[发明专利]交易转化分析方法、装置、设备及存储介质

权利要求书

1.一种交易转化分析方法，其特征在于，所述交易转化分析方法包括：

基于交易客户端中预先设定的埋点，从交易数据库中采集历史用户的历史用户数据，形成历史用户数据集；

识别所述历史用户数据集中各样本在预设时间内的交易行为，并基于所述交易行为将所述历史用户数据集进行正负样本划分，得到正样本集和负样本集，其中，所述交易行为包括发生交易和不发生交易，所述正样本集为在预设时间内所有发生交易的样本的集合，所述负样本集为在预设时间内所有不发生交易的样本的集合；

分别对所述正样本集和所述负样本集进行数据清洗处理，将数据清洗后的正样本集和负样本集作为模型输入数据；

将所述模型输入数据输入至预设的神经网络中进行模型的训练，得到交易预测模型；

接收待预测用户集中的待预测用户的用户行为数据，并将所述用户行为数据输入至所述交易预测模型中，得到所述待预测用户的预测交易结果；

根据所述预测交易结果，计算所述待预测用户集的交易转化率。

2.根据权利要求1所述的交易转化分析方法，其特征在于，在所述分别对所述正样本集和所述负样本集进行数据清洗处理，将数据清洗后的正样本集和负样本集作为模型输入数据之前，还包括：

根据预设的时间间隔，对所述历史用户数据集进行分组，得到至少一组历史用户数据组；

计算所述历史用户数据组中的各样本之间的夹角余弦相似度。

3.根据权利要求2所述的交易转化分析方法，其特征在于，所述分别对所述正样本集和所述负样本集进行数据清洗处理，将数据清洗后的正样本集和负样本集作为模型输入数据包括：

确定所述历史用户数据组中的第一样本，并从历史用户数据组中的其它样本中筛选与所述第一样本之间的夹角余弦相似度最大的n个样本，其中，n为不小于三的自然数；

当所述第一样本是正样本时，则确定所述n个样本中负样本的数量；

若所述n个样本中负样本的数量大于n/2，则将所述n个样本中的负样本从所述历史用户数据组中删除；

当所述第一样本是负样本时，则确定所述n个样本中正样本的数量；

若所述n个样本中正样本的数量大于n/2，则将所述第一样本从所述历史用户数据组中删除；

根据其他样本之间的夹角余弦相似度，重复上述数据清洗过程，直至对历史用户数据集中的所有样本均进行数据清洗处理；

将数据清理后剩余的样本作为模型输入数据。

4.根据权利要求3所述的交易转化分析方法，其特征在于，所述神经网络由卷积神经网络和长短记忆人工神经网络构成，所述将所述模型输入数据输入至预设的神经网络中进行模型的训练，得到交易预测模型包括：

将所述模型训练数据输入所述神经网络的嵌入层中，生成所述模型训练数据的特征向量；

通过所述神经网络的中的卷积神经网络，提取所述特征向量的特征序列；

将所述特征序列输入所述神经网络中的长短期记忆人工神经网络，获取所述特征序列的历史时间序列，并将所述输入所述神经网络的全连接层，得到二维预测结果；

根据所述二维预测结果计算神经网络的损失函数，并采用梯度下降方法循环迭代使得所述损失函数收敛，反向传播更新所述神经网络的网络参数；

基于所述网络参数调整所述神经网络，得到交易预测模型。

5.根据权利要求4所述的交易转化分析方法，其特征在于，所述将所述模型训练数据输入所述神经网络的嵌入层中，生成所述模型训练数据的特征向量包括：

将所述模型训练数据中的每个字符转化独热码向量；

将所述模型训练数据的独热码向量通过预训练好的向量矩阵转化为低维稠密的特征向量。