[发明专利]电子优惠券发放方法、装置、计算机设备和存储介质

权利要求书

1.一种电子优惠券发放方法，其特征在于，包括：

获取用户在应用程序上操作时产生的多个行为数据；

将所述多个行为数据分别转换成行为向量结构，对所述行为向量结构进行分类，得到各行为向量结构的类型；其中，所述行为向量结构为所述行为数据的向量形式表示；

根据所述行为向量结构的类型从预先构建的神经网络模型中划分出相应类型的神经网络层，将各类型的行为向量结构分别输入相应类型的神经网络层中进行活跃度计算；

获取各个神经网络层计算得到的子活跃度，将所有子活跃度进行累加后得到所述用户的活跃度；

根据所述活跃度设置所述用户待发放的电子优惠券的数值；其中，所述电子优惠券的数值与所述活跃度呈正相关；

当确定达到电子优惠券发放条件时，将具有所述数值的电子优惠券发送给所述用户。

2.根据权利要求1所述的方法，其特征在于，所述将所有子活跃度进行累加后得到所述用户的活跃度的步骤之后，还包括：

监测所述用户的活跃度是否低于预设值，当监测到所述用户的活跃度低于预设值时，将所述各个神经网络层计算得到的子活跃度按照由低到高的顺序进行排序，根据排序结果筛选出排在前N位的子活跃度，其中所述N为大于或等于1的整数；

分别获取所述排在前N位的子活跃度对应的行为向量结构，得到目标行为向量结构；

对所述用户的目标行为向量结构进行分析，根据分析结果生成活跃度升级策略，并将所述活跃度升级策略发送给所述用户；其中，所述活跃度升级策略包括针对所述目标行为向量结构所对应的行为数据的优化策略。

3.根据权利要求1所述的方法，其特征在于，所述将所述多个行为数据分别转换成行为向量结构的步骤，包括：

对所述多个行为数据分别进行特征提取，得到行为特征；

将所述行为特征进行独热编码并添加相应的时间戳，生成编码数据；

采用预先训练好的向量模型对所述编码数据进行向量转换，得到所述行为向量结构。

4.根据权利要求1所述的方法，其特征在于，所述将各类型的行为向量结构分别输入相应类型的神经网络层中进行活跃度计算的步骤，包括：

获取预先配置在每一神经网络层的权重；

根据各类型的行为向量结构及所在神经网络层的权重计算得到每一神经网络层的子活跃度；其中，所述每一神经网络层的权重根据所述行为向量结构的类型进行预先配置。

5.根据权利要求4所述的方法，其特征在于，所述根据各类型的行为向量结构及所在神经网络层的权重计算得到每一神经网络层的子活跃度的步骤，包括：

计算各类型的行为向量结构的数量；

根据所述数量及所在神经网络层的权重计算得到每一神经网络层的子活跃度。

6.根据权利要求1所述的方法，其特征在于，所述电子优惠券发放条件包括时间条件，所述当确定达到电子优惠券发放条件时，将具有所述数值的电子优惠券发送给所述用户的步骤之前，还包括：

判断系统时间是否到达定时时间；

当系统时间到达所述定时时间时，则确定达到电子优惠券发放条件。

7.根据权利要求1所述的方法，其特征在于，所述获取用户在应用程序上操作时产生的多个行为数据的步骤之前，还包括：

实时收集所述用户在应用程序上操作时产生的多个历史行为数据；

对所述多个历史行为数据进行数据清理及去噪处理，筛除所述历史行为数据中无意义的数据，得到所述行为数据。