[发明专利]行为实体预测模型训练方法、价值预测方法及相关装置在审

专利信息
申请号: 202110633742.8 申请日: 2021-06-07
公开(公告)号: CN115511141A 公开(公告)日: 2022-12-23
发明(设计)人: 彭辰;周家文;张水华 申请(专利权)人: 顺丰科技有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q30/00;G06Q30/02;G06K9/62;G06N3/04;G06N3/08
代理公司: 深圳紫藤知识产权代理有限公司 44570 代理人: 李健
地址: 518000 广东省深圳市南山区学府路(以南)*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 行为 实体 预测 模型 训练 方法 价值 相关 装置
【权利要求书】:

1.一种行为实体预测模型训练方法,其特征在于,所述行为实体预测模型训练包括:

获取目标客户进行行为实体预测的业务需求信息;

根据所述业务需求信息,确定用于训练待训练模型的正负样本行为实体;

采集所述正负样本行为实体的异构数据,以构建训练样本集;

基于所述训练样本集训练所述待训练模型,得到与所述业务需求匹配的行为实体预测模型。

2.根据权利要求1所述的行为实体预测模型训练方法,其特征在于,所述业务需求信息中包括行为实体需求信息,所述行为实体需求信息为匹配所述目标客户需求的满足预设行为条件的行为实体的信息;

所述根据所述业务需求信息,确定用于训练待训练模型的正负样本行为实体,包括:

获取预设行为实体集合中行为实体的行为数据信息;

根据所述行为实体需求信息从所述预设行为实体集合中,确定满足所述预设行为条件的行为实体;

将满足所述预设行为条件的行为实体,作为用于训练待训练模型的正样本行为实体,将所述预设行为实体集合中不满足预设行为条件的行为实体作为用于训练待训练模型的负样本行为实体。

3.根据权利要求2所述的行为实体预测模型训练方法,其特征在于,所述行为实体需求信息包括满足未来第一次对目标行为对象存在行为操作的行为实体的信息;

所述根据所述行为实体需求信息从所述预设行为实体集合中,确定满足所述预设行为条件的行为实体,包括:

根据所述行为实体需求信息从所述预设行为实体集合中,挑选在第一预设历史时间段内对目标行为对象存在行为操作的第一行为实体;

将所述第一行为实体,作为满足未来可能对目标行为对象存在行为操作的行为实体。

4.根据权利要求2所述的行为实体预测模型训练方法,其特征在于,所述行为实体需求信息包括满足未来再次对目标行为对象存在行为操作的行为实体的信息;

所述根据所述行为实体需求信息从所述预设行为实体集合中,确定满足所述预设行为条件的行为实体,包括:

根据所述行为实体需求信息从所述预设行为实体集合中,挑选在第二预设历史时间段内对目标行为对象存在行为操作的第二行为实体;

从所述预设行为实体集合中,预测未来预设时间段内对目标行为对象存在行为操作的第三行为实体;

取所述第二行为实体和所述第三行为实体的交集,作为满足所述预设行为条件的行为实体。

5.根据权利要求1至4中任一所述的行为实体预测模型训练方法,其特征在于,所述采集所述正负样本行为实体的异构数据,以构建训练样本集,包括:

采集所述正负样本行为实体的实体行为数据;

采集所述正负样本行为实体的行为属性数据;

采集所述正负样本行为实体存在行为操作的行为对象属性数据;

根据所述实体行为数据、所述行为属性数据和所述行为对象属性数据,构建训练样本集。

6.一种行为实体价值预测方法,其特征在于,所述行为实体价值预测方法包括:

获取目标客户进行行为实体预测的业务需求信息,所述业务需求信息中待预测行为实体的信息;

采集所述待预测行为实体的异构数据;

将所述待预测行为实体的异构数据输入已训练的行为实体预测模型,以输出满足预设评分要求的待预测行为实体的价值评分。

7.根据权利要求6所述的行为实体价值预测方法,其特征在于,所述将所述待预测行为实体的异构数据输入已训练的行为实体预测模型,以输出满足预设评分要求的待预测行为实体的价值评分,包括:

将所述待预测行为实体的异构数据输入已训练的行为实体预测模型,输出待预测行为实体的价值评分;

在所述待预测行为实体的价值评分中,选择评分最高的预设数量的实体信息输出。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于顺丰科技有限公司,未经顺丰科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110633742.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top