[发明专利]数据预估方法及装置

权利要求书

1.一种数据预估方法，其特征在于，包括：

获取第一历史时间段内用户的第一行为数据和历史用户画像数据，以及获取第二历史时间段内用户的第一使用数据；

基于所述历史用户画像数据，对所述第一行为数据和所述第一使用数据进行去中心化处理，得到第二行为数据和第二使用数据；

对所述第二行为数据和所述第二使用数据进行回归处理，得到预估参数，其中，所述预估参数用于表示所述第二行为数据与所述第二使用数据的因果关系；

获取当前时刻用户的当前行为数据和当前用户画像数据，并基于所述预估参数，预估用户的使用数据。

2.根据权利要求1所述的方法，其特征在于，所述对所述第二行为数据和所述第二使用数据进行回归处理，得到预估参数，包括：

采用最小二乘回归模型对所述第二行为数据和所述第二使用数据进行回归处理，得到所述最小二乘回归模型的模型参数，将所述最小二乘回归模型的模型参数作为所述预估参数。

3.根据权利要求1所述的方法，其特征在于，所述第一使用数据为n维列向量，所述第一行为数据为n×k的矩阵，所述历史用户画像数据为n×r的矩阵，n为用户数，k为第一行为数据的个数，r为历史用户画像数据的类别数，n、k和r均为大于1的整数；

所述基于所述历史用户画像数据，对所述第一行为数据和所述第一使用数据进行去中心化处理，包括：

对所述第一使用数据和所述第一行为数据中的每列数据，每次按所述历史用户画像数据中的一列数据进行分组求均值，并将所述每列数据中的每个数据分别减去该数据所在分组的均值，直至所述第一使用数据和所述第一行为数据中的每列数据不再发生变化，其中，所述每列数据中对应相同历史用户画像数据的为一组。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述对所述第二行为数据和所述第二使用数据进行回归处理，得到预估参数之后，所述获取当前时刻用户的当前行为数据和当前用户画像数据，并基于所述预估参数，预估用户的使用数据之前，所述方法还包括：

基于所述预估参数，构建预设固定效应模型，其中，所述预设固定效应模型的自变量为用户行为数据，所述预设固定效应模型的因变量为用户的使用数据，所述预设固定效应模型的模型参数为所述预估参数；

所述获取当前时刻用户的当前行为数据和当前用户画像数据，并基于所述预估参数，预估用户的使用数据，包括：

获取当前时刻用户的当前行为数据和当前用户画像数据，并使用所述预设固定效应模型预估用户的使用数据。

5.根据权利要求4所述的方法，其特征在于，所述基于所述预估参数，构建预设固定效应模型，包括：

基于所述第一行为数据与所述预估参数的乘积，确定第一使用数据估计值；

基于所述第一使用数据与所述第一使用数据估计值之间的差，确定所述预设固定效应模型中的残差项；

基于所述预估参数和所述残差项，构建所述预设固定效应模型。

6.根据权利要求5所述的方法，其特征在于，所述确定所述预设固定效应模型中的残差项之后，所述方法还包括：

获取每类历史用户画像数据之间的关联性，并基于所述关联性分别对每列历史用户画像数据进行聚类；

依据聚类后的历史用户画像数据对应的残差项，确定所述模型参数的协方差矩阵；

基于所述协方差矩阵中的对角线元素，确定所述模型参数的估计标准误差。

7.根据权利要求5所述的方法，其特征在于，所述预设固定效应模型的固定效应变量为用户画像数据；

所述确定所述预设固定效应模型中的残差项之后，所述基于所述预估参数和所述残差项，构建预设固定效应模型之前，所述方法还包括：

基于所述第一行为数据、所述第一使用数据、所述历史用户画像数据、所述模型参数和所述残差项，确定所述预设固定效应模型中的固定效应参数；

所述基于所述预估参数和所述残差项，构建预设固定效应模型，包括：

基于所述预估参数、所述残差项和所述固定效应参数，构建所述预设固定效应模型。