[发明专利]用户购机的确定方法、装置、设备及计算机存储介质

说明书

本申请实施例提供了一种用户购机的确定方法、装置、设备及计算机存储介质，方法包括：获取第一用户的目标特征数据；根据所述目标特征数据和预设的神经网络模型，得到第一概率值；所述神经网络模型为通过学习包含所述目标特征数据的样本与所述第一概率值的映射关系得到；在所述第一概率值大于或等于预设第一阈值的情况下，确定所述第一用户在目标时间段内购机。本申请实施例能够解决现有方案在确定用户是否会在目标时间段内购买新的移动通讯设备时准确度低的问题。

技术领域

本申请属于大数据技术领域，尤其涉及一种用户购机的确定方法、装置、设备及计算机存储介质。

背景技术

随着科技的发展和人们经济水平的提高，移动通讯设备已经成为人们生产及生活中密不可分的一部分。当下，移动通信网络和移动通讯设备都具有更新换代快的特点，而为了享受最新的网络体验，用户更换移动通讯设备的速度也居高不下。

对于移动通讯设备的厂家而言，如果能从海量的用户中准确地确定出具体哪些用户会在目标时间段内购买新的移动通讯设备，不仅可以减少推广成本，而且还能通过向确定的用户发送最新的移动通讯设备信息，帮助用户了解最新的移动通讯设备信息，避免用户购买到不满意的产品。

然而，现有方案在确定用户是否会在目标时间段内购买新的移动通讯设备时均存在准确度低的问题。

发明内容

本申请实施例提供一种用户购机的确定方法、装置、设备及计算机存储介质，能够解决现有方案在确定用户是否会在目标时间段内购买新的移动通讯设备时准确度低的问题。

第一方面，本申请实施例提供一种用户购机的确定方法，方法包括：

获取第一用户的目标特征数据；

根据目标特征数据和预设的神经网络模型，得到第一概率值；神经网络模型为通过学习包含目标特征数据的样本与第一概率值的映射关系得到；

在第一概率值大于或等于预设第一阈值的情况下，确定第一用户在目标时间段内购机。

在一个实施例中，在获取第一用户的目标特征数据之前，方法还包括：

根据第二用户在t-1月的特征数据和第二用户在t月的购机结果，构建第一样本，第二用户为t-2月和t-1月均未购机的用户，t为正整数；

根据第三用户在t月的特征数据和第三用户在t+1月的购机结果，构建第二样本，第三用户为t-1月和t月均未购机的用户；

合并第一样本和第二样本，得到第三样本；

根据第三样本训练神经网络模型。

在一个实施例中，在根据第三样本训练神经网络模型之前，方法还包括：

对第三样本中每个特征数据对应的特征进行打分，得到每个特征的打分分值；

计算每个特征的信息增益比；

将每个特征的打分分值作为每个特征的信息增益比的权重，得到每个特征的第一信息增益比，第一信息增益比为带权重的信息增益比；

构建特征初筛函数，特征初筛函数用于在第i个特征的第一信息增益比小于预设阈值的情况下，删除第三样本中的第i个特征对应的特征数据，i为正整数；

根据第三样本训练神经网络模型，具体包括：

根据特征初筛函数处理后的第三样本训练神经网络模型。

在一个实施例中，在构建特征初筛函数之前，方法还包括：

设定多个初始预设阈值；

根据预设的逻辑回归模型，确定每个初始预设阈值对应的逻辑回归模型的输出值；