[发明专利]活跃状态的预测方法以及活跃度阈值的确定方法

说明书

本公开关于一种活跃状态的预测方法以及活跃度阈值的确定方法，该方法包括：获取对象在历史时间段内访问业务所产生的访问特征数据；根据访问特征数据与对象访问业务的时间间隔之间的关联关系，确定对象在预测期内的各个预测时间段的活跃概率；基于对象在预测期内的各个预测时间段的活跃概率，确定对象在预测期内的活跃预测时间段的个数期望值；比较活跃预测时间段的个数期望值与对象对应的第一阈值，并根据比较结果确定对象在预测期内的活跃状态，本公开至少解决相关技术中难以确定用户在未来时间段内访问应用程序的活跃状态的问题。

技术领域

本公开涉及用户活跃度分析技术领域，尤其涉及一种活跃状态的预测方法以及活跃度阈值的确定方法。

背景技术

随着移动互联网的发展，移动终端的功能日益丰富，移动终端的各种娱乐应用也层出不穷，尤其是一些短视频的娱乐应用，为了不断提升短视频娱乐应用的业务，需要分析用户粘度。

衡量短视频娱乐应用的用户粘度的重要指标就是用户活跃度相关指标，相关技术中的用户活跃度相关指标包括DAU(Daily Active User，日活跃度)，WAU(Weekly ActiveUser，周活跃度)，MAU(Monthly Active User，月活跃度)等，但这些指标均为描述结果的指标，并不能很好地反应用户访问APP(Application，应用程序)的过程中的回头率或频率等过程量，根据相关技术中的活跃度指标也难以确定未来用户访问应用程序的活跃状态。

针对相关技术中难以确定用户在未来时间段内访问应用程序的活跃状态的问题，目前尚未提出有效的解决方案。

发明内容

本公开提供一种活跃状态的预测方法以及活跃度阈值的确定方法，以至少解决相关技术中难以确定用户在未来时间段内访问应用程序的活跃状态的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种活跃状态的预测方法，包括：获取对象在历史时间段内访问业务所产生的访问特征数据；根据访问特征数据与对象访问业务的时间间隔之间的关联关系，确定对象在预测期内的各个预测时间段的活跃概率，其中，活跃概率用于表征对象在预测时间段之前访问业务、并在预测时间段内再次访问业务的概率；基于对象在预测期内的各个预测时间段的活跃概率，确定对象在预测期内的活跃预测时间段的个数期望值，其中，活跃预测时间段为对象再次访问业务的预测时间段；比较活跃预测时间段的个数期望值与对象对应的第一阈值，并根据比较结果确定对象在预测期内的活跃状态，其中，第一阈值用于表征预测期内的活跃预测时间段的个数阈值。

可选地，根据访问特征数据与对象访问业务的时间间隔之间的关联关系，确定对象在预测期内的各个预测时间段的活跃概率包括：将访问特征数据输入至多任务神经网络模型进行分析，得到对象在预测期内的各个预测时间段的活跃概率，其中，多任务神经网络模型由以下训练数据进行训练得到：第一样本对象在第一历史预测期内访问业务的访问状态、第一样本对象在第一历史预测期内相邻两次访问业务的间隔时长、以及第一样本对象在第一历史预测期之前的访问特征数据，其中，访问状态用于表示第一样本对象是否发生再次访问业务的行为。

可选地，基于对象在预测期内的各个预测时间段的活跃概率，确定对象在预测期内的活跃预测时间段的个数期望值包括：计算每个预测时间段的活跃概率与预测时间段之前的所有预测时间段的活跃概率之和，得到预测时间段的累积活跃概率；分别基于预测期内的各个预测时间段的累积活跃概率，计算在预测期内的各个预测时间段之后的预测时间段内对象再次访问业务的概率；以预测期内的各个预测时间段为横坐标，以对象在各个预测时间段之后的预测时间段内再次访问业务的概率为纵坐标，生成对象在预测期内的第一活跃曲线；根据第一活跃曲线，确定对象在预测期内的活跃预测时间段的个数期望值。