[发明专利]交易用户的提前感知方法和装置

说明书

本说明书实施例提供一种交易用户的提前感知方法和装置，方法包括：获取第一时间周期内的第一环境因素数据，和目标物联网IOT设备在所述第一时间周期内发生的各历史支付行为对应的第一历史支付数据；所述第一时间周期在当前时间之前；获取第二时间周期内的第二环境因素数据；所述第二时间周期在当前时间之后；将所述第一环境因素数据、所述第一历史支付数据和所述第二环境因素数据作为预先训练的神经网络模型的输入，通过所述神经网络模型的输出，得到在所述第二时间周期内，通过所述目标IOT设备发生交易的用户在预设指标上的预估统计分布，能够在对交易用户进行提前感知时降低复杂度和成本。

技术领域

本说明书一个或多个实施例涉及计算机领域，尤其涉及交易用户的提前感知方法和装置。

背景技术

当前，在各种营销活动中，常常要预先知道所面对的用户的特点，从而进行有针对性的营销。典型地，在线下支付的商业场景中，各种企业和公司经常会举办各种营销活动，来增强用户对支付渠道的感知，提高用户使用支付工具的频次，增加用户对产品的粘性。具体来说经常对用户发放各种优惠活动，促使用户在支付的过程中进行核销，就能享受到优惠活动。针对线下支付的业务场景，最近出现了一些新型的物联网(internet of things，IOT)设备，在用户支付完成后，支付的盒子可以播报一些语音提醒，语音包含服务提醒类，营销类，事件类。针对营销类的语音，相比APP等线上渠道，线下的场景能同时面向多个用户。

发明内容

本说明书一个或多个实施例描述了一种交易用户的提前感知方法和装置，能够在对交易用户进行提前感知时降低复杂度和成本。

第一方面，提供了一种交易用户的提前感知方法，方法包括：

获取第一时间周期内的第一环境因素数据，和目标IOT设备在所述第一时间周期内发生的各历史支付行为对应的第一历史支付数据；所述第一时间周期在当前时间之前；

获取第二时间周期内的第二环境因素数据；所述第二时间周期在当前时间之后；

将所述第一环境因素数据、所述第一历史支付数据和所述第二环境因素数据作为预先训练的神经网络模型的输入，通过所述神经网络模型的输出，得到在所述第二时间周期内，通过所述目标IOT设备发生交易的用户在预设指标上的预估统计分布。

在一种可能的实施方式中，所述神经网络模型通过以下方式训练：

获取第三时间周期内的第三环境因素数据，和所述目标IOT设备在所述第三时间周期内发生的各历史支付行为对应的第二历史支付数据；所述第三时间周期在当前时间之前；

获取第四时间周期内的第四环境因素数据；所述第四时间周期在当前时间之前，且所述第四时间周期在所述第三时间周期之后；

获取在所述第四时间周期内，通过所述目标IOT设备发生交易的用户在预设指标上的实际统计分布；

将所述第三环境因素数据、所述第二历史支付数据和所述第四环境因素数据作为所述神经网络模型的样本输入，将所述实际统计分布作为样本标签，对所述神经网络模型进行训练。

在一种可能的实施方式中，所述历史支付数据包括以下至少一项：

用户画像数据、商户特征数据、地理位置信息和序列信息。

在一种可能的实施方式中，所述预设指标包括以下至少一项：

性别、年龄、支付频率。

在一种可能的实施方式中，所述神经网络模型包括：

长短期记忆网络(long short term memory，LSTM)模型。

在一种可能的实施方式中，所述历史支付数据包括用户画像数据；

所述用户画像数据通过如下方式确定：