[发明专利]一种温度会员标签预测方法、装置、电子设备及存储介质

权利要求书

1.一种温度会员标签预测方法，其特征在于，包括：

从大数据平台数据源获取会员标签数据和会员历史消费数据；

根据会员标签数据和会员历史消费数据，提取会员历史消费特征及对应的预测标签数据；

基于3σ法则对异常特征数据进行清除，并通过embedded方法进行特征选择；

构建ligthGBM算法，选取预订比例的清洗后的特征数据作为训练数据对ligthGMB模型进行训练，确定模型参数；

通过GridSearch网格调参后，将最优参数代入ligthGBM模型，以基于ligthGBM模型进行会员标签预测。

2.根据权利要求1所述的方法，其特征在于，所述根据会员标签数据和会员历史消费数据，提取会员历史消费特征及对应的预测标签数据包括：

将会员历史消费数据进行划分为第一分段历史消费数据和第二分段历史消费数据；

通过Spark集群对第一分段历史消费数据进行统计分析，获取会员历史消费行为特征，生成多维用户标签数据。

3.根据权利要求1所述的方法，其特征在于，所述根据会员标签数据和会员历史消费数据，提取会员历史消费特征及对应的预测标签数据还包括：

通过word2vec对用户购药习惯进行特征抽取，按照会员购药的时间维度对购药商品进行聚合。

4.根据权利要求2所述的方法，其特征在于，所述将会员历史消费数据进行划分为第一分段历史消费数据和第二分段历史消费数据还包括：

计算第二分段用户历史消费数据对应的客单价、消费总额、消费次数、毛利润；

将客单价、消费总额、消费次数、毛利润作为特征因子，按照时间衰减因子对所述特征因子进行加权求取标签值，所述标签值为会员标签预测结果，用于衡量会员价值。

5.根据权利要求1所述的方法，其特征在于，所述通过GridSearch网格调参包括：

以AUC为模型评价指标，采用k折交叉验证计算ligthGBM模型的最优参数；

降低ligthGBM模型的学习率，获取最佳迭代次数。

6.一种用于温度会员标签预测的装置，其特征在于，包括：

获取模块，用于从大数据平台数据源获取会员标签数据和会员历史消费数据；

提取模块，用于根据会员标签数据和会员历史消费数据，提取会员历史消费特征及对应的预测标签数据；

清除模块，用于基于3σ法则对异常特征数据进行清除，并通过embedded方法进行特征选择；

训练模块，用于构建ligthGBM算法，选取预订比例的清洗后的特征数据作为训练数据对ligthGMB模型进行训练，确定模型参数；

调参模块，用于通过GridSearch网格调参后，将最优参数代入ligthGBM模型，以基于ligthGBM模型进行会员标签预测。

7.根据权利要求6所述的装置，其特征在于，所述提取模块包括：

划分单元，用于将会员历史消费数据进行划分为第一分段历史消费数据和第二分段历史消费数据；

统计单元，用于通过Spark集群对第一分段历史消费数据进行统计分析，获取会员历史消费行为特征，生成多维用户标签数据。

8.根据权利要求7所述的装置，其特征在于，所述划分单元还包括：

计算单元，用于计算第二分段用户历史消费数据对应的客单价、消费总额、消费次数、毛利润；

求取单元，用于将客单价、消费总额、消费次数、毛利润作为特征因子，按照时间衰减因子对所述特征因子进行加权求取标签值，所述标签值为会员标签预测结果，用于衡量会员价值。

9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述温度会员标签预测方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述温度会员标签预测方法的步骤。