子券敏感度识别模型。

10.根据权利要求9所述的装置，其特征在于，所述装置还包括：

效果评估模块，用于从除所述训练集外的所述用户样本数据中选取出验证集，使用所述电子券敏感度识别模型对所述验证集进行预测，判断预测结果是否达到预期要求；若达到，则保存所述电子券敏感度识别模型；若未达到，则选择新的行为特征，以及根据所述新的行为特征重新训练所述电子券敏感度识别模型。

11.根据权利要求9所述的装置，其特征在于，所述有监督的分类算法包括K-近邻算法、决策树算法、朴素贝叶斯算法、Logistic回归算法、SVM算法或AdaBoost元算法中的至少一种。

12.根据权利要求11所述的装置，其特征在于，所述有监督的分类算法为梯度迭代决策树算法。

13.根据权利要求8所述的装置，其特征在于，所述装置还包括：

券使用标记模块，用于根据所述用户样本数据中用户对电子券的使用情况，在所述用户样本数据中添加用户的电子券使用标记。

14.根据权利要求8所述的装置，其特征在于，所述电子券信息包括面额、限额或折扣率中的至少一种。

15.一种构建电子券敏感度识别模型的电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

16.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。