[发明专利]服务发起概率预测方法及其模型的训练方法和装置

权利要求书

1.一种服务发起概率模型的训练方法，其特征在于，所述方法包括：

从训练对象的终端获取与服务客户端有关的操作行为数据；

从所述操作行为数据中获取影响服务发起概率的特征数据和实际发起服务数据，并根据所述特征数据确定训练样本；

将所述训练样本输入至第一分类子模型，输出所述训练样本对应的分类值；

将所述训练样本和所述训练样本对应的分类值输入至第二分类子模型，输出所述训练对象发起服务的概率预测值；

根据所述概率预测值与所述实际发起服务数据，训练所述第一分类子模型和所述第二分类子模型，得到服务发起概率模型。

2.根据权利要求1所述的方法，其特征在于，所述特征数据包括服务客户端的访问行为特征、服务发起行为特征、注册行为特征、好友关系特征、所述终端上与所述服务客户端有关的第三方客户端的分布特征、激励资源量特征和所述训练对象的身份属性特征中的多种。

3.根据权利要求1所述的方法，其特征在于，根据所述特征数据确定训练样本的步骤，包括：

对所述特征数据进行数据转化处理；所述数据转化处理至少包括下述之一：归一化处理、离散化处理和缺失值填充处理；

根据转化处理后的所述特征数据生成所述特征数据对应的训练样本。

4.根据权利要求3所述的方法，其特征在于，根据转化处理后的所述特征数据生成所述特征数据对应的训练样本的步骤，包括：

从处理后的所述特征数据中提取预设种类的特征数据；所述预设种类的数量为至少两种；

按照预设的特征分组，将提取的所述特征数据中，属于同一分组的特征数据进行矩阵变换，得到每个分组对应的组合特征；

将处理后的所述特征数据，以及所述组合特征确定为训练样本。

5.根据权利要求1所述的方法，其特征在于，所述第一分类子模型包括集成树模型；

将所述训练样本输入至第一分类子模型，输出所述训练样本对应的分类值的步骤，包括：

通过所述集成树模型中的分类树，对所述训练样本进行分类处理，得到所述训练样本在所述分类树中的叶子节点值，将所述叶子节点值确定为所述训练样本对应的分类值。

6.根据权利要求5所述的方法，其特征在于，所述集成树模型中预设有多个分类子树；

通过所述集成树模型中的分类树，对所述训练样本进行分类处理，得到所述训练样本在所述分类树中的叶子节点值的步骤，包括：

将所述训练样本分别输入至每个所述分类子树中；

通过每个所述分类子树对所述训练样本进行分类处理，得到每个所述分类子树中输出的叶子节点值；

将每个所述分类子树中输出的叶子节点值，或者每个所述分类子树中输出的叶子节点值的总和作为最终的叶子节点值。

7.根据权利要求1所述的方法，其特征在于，所述第二分类子模型包括逻辑回归模型；

所述将所述训练样本和所述训练样本对应的分类值输入至第二分类子模型，输出所述训练对象发起服务的概率预测值的步骤，包括：

通过所述逻辑回归模型中的边界判定函数，计算所述训练样本和所述训练样本对应的分类值对应的函数值；

根据所述函数值的绝对值，确定所述训练对象发起服务的概率预测值。

8.根据权利要求7所述的方法，其特征在于，根据所述函数值的绝对值，确定所述训练对象发起服务的概率预测值的步骤，包括：

通过所述逻辑回归模型中的概率函数，将所述函数值映射至预设的概率区间，得到所述训练对象发起服务的概率预测值。