[发明专利]智能电视中潜在付费用户预测方法及系统

说明书

本发明公开了智能电视中潜在付费用户预测方法及系统，包括：构建正相关数据集和负相关数据集；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；利用融合后的正相关新特征和融合后的负相关新特征对预先搭建的Embeded Wide&Deep模型进行训练，得到训练好的Embeded Wide&Deep模型；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。有效的挖掘潜在付费用户，提出了当前在智能电视领域的解决方案，以便于企业制定相应商业策略提升企业盈利能力。

技术领域

本发明涉及智能电视技术领域，特别是涉及智能电视中潜在付费用户预测方法及系统。

背景技术

随着互联网+和人工智能技术在家电中的应用,包括电视、冰箱和空调等日常家电的设计、制造和服务正在向智能型和网络化服务的方向发展。有预测显示,到2020年,智能电视市场占有率将达到90％以上，全球人工智能系统将为家电企业带来超过470亿美元的收入，展现出强大的市场潜力。这里智能电视可定义为既能接广播电视的宽带节目内容，又能点播电视厂家所提供的收费和免费影视套餐，以及网络视频提供商所给出的视频节目。由于人们生活水平的提高，根据中国最大电视厂家海信电视的用户统计分析，愿意观看付费节目的用户越来越多。随之带来了一个具有挑战性的课题，即如何预测一个用户会从目前非付费用户变成付费用户。显然，上述问题的解决将帮助企业进行用户行为分析、商业广告和优惠信息的精准投放、帮助电视厂家和视频网站等企业带来更多的利益。也同时帮助电视用户购买增值服务和得到更好的用户体验等。

目前国内外对于潜在付费用户预测问题的研究少之又少，目前的推荐系统对于吸引用户称为付费会员的方案，如节日搞活动，广撒网的方式发放优惠券等，这种方式对于根本不愿意付费的用户来说是一种“打扰”，同时效率低下。

由于智能电视中用户行为的复杂性以及数据信息的匮乏单一性，与传统电子商务中用户行为建模有本质区别，用于传统电子商务领域的相关解决方案，不适用于智能电视领域。

发明内容

为了解决现有技术的不足，本发明提供了智能电视中潜在付费用户预测方法及系统；

作为本发明的第一方面，提供了智能电视中潜在付费用户预测方法；

智能电视中潜在付费用户预测方法，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。

进一步的，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。