[发明专利]状态获取方法和装置、电子设备和存储介质

权利要求书

1.一种状态获取方法，其特征在于，包括：

获取用户在统计周期内各单位时间上的用户行为信息；所述用户行为信息包括至少一类用户行为及各类用户行为的属性值；

利用逻辑回归模型，生成各类用户行为的权重值；其中，所述逻辑回归模型基于训练样本集中的训练样本得到，所述训练样本包括样本用户的用户行为信息和行为结果的标注信息；

基于各类用户行为的属性值和权重值、以及各单位时间在所述统计周期内的时间衰减因子，获取所述用户的活跃度值；

基于所述用户的活跃度值确定所述用户的用户生命周期状态。

2.根据权利要求1所述的方法，其特征在于，所述逻辑回归模型的训练，包括：

从用户行为数据库中获取多个样本用户的用户行为信息和行为结果，分别以每个样本用户的用户行为信息作为一个训练样本、并对所述训练样本添加所述行为结果的标注信息，得到多个训练样本，以所述多个训练样本作为所述训练样本集中的训练样本；

分别将所述训练样本集中的各训练样本输入逻辑回归模型，经所述逻辑回归模型输出各训练样本的行为结果预测信息；

基于所述各训练样本的行为结果的标注信息和行为结果预测信息之间的差异，对所述逻辑回归模型进行训练，直至满足预设训练完成条件。

3.根据权利要求1所述的方法，其特征在于，所述利用逻辑回归模型，生成各类用户行为的权重值，包括：

利用强学习器中的M个逻辑回归模型，分别生成各类用户行为的权重值；其中，所述逻辑回归模型为所述M个逻辑回归模型中的一个逻辑回归模型，所述M个逻辑回归模型中的各逻辑回归模型分别基于不同训练样本集中的训练样本训练得到，M为大于1的整数；

分别针对各类用户行为，利用所述强学习器中的融合单元，对所述M个逻辑回归模型生成的各类用户行为的权重值进行融合，得到各类用户行为的融合权重值；

所述基于各类用户行为的属性值和权重值、以及各单位时间在所述统计周期内的时间衰减因子，获取所述用户的活跃度值，包括：

基于各类用户行为的属性值和融合权重值、以及各单位时间在所述统计周期内的时间衰减因子，获取所述用户的活跃度值。

4.根据权利要求3所述的方法，其特征在于，所述强学习器的训练，包括：

从用户行为数据库中获取多个样本用户的用户行为信息和行为结果，分别以每个样本用户的用户行为信息作为一个训练样本、并对所述训练样本添加所述行为结果的标注信息，得到多个训练样本；

根据所述多个训练样本中各训练样本的行为结果将所述多个训练样本分为正样本和负样本；

对所述多个训练样本进行M次有放回的随机采样，得到M个训练样本集；所述训练样本集为所述M个训练样本集中的一个训练样本集；或者，所述训练样本集包括所述多个训练样本；

分别基于所述M个训练样本集中的一个训练样本集对应训练M个逻辑回归模型中的一个逻辑回归模型，直至满足预设训练完成条件，得到所述M个逻辑回归模型。

5.根据权利要求4所述的方法，其特征在于，基于一个训练样本集对应训练一个逻辑回归模型，包括：

将所述一个训练样本集中的各训练样本输入所述一个逻辑回归模型，经所述一个逻辑回归模型输出各训练样本的行为结果预测信息；

基于所述各训练样本的行为结果的标注信息和行为结果预测信息之间的差异，对所述一个逻辑回归模型进行训练，直至满足预设训练完成条件。

6.根据权利要求4或5所述的方法，其特征在于，所述根据各训练样本的行为结果将所述多个训练样本分为正样本和负样本之后，还包括：

基于所述正样本的数量和所述负样本的数量，对所述正样本和负样本中数量较少的样本进行下采样，以使得生成所述训练样本集的正样本数量与负样本数量之间的差异小于预设差异；和/或，

基于所述正样本的数量和所述负样本的数量，对数量较多的样本进行上采样，以使得生成所述训练样本集的正样本数量与负样本数量之间的差异小于预设差异；

所述对所述多个训练样本进行M次有放回的随机采样，得到M个训练样本集，包括：

对正样本数量与负样本数量之间的差异小于预设差异的多个训练样本进行M次有放回的随机采样，得到M个训练样本集。