[发明专利]建立概率模型的方法、装置、计算机设备和存储介质

说明书

本申请揭示了一种建立概率模型的方法、装置、计算机设备和存储介质，其中方法包括：从服务器的数据库中调用出沉睡用户，然后发送激活信息到终端，经过一定时间后，根据沉睡用户是否访问服务器来将沉睡用户进行分类，并根据分类后的沉睡用户的用户信息进行训练，得到用于计算沉睡用户被唤醒的概率的唤醒概率计算模型。本申请根据深度沉睡用户对信息的反馈以及深度沉睡用户的用户信息来建立概率模型，可以对后续的深度沉睡用户的唤醒概率很迅速的计算出来，有利于工作人员有的放矢，对唤醒概率大的深度沉睡用户进行服务与唤醒，减少工作人员的工作量。

技术领域

本申请涉及到计算机技术领域，特别是涉及到一种建立概率模型的方法、装置、计算机设备和存储介质。

背景技术

深度沉睡用户(一般是指用户在APP上超过180天没有过登录行为)在APP整体用户中占有较高的比例，该部分用户具有行为稀疏、难以触达、激活成本高等特征。但同时，深度沉睡用户也是潜在用户。如何将深度沉睡用户唤醒的这一问题，目前常用的技术手段是对每个深度沉睡用户发送包含活动介绍的短信，以使深度沉睡用户看到活动介绍后再登录APP了解具体情况。

但是这样的操作将沉睡用户唤醒的比例非常低，发送短信也是需要一定的成本，这样使得每唤醒一个沉睡用户的成本较高。

发明内容

本申请的主要目的为提供一种建立计算模型的方法、装置、计算机设备和存储介质，通过本申请的方案得到的计算模型可以从深度沉睡用户中计算待唤醒的用户的被唤醒概率。

为了实现上述发明目的，本申请提出一种建立概率模型的方法，包括：

从服务器的数据库中提取出在第一预设时长内未使用指定APP的沉睡用户；

发送激活信息到所述沉睡用户对应的终端；

将在第二预设时长内访问服务器的沉睡用户定义为唤醒成功用户，将在第二预设时长内未访问服务器的沉睡用户定义为唤醒失败用户；

获取所述沉睡用户的样本信息，将所述唤醒成功用户的样本信息定义为成功样本信息并添加成功的标记，将所述唤醒失败用户的样本信息定义为失败样本信息并添加失败的标记；

将所述成功样本信息和所述失败样本信息均输入到逻辑回归模型中，以对逻辑回归模型进行训练，得到用于计算沉睡用户被唤醒的概率的唤醒概率计算模型。

进一步地，所述获取所述沉睡用户的样本信息，将所述唤醒成功用户的样本信息定义为成功样本信息并添加成功的标记，将所述唤醒失败用户的样本信息定义为失败样本信息并添加失败的标记的步骤，包括：

建立一个表格，将每一个沉睡用户的样本信息分别填入到一列中，每一列中的每一行分别填写所述样本信息中的与每一行对应的指定类型的信息；

将指定行数的数据全部删除，将每一列剩余的信息集合，形成每一个沉睡用户的样本数据，其中，将唤醒成功用户的对应的列的信息定义为成功样本信息，并添加成功的标记，将唤醒失败用户的对应的列的信息定义为失败样本信息，并添加失败的标记。

进一步地，所述将所述成功样本信息和所述失败样本信息均输入到逻辑回归模型中，以对逻辑回归模型进行训练，得到用于计算沉睡用户被唤醒的概率的唤醒概率计算模型的步骤，包括：

获取所述成功样本信息的第一数量和失败样本信息的第二数量；

若第一数量小于第二数量，则从失败样本信息中随机抽取出与第一数量相同个数的失败样本信息；

将第一数量的成功样本信息和随机抽取出的第一数量的失败样本信息输入到逻辑回归模型中，以对逻辑回归模型进行训练。

进一步地，所述将所述成功样本信息和所述失败样本信息均输入到逻辑回归模型中，以对逻辑回归模型进行训练，得到用于计算沉睡用户被唤醒的概率的唤醒概率计算模型的步骤之后，包括：