[发明专利]智能电视中潜在付费用户预测方法及系统

权利要求书

1.智能电视中潜在付费用户预测方法，其特征是，包括：

数据集构建：构建正相关数据集和负相关数据集；

数据特征提取：从正相关数据集中提取正相关特征；从负相关数据集中提取负相关特征；

数据特征衍生：对正相关特征进行衍生，生成正相关新特征；将正相关特征和正相关新特征进行特征融合，得到融合后的正相关特征；对负相关特征进行衍生，生成负相关新特征；将负相关特征和负相关新特征进行特征融合，得到融合后的负相关特征；

模型训练步骤：利用融合后的正相关特征和融合后的负相关特征对预先搭建的Embeded Wide&Deep模型进行训练，得到训练好的Embeded Wide&Deep模型；

潜在付费用户预测：提取待预测用户的用户自身行为特征、用户所观看节目的被动特征和被观看节目的主动特征；对提取的待预测用户的用户自身行为特征、用户所观看节目的被动特征和被观看节目的主动特征进行特征衍生，形成待预测用户的新特征；将待预测用户的新特征输入到训练好的Embeded Wide&Deep模型中，输出待预测用户是潜在付费用户还是非潜在付费用户；

所述正相关新特征，包括：连续正相关特征和连续-离散正相关特征；

衍生连续正相关特征：从正相关特征中衍生出设定时间段内用户观看已付费节目的天数、用户平均每天观看的节目数和用户平均每天观看已付费节目的时长特征；

衍生连续-离散正相关特征：从正相关特征中衍生出一周每天观看某种类型已付费节目的数量和一天每小时观看某种类型已付费节目的时长特征；

所述负相关新特征，包括：连续负相关特征和连续-离散负相关特征；

衍生连续负相关特征：从负相关特征中衍生出设定时间段内用户观看未付费节目的天数、用户平均每天观看的未付费节目数和用户平均每天观看未付费节目的时长特征；衍生连续-离散负相关特征：从负相关特征中衍生出一周每天观看某种类型未付费节目的数量和一天每小时观看某种类型未付费节目的时长特征。

2.如权利要求1所述的智能电视中潜在付费用户预测方法，其特征是，所述正相关数据集，包括：付费用户历史观看的付费节目、付费用户历史观看的非付费节目、付费用户历史付费记录、付费用户历史观看付费节目的介绍信息和付费用户历史观看非付费节目的介绍信息；所述付费用户历史付费记录，包括：付费用户历史观看的付费节目和对应的付费时间；

所述负相关数据集，包括：未付费用户历史观看的节目和未付费用户历史观看节目的介绍信息。

3.如权利要求1所述的智能电视中潜在付费用户预测方法，其特征是，

所述正相关特征，包括：节目观看时间段、历史付费记录频次、已付费节目的消费金额、节目的类型、节目的演员、节目的导演、节目的国家、节目的语言、节目的上映时间、节目的评分和节目对应的套餐ID；

所述负相关特征，包括：节目观看时间段、节目的类型、节目的演员、节目的导演、节目的国家、节目的语言、节目的上映时间、节目的评分和节目对应的套餐ID。

4.如权利要求1所述的智能电视中潜在付费用户预测方法，其特征是，待预测用户的用户自身行为特征，包括：用户观看电视的时间；

待预测用户所观看节目的被动特征，包括：用户设定时间范围内观看节目的天数，用户平均每天观看的节目数、用户平均每天观看的时长；

被观看节目的主动特征，包括：节目观看时间段、节目的类型、节目的演员、节目的导演、节目的国家、节目的语言、节目的上映时间、节目的评分和节目对应的套餐ID。