[发明专利]行为序列获取方法及装置、用户转化率预测方法及装置

权利要求书

1.一种行为序列获取方法，其特征在于，所述行为序列获取方法适用于长期用户，所述长期用户为注册时长大于人均注册时长且对应用程序的功能事件的点击发生率在c%以内的用户，其中，30≤c≤100；

所述行为序列获取方法包括步骤：

响应于对任一用户的行为序列获取的指令，获取所述用户的行为序列，并从所述行为序列中筛选出预设类别的所有行为事件；其中，所述预设类别的所有行为事件的数量为b，b≥1；

以预设类别中的每一行为事件作为节点，根据所述行为事件出现的时刻向前或向后截取a-1个的行为事件， 从而生成b个长度为a的第一行为序列，a≥2，具体为：

以每一成功购买事件为节点，成功购买事件发生的次数为m，根据所述每一成功购买事件出现的时刻向前截取M-1个的行为事件，从而生成m个长度为M的历史偏好事件向量; m≥1；M≥2；

以每一成功登录事件为节点，成功登录事件发生的次数为n，根据所述每一成功登录事件出现的时刻向后截取N-1个的行为事件，从而生成n个长度为N的历史活跃事件向量；n≥1；N≥2；

根据历史偏好事件的计算策略从所述历史偏好事件向量计算出历史偏好事件的权重向量和物品类别向量；

根据历史活跃事件的计算策略从所述历史活跃事件向量计算出历史活跃事件的非共现向量；其中，所述非共现向量为n个所述历史活跃事件向量中相同位置的事件类别数构成的向量；n≥1；

其中，所述根据历史偏好事件的计算策略从所述历史偏好事件向量计算出历史偏好事件的权重向量和物品类别向量具体为：

根据所述历史偏好事件向量中的事件权重计算出历史偏好事件的权重向量；其中，购买事件的权重通过以下公式计算：

W_buy=2*IE*Nor(Cost)+IE

其中，W_buy为购买事件的权重；IE为与物品相关的行为类别数；Nor(Cost)为购买事件的商品金额的归一化值；

根据所述历史偏好事件向量中每一购买事件对应的商品类别，生成物品类别向量；其中，所述物品类别向量长度与每一用户成功购买商品数等长。

2.一种用户转化率预测方法，其特征在于，包括步骤：

根据权利要求1所述的行为序列获取方法获取任一用户的历史偏好事件向量、历史偏好事件的权重向量、物品类别向量和非共现向量；

响应于对所述用户的转化率的预测指令，将上述获取到的用户的历史偏好事件向量、历史偏好事件的权重向量、物品类别向量和非共现向量作为一预设的预测模型的输入，根据所述预测模型的输出结果对所述用户的转化率进行预测。

3.如权利要求2所述的用户转化率预测方法，其特征在于，所述方法还包括步骤：响应于对预测模型的训练指令，通过上述获取到的用户的历史偏好事件向量、历史偏好事件的权重向量、物品类别向量和非共现向量对所述预测模型进行训练。

4.如权利要求2所述的用户转化率预测方法，其特征在于，所述将上述获取到的用户的历史偏好事件向量、历史偏好事件的权重向量、物品类别向量和非共现向量作为一预设的预测模型的输入，根据所述预测模型的输出结果对所述用户的转化率进行预测具体为：

将所述物品类别向量和所述权重向量进行左对齐，根据最短向量的长度截取其他向量与最短向量等长的部分，生成左物品类别向量和左权重向量，根据所述历史偏好事件向量中每一位置的行为事件在所述历史偏好事件向量中出现的次数生成新的历史偏好事件向量，将所述新的历史偏好事件向量与所述左权重向量对应位置权重相乘生成左偏好向量；

将所述物品类别向量和所述权重向量进行右对齐，根据最短向量的长度截取其他向量与最短向量等长的部分，生成右物品类别向量和右权重向量，根据所述历史偏好事件向量中每一位置的行为事件在所述历史偏好事件向量中出现的次数生成新的历史偏好事件向量，将所述新的历史偏好事件向量与所述右权重向量对应位置权重相乘生成右偏好向量；

将所述非共现向量进行左对齐，根据最短向量的长度截取其他向量与最短向量等长的部分，生成左活跃向量；将所述非共现向量进行右对齐，根据最短向量的长度截取其他向量与最短向量等长的部分，生成右活跃向量；

将所述左物品类别向量、所述右物品类别向量、所述左偏好向量、所述右偏好向量、所述左活跃向量和所述右活跃向量输入所述预测模型中进行预测。