[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

说明书

本申请实施例提供了一种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。该方法包括：获取训练样本用户的用户信息、全部的历史购买信息、预设时段内的目标购买信息以及历史购买信息对应产品的产品信息；基于历史购买信息以及目标购买信息确定第一关联特征信息；基于用户信息以及产品信息确定第二关联特征信息；根据用户信息、目标购买信息、第一关联特征信息、第二关联特征信息以及产品信息，确定训练样本集，并根据训练样本集进行模型训练，获得购买概率预测模型。通过本方案中训练出的预测模型进行购买概率预测的准确率较高，基于预测出的购买概率进行产品的推荐具有更高的推荐准确率，能够更好的满足用户的购买需求。

技术领域

本申请涉及数据处理领域，具体而言，本申请涉及一种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。

背景技术

随着金融行业的快速发展，各类金融产品层出不穷，为了方便用户对金融产品的购买，需要将金融产品推荐给用户。

现有技术中在进行金融产品的推荐时，产品推荐的准确率较低，为用户推荐的金融产品可能无法满足用户的购买需求，导致用户使用体验较差。

发明内容

本申请的目的旨在至少能解决上述的技术缺陷之一。本申请所采用的技术方案如下：

第一方面，本申请实施例提供了一种产品的购买概率预测模型的训练方法，该方法包括：

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

基于历史购买信息以及目标购买信息确定第一关联特征信息；

基于用户信息以及产品信息确定第二关联特征信息；

根据用户信息、目标购买信息、第一关联特征信息、第二关联特征信息以及产品信息，确定训练样本集；

根据训练样本集进行模型训练，获得购买概率预测模型。

可选地，根据训练样本集进行模型训练，获得购买概率预测模型，包括：

基于目标购买信息确定训练样本用户的购买行为，购买行为包括购买了产品以及浏览但未购买产品；

将训练样本集中与购买了产品的购买行为对应的训练样本作为正样本；

将训练样本集中与浏览但未购买产品的购买行为对应的训练样本作为负样本；

基于正样本以及负样本进行模型训练，获得购买概率预测模型。

可选地，基于历史购买信息以及目标购买信息确定第一关联特征信息，包括：

确定历史购买信息对应的第一产品以及目标购买信息对应的第二产品；

基于同一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。

可选地，用户信息包括用户画像标签，产品信息包括产品标签，基于用户信息以及产品信息确定关联特征信息，包括：

基于目标购买信息构建用户画像标签与产品标签的关联标签；

确定关联标签的相似度，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。

可选地，确定关联标签的相似度，包括：

基于word2vec模型，并基于用户画像标签与产品标签构建关联标签的特征向量；

基于各特征向量的向量距离，确定关联标签的相似度。

第二方面，本申请实施例提供了一种产品的购买概率的预测方法，该方法包括：