[发明专利]一种营销时间预测方法、装置、电子设备及存储介质

权利要求书

1.一种营销时间预测方法，其特征在于，所述方法包括：

获取待预测用户的样本数据，所述样本数据包括用户在历史时间段的用户特征信息和业务特征信息；

将所述待预测用户的样本数据输入作息状态预测模型中，确定所述待预测用户的作息状态预测结果；其中，所述作息状态预测模型为基于LightGBM算法和F1-score打分法对多个用户的样本数据进行训练得到的用于预测用户作息状态的预测模型；所述作息状态预测结果用于表征用户在预测时间段内的作息状态分布情况；

根据所述待预测用户的所述作息状态预测结果，确定所述待预测用户对应的营销时间段。

2.根据权利要求1所述的方法，其特征在于，在所述获取待预测用户的样本数据之前，还包括：

获取多个用户的原始数据，对所述原始数据进行数据特征的提取，获取所述多个用户的样本数据，所述多个用户包括所述待预测用户；其中，所述用户的所述用户特征信息包括以下一项或多项：所述用户的终端品牌、终端型号、终端价格、性别、年龄、月账单；所述用户的所述业务特征信息包括以下一项或多项：所述用户对应业务的业务时间、呼出次数、被叫次数、主叫接通次数、被叫接通次数、主叫时长、被叫时长、上网时长、上网流量、应用类别、目标类业务占比、小区切换次数、开关机状态、是否常驻位置、被叫拒绝次数。

3.根据权利要求2所述的方法，其特征在于，所述多个用户还包括训练用户和验证用户，所述多个用户的样本数据包括所述训练用户对应的训练数据集与所述验证用户对应的验证数据集，所述根据所述样本数据对作息状态预测模型进行训练，具体包括：

基于所述LightGBM算法和所述F1-score打分法，根据所述训练数据集构建所述作息状态预测模型；

根据所述验证数据集，对所述作息状态预测模型进行准确率的验证；若所述准确率满足预设要求，则确定所述作息状态预测模型训练完成。

4.根据权利要求3所述的方法，其特征在于，在用户为所述训练用户或所述验证用户时，所述样本数据还包括所述用户在所述历史时间段内的作息状态。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述作息状态预测结果包括：休息状态、空闲状态、以及忙碌状态；所述根据所述待预测用户的所述作息状态预测结果，确定所述待预测用户对应的营销时间段，具体包括：

将所述作息状态预测结果中所述待预测用户处于所述空闲状态的时间段，确定为所述待预测用户对应的营销时间段。

6.一种营销时间预测装置，其特征在于，所述营销时间预测装置包括：获取单元、和处理单元；

所述获取单元，用于获取待预测用户的样本数据，所述样本数据包括用户在历史时间段的用户特征信息和业务特征信息；

所述处理单元，用于将所述待预测用户的样本数据输入作息状态预测模型中，确定所述待预测用户的作息状态预测结果；其中，所述作息状态预测模型为基于LightGBM算法和F1-score打分法对多个用户的样本数据进行训练得到的用于预测用户作息状态的预测模型；所述作息状态预测结果用于表征用户在预测时间段内的作息状态分布情况；

所述处理单元，还用于根据所述待预测用户的所述作息状态预测结果，确定所述待预测用户对应的营销时间段。

7.根据权利要求6所述的营销时间预测装置，其特征在于，

所述获取单元，还用于获取多个用户的原始数据；

所述获取单元，还用于对所述原始数据进行数据特征的提取，获取所述多个用户的样本数据，所述多个用户包括所述待预测用户；其中，所述用户的所述用户特征信息包括以下一项或多项：所述用户的终端品牌、终端型号、终端价格、性别、年龄、月账单；所述用户的所述业务特征信息包括以下一项或多项：所述用户对应业务的业务时间、呼出次数、被叫次数、主叫接通次数、被叫接通次数、主叫时长、被叫时长、上网时长、上网流量、应用类别、目标类业务占比、小区切换次数、开关机状态、是否常驻位置、被叫拒绝次数。