[发明专利]一种数据处理方法、装置、设备及存储介质

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

获取注册目标应用程序的目标对象的特征数据；

通过目标行为预测模型，根据所述目标对象的特征数据，确定多个时间单元各自对应的目标行为参考概率；所述目标行为预测模型是基于所述多个时间单元各自对应的训练样本集训练的，所述时间单元对应的训练样本集包括在所述目标应用程序上的注册时长满足所述时间单元对应的注册时长的各个注册对象各自对应的训练样本，所述注册对象对应的训练样本中包括所述注册对象的特征数据、以及根据所述注册对象在所述时间单元对应的注册时长内的目标行为产生情况生成的目标行为标注数据，所述时间单元按照预设的时间单元长度对所述目标应用程序的上线时长进行划分得到；

针对每个所述时间单元，根据所述时间单元对应的目标行为参考概率，确定在所述时间单元对应的参考时长内所述目标对象的目标行为产生概率；

其中，所述时间单元对应的目标行为参考概率用于表征在参考前提条件下所述目标对象在所述时间单元内产生目标行为的概率，所述参考前提条件为所述目标对象在所述时间单元的前一个时间单元内不产生所述目标行为；

所述根据所述时间单元对应的目标行为参考概率，确定在所述时间单元对应的参考时长内所述目标对象的目标行为产生概率，包括：

根据所述时间单元对应的目标行为参考概率、以及时间顺序上位于所述时间单元前的各个参考时间单元各自对应的目标行为参考概率，确定第一目标行为产生概率和第二目标行为产生概率中的至少一种；

其中，所述第一目标行为产生概率用于表征所述目标对象对应的目标行为首次产生时间属于所述时间单元的概率，所述目标行为首次产生时间是所述目标对象通过所述目标应用程序首次产生所述目标行为的时间；所述第二目标行为产生概率用于表征所述目标对象在所述时间单元对应的注册时长内通过所述目标应用程序产生所述目标行为的概率。

2.根据权利要求1所述的方法，其特征在于，所述目标行为预测模型包括特征表示层、循环建模层和输出预测层；所述通过目标行为预测模型，根据所述目标对象的特征数据，确定多个时间单元各自对应的目标行为参考概率，包括：

通过所述特征表示层，根据所述目标对象的特征数据，确定对象特征表示向量；

通过所述循环建模层，根据所述对象特征表示向量，确定所述多个时间单元各自对应的状态表示向量；

通过所述输出预测层，针对每个所述时间单元，根据所述时间单元对应的状态表示向量，确定所述时间单元对应的目标行为参考概率。

3.根据权利要求2所述的方法，其特征在于，所述循环建模层包括多个状态建模单元，所述多个状态建模单元与所述多个时间单元一一对应；所述通过所述循环建模层，根据所述对象特征表示向量，确定所述多个时间单元各自对应的状态表示向量，包括：

通过第i个状态建模单元，根据所述对象特征表示向量以及第i-1个状态建模单元建模得到的状态表示向量中的至少一个，确定第i个时间单元对应的状态表示向量；所述i为大于或等于1的整数；

当所述i等于1时，所述第i个状态建模单元用于根据所述对象特征表示向量确定所述第i个时间单元对应的状态表示向量；当所述i大于1时，所述第i个状态建模单元用于根据所述对象特征表示向量和所述第i-1个状态建模单元建模得到的状态表示向量确定所述第i个时间单元对应的状态表示向量，或者，用于根据所述第i-1个状态建模单元建模得到的状态表示向量确定所述第i个时间单元对应的状态表示向量。

4.根据权利要求1所述的方法，其特征在于，所述目标行为预测模型包括特征表示层和输出预测层，所述输出预测层包括多个预测单元，所述多个预测单元与所述多个时间单元一一对应；所述通过目标行为预测模型，根据所述目标对象的特征数据，确定多个时间单元各自对应的目标行为参考概率，包括：

通过所述特征表示层，根据所述目标对象的特征数据，确定对象特征表示向量；

针对每个所述时间单元，通过所述输出预测层中与所述时间单元对应的预测单元，根据所述对象特征表示向量，确定所述时间单元对应的目标行为参考概率。