[发明专利]用户体验信息的预测方法及装置

说明书

本说明书一个或多个实施例公开了一种用户体验信息的预测方法及装置，用以提升应用程序的用户体验信息的预测准确率。所述方法包括：获取预测模型，所述预测模型基于多个应用的特征信息进行训练得到；其中，所述特征信息包括应用信息、所述应用的开发者信息、使用所述应用的用户行为信息中的至少一项；获取待预测应用的第一特征信息；根据所述第一特征信息，利用所述预测模型对所述待预测应用的用户体验信息进行预测，得到预测结果。

技术领域

本说明书涉及通信领域，尤其涉及一种用户体验信息的预测方法及装置。

背景技术

目前，通常根据现有的用户差评或者投诉数据来衡量应用的用户差评率。例如，根据应用程序在最近30天内的用户差评数来衡量该应用程序最近30天内的差评率。但是，这种评判应用差评率的方法存在以下几点缺陷：首先，由于衡量应用差评率使用的是历史数据，而历史数据都是已经发生的，平台无法提前预知，也就无法提前采取相应措施，从而体现不出平台的能力，更不利于平台运营；其次，将使用历史数据衡量出的应用差评率直接作为该应用后续差评率的预测，准确性无法保证。

发明内容

本说明书一个或多个实施例的目的是提供一种用户体验信息的预测方法及装置，用以提升应用程序的用户体验信息的预测准确率。

为解决上述技术问题，本说明书一个或多个实施例是这样实现的：

一方面，本说明书一个或多个实施例提供一种用户体验信息的预测方法，包括：

获取预测模型，所述预测模型基于多个应用的特征信息进行训练得到；其中，所述特征信息包括应用信息、所述应用的开发者信息、使用所述应用的用户行为信息中的至少一项；

获取待预测应用的第一特征信息；

根据所述第一特征信息，利用所述预测模型对所述待预测应用的用户体验信息进行预测，得到预测结果。

在一个实施例中，所述方法还包括：

获取多个第一样本应用的特征信息及各所述第一样本应用的应用类型；其中，所述应用类型包括差评类应用和/或好评类应用；所述差评类应用指在预设时长内的用户差评率达到第一预设阈值的应用；所述好评类应用指在所述预设时长内的用户访问数大于第二预设阈值、且用户差评率小于第三预设阈值的应用；

基于所述多个第一样本应用的特征信息及各所述第一样本应用的应用类型进行模型训练，得到所述预测模型。

在一个实施例中，所述应用信息包括所述应用的名称、文本描述、所属行业、所属行业中的差评类应用的数量、所属行业中的好评类应用的数量中的至少一项信息；

所述开发者信息包括开发者所开发的差评类应用的数量、所述开发者所开发的好评类应用的数量、所述开发者所开发的应用的用户差评率中的至少一项信息；

所述用户行为信息包括所述预设时长内的用户访问数、分享量、收藏量、投诉量、差评数中的至少一项信息。

在一个实施例中，所述获取预测模型之后，所述方法还包括：

判断所述预测模型的预测准确率是否达到第四预设阈值；

若否，则获取多个第二样本应用的特征信息及各所述第二样本应用的应用类型；及，根据所述多个第二样本应用的特征信息及各所述第二样本应用的应用类型对所述预测模型进行更新。

在一个实施例中，所述判断所述预测模型的预测准确率是否达到第四预设阈值之前，所述方法还包括：

获取多个第三样本应用的特征信息；

根据各所述第三样本应用的特征信息，利用所述预测模型对各所述第三样本应用的用户体验信息进行预测，得到各所述第三样本应用对应的预测结果；