[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历史行为数据和历史用户画像数据，并确定与第一子行为数据相关的第一预处理数据，其中，所述历史行为数据包括所述第一子行为数据和第二子行为数据；

获取第二历史时间段内用户的目标行为数据，其中，所述第二历史时段为所述第一历史时段之后的时段；

基于所述历史用户画像数据，对所述第一子行为数据、所述第二子行为数据、所述目标行为数据和所述第一预处理数据进行去中心化处理，得到对应的第三子行为数据、第四子行为数据、目标行为处理数据和第二预处理数据；

对所述第二预处理数据和所述第三子行为数据进行回归处理，得到第三子行为数据估计值；

对所述第三子行为数据估计值、所述第四子行为数据和所述目标行为处理数据进行回归处理，得到预估参数，其中，所述预估参数用于表示所述历史行为数据与所述目标行为数据的因果关系；

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，预估用户未来行为数据。

2.根据权利要求1所述的方法，其特征在于，所述获取第一历史时间段内用户的历史行为数据和历史用户画像数据，并确定与第一子行为数据相关的第一预处理数据，包括：

在所述第一历史时间段内，对于待分析业务的业务功能进行预处理，获取用户的第一预处理数据；

获取所述第一历史时间段内用户在预处理后的历史行为数据，以及获取历史用户画像数据，其中，所述第一预处理数据为所述第一子行为数据的工具变量。

3.根据权利要求1所述的方法，其特征在于，所述对所述第二预处理数据和所述第三子行为数据进行回归处理，得到第三子行为数据估计值，包括：

对所述第二预处理数据、所述第四子行为数据和所述第三子行为数据进行回归处理，得到所述第二预处理数据和所述第四子行为数据的系数估计；

基于所述系数估计、所述第二预处理数据和所述第四子行为数据，确定第三子行为数据估计值。

4.根据权利要求1所述的方法，其特征在于，所述对所述第三子行为数据估计值、所述第四子行为数据和所述目标行为处理数据进行回归处理，得到预估参数，包括：

采用多元线性回归模型对所述第三子行为数据估计值、所述第四子行为数据和所述目标行为处理数据进行回归处理，得到所述多元线性回归模型的模型参数，并将所述多元线性回归模型的模型参数作为所述预估参数。

5.根据权利要求1所述的方法，其特征在于，所述目标行为数据为n维列向量，所述历史行为数据为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为历史行为数据的个数，r为历史用户画像数据的类别数，n、k和r均为正整数；

所述基于所述历史用户画像数据，对所述第一子行为数据、所述第二子行为数据、所述目标行为数据和所述第一预处理数据进行去中心化处理，包括：

对所述第一子行为数据、所述第二子行为数据、所述目标行为数据和所述第一预处理数据中的每列数据，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，直至所述第一子行为数据、所述第二子行为数据、所述目标行为数据和所述第一预处理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。

6.根据权利要求1所述的方法，其特征在于，所述对所述第三子行为数据估计值、所述第四子行为数据和所述目标行为处理数据进行回归处理，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，预估用户未来行为数据之前，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内生自变量为用户的第一子行为数据，所述预设固定效应模型的外生自变量为用户的第二子行为数据，所述预设固定效应模型的因变量为用户的目标行为数据，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，预估用户未来行为数据，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未来行为数据。