[发明专利]数据预估方法及装置

说明书

本公开关于一种数据预估方法及装置，该方法包括：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；基于历史用户画像数据，对第一行为数据和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；对第二行为数据和第二使用数据进行回归处理，得到预估参数；获取当前时刻用户的当前行为数据和当前用户画像数据，并基于预估参数，预估用户的使用数据。这样，通过依据用户的历史用户画像数据对用户的第一行为数据和第一使用数据进行去中心化处理，可保证得到的预估参数较为可信，进而保证较为准确地预估出用户未来的使用数据。

技术领域

本公开涉及计算机处理技术领域，尤其涉及一种数据预估方法及装置。

背景技术

目前很多业务场景需要分析用户行为数据，例如在短视频和直播等视频领域，可以通过获取海量用户行为数据来分析解决实际问题，而回归模型作为一种常见的分析模型经常被用来研究因变量和自变量之间的关系。回归可以帮助探索变量之间的相关性，并得到定量分析的结果，例如，在定量分析某应用程序(Application，APP)的用户关注行为对用户次日留存(第二天是否还会使用该APP)的影响时，通常是使用用户当日的关注行为数据对用户次日的留存数据进行回归。

然而，上述回归分析方法会存在一定偏误，原因是普通的回归模型中会产生遗漏变量或者选择偏差的问题。例如，当分析用户行为对用户次日留存的影响时，会忽视用户本身对该APP的喜爱程度，喜爱程度高的用户更有可能产生更多的关注行为，次日留存也会更高，这种情况下遗漏变量(用户喜欢程度)会导致分析结果出现偏差。

可见，相关技术中的回归分析方法得到的分析结果通常会出现偏差，进而导致对用户未来行为的预估不够准确。

发明内容

本公开提供一种数据预估方法及装置，以至少解决相关技术中回归分析方法得到的分析结果会出现偏差，进而导致对用户未来行为的预估不够准确的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种数据预估方法，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。

可选的，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。

可选的，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。