[发明专利]一种基于深度学习的运营策略触发方法、装置和电子设备

权利要求书

1.一种基于深度学习的运营策略触发方法，其特征在于，包括以下步骤：

获取监测期内用户的历史消费数据，对历史消费数据进行预处理，并人工添加标签；

建立消费情绪分析模型，使用预处理后的历史消费数据训练消费情绪分析模型；

周期性执行以下步骤：

获取周期内用户的实时行为数据，对用户的实时行为数据进行预处理；

将预处理后的用户的实时行为数据输入训练完成的消费情绪分析模型，得到消费情绪分析模型的输出结果，作为用户消费情绪监控结果；

预设若干个运营策略，所述运营策略关联有用户消费情绪，根据用户消费情绪监控结果触发对应的运营策略至用户端。

2.如权利要求1所述的一种基于深度学习的运营策略触发方法，其特征在于，

所述实时行为数据包括交互类型数据、用户信息数据和项目类别数据，所述交互类型数据记录用户与项目的交互类型，所述用户信息数据记录用户的信息，所述项目类别数据记录用户交互行为对应的项目类别。

3.如权利要求1所述的一种基于深度学习的运营策略触发方法，其特征在于，

所述消费情绪分析模型包括特征提取网络、指示网络、事件归一化网络、若干个GRU单元、辅助目标函数模块、即时特征模块和集成学习模块，所述特征提取网络、指示网络和事件归一化网络分别与若干个GRU单元的输入端连接，所述辅助目标函数模块与GRU单元的输出端连接，若干个所述GRU单元相互连接构成序列网络，所述序列网络和即时特征模块均与集成学习模块连接。

4.如权利要求3所述的一种基于深度学习的运营策略触发方法，其特征在于，

所述消费情绪分析模型还包括辅助GRU单元，所述辅助GRU单元与若干个所述GRU单元相互连接，所述辅助目标函数模块包括辅助值取出单元和辅助值反馈单元，辅助值取出单元读取对应的GRU单元的输出，辅助值取出单元将对应的GRU单元的输出输入到预设的辅助目标函数得出的结果作为辅助值，所述辅助值反馈单元将所述辅助值作为辅助GRU单元的输入。

5.如权利要求4所述的一种基于深度学习的运营策略触发方法，其特征在于，

所述预设的辅助目标函数为：

Obj_aux＝y·log[σ(W_optO_t+b_opt)]+(1-y)·σ(W_optO_t+b_opt)

其中，y为取值0或1的标签，σ为sigmoid函数，W_opt和b_opt均为预设可训练学习的参数，O_t为所述事件归一化网络的输出向量。

6.如权利要求3所述的一种基于深度学习的运营策略触发方法，其特征在于，

所述指示网络包括指示标签添加层和全连接层，所述指示标签添加层根据插入规则对序列采集数据插入变化指示标记，生成带有标记的序列数据，所述全连接网络的输入为所述带有标记的序列数据，所述全连接网络的输出为预设长度的映射向量。