[发明专利]一种可支配收入的预测方法、装置、服务器及存储介质

权利要求书

1.一种可支配收入的预测方法，其特征在于，包括：

获取与目标用户相关联的目标关联信息；其中，所述目标关联信息包括目标用户的基本信息、用户的行为数据以及与所述用户相关的第三方数据；

基于预先训练得到的至少两个目标预测模型，分别确定与所述目标关联信息相对应的概率值；其中，所述至少两个目标预测模型包括第一预测模型和第二预测模型；

根据所述概率值，得到与可支配收入相对应的可支配概率值，并根据所述可支配概率值确定目标用户的可支配收入。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取至少三组与用户相关联的关联数据作为第一样本数据；其中，所述第一样本数据中包括第一类型数据，以及第二类型数据，所述第一类型数据中数据的数量大于所述第二类型数据中数据的数量；

采用梯度提升决策算法对所述第一样本数据进行训练，得到所述第一预测模型；

其中，所述第一预测模型用于基于所述关联信息生成与所述关联信息相对应的第一概率值。

3.根据权利要求1所述的方法，其特征在于，还包括：

获取至少三组与用户相关联的关联数据作为第二样本数据；其中，所述第二样本数据中包括第一类型数据和第二类型数据，所述第一类型数据中数据的数量小于所述第二类型数据中数据的数量；

采用梯度提升决策算法对所述第二样本数据进行训练，得到所述第二预测模型；

其中，所述第二预测模型用于基于所述关联信息生成与所述关联信息相对应的第二概率值。

4.根据权利要求2或3所述的方法，其特征在于，所述第一类型数据中包括至少一个高于第一预设收入值的用户关联信息，第二类型数据包括至少一个低于第二预设收入值的用户关联信息；其中所述第一预设收入值高于所述第二预设收入值。

5.根据权利要求2或3所述的方法，其特征在于，在得到所述第一预测模型或所述第二预测模型之后，还包括：

将至少一组测试样本数据分别输入至所述第一预测模型以及所述第二预测模型，得到与所述测试样本数据相对应的分布曲线；

如果所述分布曲线满足预设条件，则将所述第一预测模型与所述第二预设模型作为目标预测模型。

6.根据权利要求1所述的方法，其特征在于，所述根据所述概率值，得到与可支配收入相对应的可支配概率值，包括：

将预设数值减去第二概率值后，加上第一概率值得到中间值；

将所述中间值除以2得到与所可支配收入相对应的可支配概率值。

7.一种可支配收入的预测装置，其特征在于，包括：

目标用户关联信息获取模块，用于获取与目标用户相关联的目标关联信息；其中，所述目标关联信息包括目标用户的基本信息、用户的行为数据以及与所述用户相关的第三方数据；

概率值确定模块，用于基于预先训练得到的至少两个目标预测模型，分别确定与所述目标关联信息相对应的概率值；其中，所述至少两个目标预测模型包括第一预测模型和第二预测模型；

可支配收入确定模块，用于得到与可支配收入相对应的可支配概率值，并根据所述可支配概率值确定目标用户的可支配收入。

8.根据权利要求7所述的装置，其特征在于，所述可支配收入确定模块还用于：

将预设数值减去第二概率值后，加上第一概率值得到中间值；

将所述中间值除以2得到与所可支配收入相对应的可支配概率值。

9.一种服务器，其特征在于，所述服务器包括：

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1-6中任一所述的可支配收入的预测方法。

10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-6中任一所述的可支配收入的预测方法。