[发明专利]产品的购买概率预测模型的训练方法及购买概率预测方法

权利要求书

1.一种产品的购买概率预测模型的训练方法，其特征在于，包括：

获取训练样本用户的用户信息、所述训练样本用户全部的历史购买信息、所述训练样本用户在预设时段内的目标购买信息以及所述历史购买信息对应产品的产品信息；

基于所述历史购买信息以及所述目标购买信息确定第一关联特征信息；

基于所述用户信息以及所述产品信息确定第二关联特征信息；

根据所述用户信息、所述目标购买信息、所述第一关联特征信息、所述第二关联特征信息以及所述产品信息，确定训练样本集；

根据所述训练样本集进行模型训练，获得购买概率预测模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述训练样本集进行模型训练，获得购买概率预测模型，包括：

基于所述目标购买信息确定所述训练样本用户的购买行为，所述购买行为包括购买了所述产品以及浏览但未购买所述产品；

将所述训练样本集中与所述购买了所述产品的购买行为对应的训练样本作为正样本；

将所述训练样本集中与所述浏览但未购买所述产品的购买行为对应的训练样本作为负样本；

基于所述正样本以及所述负样本进行模型训练，获得购买概率预测模型。

3.根据权利要求1所述的方法，其特征在于，基于所述历史购买信息以及所述目标购买信息确定第一关联特征信息，包括：

确定所述历史购买信息对应的第一产品以及所述目标购买信息对应的第二产品；

基于同一所述训练样本用户所对应的第一产品以及所对应的第二产品，构建第一关联特征信息。

4.根据权利要求1所述的方法，其特征在于，所述用户信息包括用户画像标签，所述产品信息包括产品标签，所述基于所述用户信息以及所述产品信息确定第二关联特征信息，包括：

基于所述目标购买信息构建所述用户画像标签与所述产品标签的关联标签；

确定所述关联标签的相似度，将相似度满足预设条件的关联标签以及对应相似度值确定为第二关联特征信息。

5.根据权利要求4所述的方法，其特征在于，所述确定所述关联标签的相似度，包括：

基于word2vec模型，并基于所述用户画像标签与所述产品标签构建所述关联标签的特征向量；

基于各所述特征向量的向量距离，确定所述关联标签的相似度。

6.一种产品的购买概率的预测方法，其特征在于，包括：

获取目标用户的用户信息、所述目标用户全部的历史购买信息、所述目标用户在预设时段内的目标购买信息及待推荐产品的产品信息；

基于所述历史购买信息以及所述目标购买信息确定第三关联特征信息；

基于所述用户信息以及所述产品信息确定第四关联特征信息；

根据所述用户信息、所述目标购买信息、所述第三关联特征信息、所述第四关联特征信息以及所述产品信息，确定预测样本集；

将所述预测样本集输入至权利要求1-5中任一项所述的训练方法训练出的购买概率预测模型，获得所述目标用户对所述待推荐产品的购买概率。

7.根据权利要求6所述的方法，其特征在于，还包括：

基于所述购买概率确定目标推荐产品，并将所述目标推荐产品提供给对应的目标用户。

8.一种产品的购买概率预测模型的训练装置，其特征在于，包括：

基本信息获取模块，用于获取训练样本用户的用户信息、所述训练样本用户全部的历史购买信息、所述训练样本用户在预设时段内的目标购买信息以及所述历史购买信息对应产品的产品信息；

第一关联信息确定模块，用于基于所述历史购买信息以及所述目标购买信息确定第一关联特征信息；

第二关联信息确定模块，用于基于所述用户信息以及所述产品信息确定第二关联特征信息；

训练样本集构建模块，用于根据所述用户信息、目标购买信息、所述第一关联特征信息、所述第二关联特征信息以及所述产品信息，确定训练样本集；

模型训练模块，用于根据所述训练样本集进行模型训练，获得购买概率预测模型。