[发明专利]用于生成用户留存时间的方法、装置、设备和介质

权利要求书

1.一种用于生成用户留存时间的方法，包括：

基于第一特征提取算法，对目标用户在预设时间段内的天级特征数据中的列表特征数据进行处理，生成处理后的列表特征数据；

将所述列表特征数据和第一派生列表特征数据拼接，得到拼接列表特征数据；

将所述拼接列表特征数据输入预先训练的第一深度神经网络，生成所述处理后的列表特征数据；其中，所述列表特征数据为可以用列举表示的特征数据，所述列表特征数据通过数字表示，所述第一派生列表特征数据是通过将所述天级特征数据输入预先训练的梯度提升决策树得到的；

基于第二深度神经网络，对所述天级特征数据中的数值特征数据进行处理，生成处理后的数值特征数据；

基于第二特征提取算法，将所述天级特征数据输入预先训练的第二特征提取算法，生成所述处理后的天级特征数据；其中，所述第二特征提取算法为分解机模型；包括：

将所述列表特征数据输入所述列表特征提取网络，生成第二派生列表特征数据；

将所述数值特征数据输入所述数值特征提取网络，生成派生数值特征数据；

将所述第二派生列表特征数据和所述派生数值特征数据拼接，生成第一拼接结果；

对所述第一拼接结果进行特征交叉，生成所述处理后的天级特征数据；

基于所述处理后的列表特征数据、所述处理后的数值特征数据和所述处理后的天级特征数据，根据预先训练的全连接网络生成在多个时间段中每个时间段内用户留存时间；其中，所述用户留存时间为用户在未来任一时间段使用应用的时间。

2.根据权利要求1所述的方法，其中，所述梯度提升决策树是基于样本列表特征数据和样本数值特征数据共同训练得到的，其中，所述样本列表特征数据是初始样本列表特征数据通过独热编码得到的。

3.根据权利要求1所述的方法，其中，所述基于所述处理后的列表特征数据、所述处理后的数值特征数据和所述处理后的天级特征数据，根据预先训练的全连接网络生成在多个时间段中每个时间段内用户留存时间，包括：

将所述处理后的列表特征数据、所述处理后的数值特征数据和所述处理后的天级特征数据拼接，得到第二拼接结果；

将所述第二拼接结果输入预先训练的全连接网络，生成所述在多个时间段中每个时间段内用户留存时间。

4.根据权利要求2所述的方法，其中，所述第一深度神经网络和所述第二深度神经网络在训练过程中采用了随机失活。

5.根据权利要求2所述的方法，其中，所述梯度提升决策树、所述第一深度神经网络、所述第二深度神经网络和所述分解机模型在训练过程中所使用的样本数值特征数据通过如下步骤确定：

确定样本用户在样本预设时间段内的初始样本数值特征数据；

对所述初始样本数值特征数据进行数据标准化，得到符合标准正态分布的所述样本数值特征数据。