[发明专利]用户行为预测方法、装置、设备及介质

说明书

本发明涉及人工智能领域，提供一种用户行为预测方法、装置、设备及介质，能够初始化源域数据集及目标域数据集的权重，得到初始权重，使用逻辑回归分类器作为基模型，使用单一模型作为最终的分类器，使得模型可以保留线性模型的可解释性，更加贴合实际业务，基于迁移学习的方法，通过不断迭代调整源域数据集与目标域数据集的权重，使训练数据更加适用于实际应用场景，进而训练得到最优模型进行预测，既解决了缺乏样本的问题，又提高了模型训练的效果，进而实现更加准确的用户行为预测。此外，本发明还涉及区块链技术，目标分类器可存储于区块链节点中。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种用户行为预测方法、装置、设备及介质。

背景技术

客户购买行为预测能够指导企业进行精准营销，例如：在寿险等场景下，当有新寿险产品、新地区销售产品推出或者项目重启等情况时，将导致缺乏样本或样本老旧，此时，如果需要预测客户未来购买行为以提供营销支持，会面临从0到1建立业务模型的问题，但是，模型的建立需要一定的数据积累，缺乏数据是一个较大的阻碍。

针对上述情况，通常的解决方式是根据经验进行一些策略的构建，或等待数据的积累，或直接使用类似场景下的已有模型对客户的购买行为进行预测。

但是，上述方式会对业务策略的时效性和精准性有所影响，例如：当采用等待数据积累的方式时，由于数据的积累需要一定的时间，将影响时效性；当直接使用类似场景下的已有模型对客户的购买行为进行预测时，由于不同场景间的数据是存在一定差异的，因此将影响预测的准确性。

发明内容

鉴于以上内容，有必要提供一种用户行为预测方法、装置、设备及介质，能够基于迁移学习的方法，通过不断迭代调整源域数据集与目标域数据集的权重，使训练数据更加适用于实际应用场景，进而训练得到最优模型进行预测，既解决了缺乏样本的问题，又提高了模型训练的效果，进而实现更加准确的用户行为预测。

一种用户行为预测方法，所述用户行为预测方法包括：

响应于用户行为预测指令，根据所述用户行为预测指令确定源域及目标域；

获取所述源域的数据构建源域数据集，及获取所述目标域的数据构建目标域数据集；

初始化所述源域数据集及所述目标域数据集的权重，得到初始权重；

根据所述源域数据集、所述目标域数据集及所述初始权重对逻辑回归分类器执行预设轮数的迭代训练，并保存每轮迭代得到的基分类器；

获取测试数据集，并计算每个基分类器在所述测试数据集上的KS值，并将所述KS值最高的基分类器确定为目标分类器；

获取待处理数据，将所述待处理数据输入至所述目标分类器，并根据所述目标分类器的输出确定行为预测结果。

根据本发明优选实施例，所述根据所述用户行为预测指令确定源域及目标域包括：

解析所述用户行为预测指令的方法体，得到所述用户行为预测指令所携带的信息；

获取第一预设标签及第二预设标签；

根据所述第一预设标签构建第一正则表达式，及根据所述第二预设标签构建第二正则表达式；

利用所述第一正则表达式在所述用户行为预测指令所携带的信息中进行遍历，并将遍历到的数据确定为第一标识；

利用所述第二正则表达式在所述用户行为预测指令所携带的信息中进行遍历，并将遍历到的数据确定为第二标识；

根据所述第一标识确定所述源域，及根据所述第二标识确定所述目标域。

根据本发明优选实施例，所述初始权重的公式如下：