[发明专利]用户任务预测方法、装置、计算机设备和存储介质

权利要求书

1.一种用户任务预测方法，其特征在于，所述方法包括：

获取用户领取任务的任务信息，根据所述任务信息构建样本集；

提取所述样本集中样本的用户领取任务的任务特征、用户目标特征以及任务目标特征；所述任务特征包括领取任务的时间；所述用户目标特征和所述任务目标特征均为文本特征；

根据预先设置的关联规则和聚类规则，对所述任务特征、所述用户目标特征以及所述任务目标特征进行关联特征提取，得到关联特征，以及得到剩余未关联特征；

对所述关联特征，进行one-hot编码，得到预设长度的编码特征；

将所述编码特征和所述未关联特征输入预先训练的任务预测模型，输出所述任务信息对应的是否完成任务的预测结果；所述任务预测模型的训练样本采用完成任务标签进行标记；所述完成任务标签为二进制编码。

2.根据权利要求1所述的方法，其特征在于，所述任务预测模型包括：XGBoost与lightgbm模型。

3.根据权利要求2所述的方法，其特征在于，训练任务预测模型方式，包括：

采用集成学习的方式训练XGBoost与lightgbm模型。

4.根据权利要求1至3任意一项所述的方法，其特征在于，所述任务信息为：在网络平台领取优惠券的信息；

所述任务目标特征包括：打折率、优惠券使用日期、优惠券总数、优惠券使用购买率和商品ID；

所述用户目标特征包括：用户ID、用户距离、用户最近优惠券使用距离、用户最远优惠券使用距离和平均距离。

5.一种用户任务预测装置，其特征在于，所述装置包括：

样本构建模块，用于获取用户领取任务的任务信息，根据所述任务信息构建样本集；

特征提取模块，用于提取所述样本集中样本的用户领取任务的任务特征、用户目标特征以及任务目标特征；所述任务特征包括领取任务的时间；所述用户目标特征和所述任务目标特征均为文本特征；

关联模块，用于根据预先设置的关联规则和聚类规则，对所述任务特征、所述用户目标特征以及所述任务目标特征进行关联特征提取，得到关联特征，以及得到剩余未关联特征；对所述关联特征，进行one-hot编码，得到预设长度的编码特征；

预测模块，用于将所述编码特征和所述未关联特征输入预先训练的任务预测模型，输出所述任务信息对应的是否完成任务的预测结果；所述任务预测模型的训练样本采用完成任务标签进行标记；所述完成任务标签为二进制编码。

6.根据权利要求5所述的装置，其特征在于，所述任务预测模型包括：XGBoost与lightgbm模型。

7.根据权利要求6所述的装置，其特征在于，采用集成学习的方式训练XGBoost与lightgbm模型。

8.根据权利要求5至7任一项所述的装置，其特征在于，所述任务信息为：在网络平台领取优惠券的信息；所述任务目标特征包括：打折率、优惠券使用日期、优惠券总数、优惠券使用购买率和商品ID；所述用户目标特征包括：用户ID、用户距离、用户最近优惠券使用距离、用户最远优惠券使用距离和平均距离。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。