[发明专利]转化率预测方法、装置、设备及存储介质

权利要求书

1.一种转化率预测方法，其特征在于，所述转化率预测方法包括：

获取历史项目挖掘数据集，并对所述历史项目挖掘数据集进行分类处理，得到至少一类所述历史项目挖掘数据集中的历史项目挖掘数据对应的数据类别；

对所述历史项目挖掘数据集中的历史项目挖掘数据进行数据预处理，将数据预处理后剩余的所有历史项目挖掘数据作为样本数据集；

根据所述数据类别将对所述样本数据集进行类别划分，得到至少一组样本数据组，并将所述样本数据组随机均分为训练数据和测试数据；

提取所述训练数据的至少一个数据特征，并对所述数据特征进行编码处理，得到特征向量；

根据所述特征向量基于决策树模型结构训练得到模型参数训练结果，并用所述测试数据对所述模型参数训练结果进行测试，得到符合预设测试条件的模型参数测试结果，并将所述模型参数测试结果作为所述数据类别对应的转化率预测模型；

获取待预测数据集和所述待预测数据集中的待预测数据对应的数据类别，并根据所述待预测数据对应的数据类别选择对应的转化率预测模型，将所述待预测数据输入对应的所述转化率预测模型中，得到对应的转化率；

计算所有待预测数据的转化率的平均值，并将所述平均值作为所述待预测数据集的转化率预测结果；

确定所有转化率中的最大转化率，并根据所述最大转化率对应的待预测数据和所述转化率预测结果生成预测报告。

2.根据权利要求1所述的转化率预测方法，其特征在于，所述对所述历史项目挖掘数据集中的历史项目挖掘数据进行数据预处理，将数据预处理后剩余的所有历史项目挖掘数据作为样本数据集包括：

对所述历史项目挖掘数据进行分词处理，得到预测分词；

对所有所述预测分词进行词权重计算，得到所述预测分词对应的第一词权重；

根据预设的第二词权重和所述第一词权重，计算所述预测分词的标注分值；

将所述标注分值最高的预测分词作为所述历史项目挖掘数据的标注分词；

根据所述标注分词和预设的数据清洗规则，将所述历史项目挖掘数据进行数据清洗，将数据信息后剩余的历史项目挖掘数据作为样本数据集。

3.根据权利要求2所述的转化率预测方法，其特征在于，所述对所有所述预测分词进行词权重计算，得到所述预测分词对应的第一词权重包括：

计算所述预测分词在所述历史项目挖掘数据集中的词频率；

获取预设的所述预测分词的逆文档频率指数；

将所述词频率乘以所述逆文档频率指数，得到所述预测分词的第一词权重。

4.根据权利要求1所述的转化率预测方法，其特征在于，所述提取所述训练数据的至少一个数据特征，并对所述数据特征进行编码处理，得到特征向量包括：

获取所述训练数据的中的所有属性信息；

抽取所述属性信息中与转化率预测相关的至少一个输入变量和至少一个目标变量；

将所述至少一个输入变量和所述至少一个目标变量整理得到数据特征；

对所述数据特征进行编码处理，得到特征向量。

5.根据权利要求4所述的转化率预测方法，其特征在于，所述根据所述特征向量基于决策树模型结构训练得到模型参数训练结果包括：

基于决策树算法对输入的特征向量进行处理，得到所述训练数据的每个特征的第一信息增益比；

将最大的第一信息增益比对应的特征作为决策树模型结构中每个节点的决策点；

计算所述决策点中每个特征值的第二信息增益比，并将最大的第二增益比对应的特征值作为所述决策点进一步分裂的分裂点；

基于所述决策点和所述分裂点对所述训练数据在所述节点进行划分；

重复上述步骤，不断分类各个节点，延伸所述决策树模型结构的树层深度直至预设层数，得到模型参数训练结果。