[发明专利]预测用户状态变化的方法和装置

说明书

本发明实施例提供预测用户状态变化的方法和装置，其中，所述方法包括：获取预设状态用户的多个体征数据，所述体征数据包括动态体征参数的特征数据和静态体征参数对应的数据；根据所述多个体征数据以及参数相关性确定至少一个目标体征数据，其中，所述参数相关性为所述动态体征参数与所述静态体征参数之间的相关性；根据所述至少一个目标体征数据以及预设的基于极限梯度增强自适应算法的用户状态预测模型预测所述预设状态用户的状态变化发生概率；输出所述预设状态用户的状态变化发生概率。采用本发明的技术方案，可以提高预测的精度。

技术领域

本发明涉及概率预测领域，尤其涉及预测用户状态变化的方法和装置。

背景技术

数据预测是指通过对样本数据(历史数据)的输入值和输出值进行关联性学习，得到预测模型，在利用该预测模型对未来的输入值进行输出值预测，从而得到一个预测数据。数据预测可以用于用户行为预测、人体健康预测、灾难灾害预测、环境变迁预测等应用领域。

数据预测主要采用决策树方法、人工神经网络、支持向量机、正则化方法、朴素贝叶斯等机器学习算法建立数据模型，从而用该数据模型进行预测。在目前的一些方案中，一般采用多变量逻辑回归算法对用户状态变化概率进行预测，但是，采用多变量逻辑回归算法得到的模型很难捕捉到复杂数据中的非线性关系，模型的预测精度不高。

发明内容

本发明实施例提供预测用户状态变化的方法和装置，可以提高模型的预测精度。

本发明实施例第一方面提供一种预测用户状态变化的方法，包括：

获取预设状态用户的多个体征数据，所述体征数据包括动态体征参数的特征数据和静态体征参数对应的数据；

根据所述多个体征数据以及参数相关性确定至少一个目标体征数据，其中，所述参数相关性为所述动态体征参数与所述静态体征参数之间的相关性；

根据所述至少一个目标体征数据以及预设的基于极限梯度增强自适应算法的用户状态预测模型预测所述预设状态用户的状态变化发生概率；

输出所述预设状态用户的状态变化发生概率。

本发明实施例第二方面提供预测用户状态变化的装置，包括：

获取单元，用于获取预设状态用户的多个体征数据，所述体征数据包括动态体征参数的特征数据和静态体征参数对应的数据；

第一确定单元，用于根据所述多个体征数据以及参数相关性确定至少一个目标体征数据，其中，所述参数相关性为所述动态体征参数与所述静态体征参数之间的相关性；

预测单元，用于根据所述至少一个目标体征数据以及预设的基于极限梯度增强自适应算法的用户状态预测模型预测所述预设状态用户的状态变化发生概率；

输出单元，用于输出所述预设状态用户的状态变化发生概率。

本发明实施例第三方面提供一种预测用户状态变化的装置，包括处理器、存储器以及输入输出接口，所述处理器、存储器和输入输出接口相互连接，其中，所述输入输出接口用于输入输出数据，所述存储器用于存储预测用户状态变化的装置执行上述方法的应用程序代码，所述处理器被配置用于执行上述第一方面的方法。

本发明实施例第四方面提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。

本发明实施例中，通过对预设状态用户的动态体征参数的特征数据和静态体征参数对应的数据进行处理，得到目标体征数据，将目标体征数据作为输入值采用基于极限梯度增强自适应算法的用户状态预测模型对预设状态用户的状态变化发生概率进行预测，采用基于极限梯度增强自适应算法得到的用户状态预测模型可以提高预测的精度，另外，对用户的动态体征参数和静态体征参数处理可以简化模型的复杂度。

附图说明