[发明专利]对象价值预测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种对象价值预测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：通过对待预测对象集中各个待预测对象的对象特征进行聚类，基于每个对象群中各个待预测对象的资源剩余峰值，确定第一预测价值；将待预测对象集中各个待预测对象的对象特征分别输入至回归模型，得到第二预测价值；针对待预测对象集中每个待预测对象，基于当前待预测对象与每个第一对象之间的多维度关系数据，确定第三预测价值；基于当前待预测对象的资源剩余峰值，确定四预测价值；基于第一预测价值、第二预测价值、第三预测价值以及第四预测价值，确定每个待预测对象的对象价值。采用本方法能够提高对象价值预测准确度。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种对象价值预测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

现代企业大多拥有大量的业务对象，对不同价值的业务对象进行分层互动，对提升企业的整体业务水平有重要作用。实际业务中，往往有很大一部分业务对象的活跃度偏低，业务对象的价值无法直接获得，从而需要进行价值预测。

现有的对象价值预测方法中，通常由人工根据业务专家规则形成对象的价值指标。然而这种对象价值预测方法只能根据客户已经展现出来的数据进行分类，无法预测对象的潜在价值，存在对象价值预测准确度低的问题。

发明内容

基于此，有必要针对传统的对象价值预测方法准确度低的问题，提供一种能够提高对象价值预测准确度的对象价值预测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种对象价值预测方法。所述方法包括：

获取待预测对象集中各个待预测对象的对象特征；

通过对各个待预测对象的对象特征进行聚类，将各个待预测对象分为多个对象群，基于每个对象群中各个待预测对象在第一预设时间段内的资源剩余峰值，确定每个对象群中各个待预测对象的第一预测价值；

将待预测对象集中各个待预测对象的对象特征分别输入至回归模型，得到待预测对象集中各个待预测对象的第二预测价值；

针对待预测对象集中每个待预测对象，确定当前待预测对象与，待预测对象集中除当前待预测对象外每个第一对象之间的多维度关系数据；基于多维度关系数据，确定当前待预测对象的第三预测价值；

针对待预测对象集中每个待预测对象，基于当前待预测对象在第二预设时间段内的资源剩余峰值，确定当前待预测对象的第四预测价值；

基于待预测对象集中每个待预测对象的第一预测价值、第二预测价值、第三预测价值以及第四预测价值，确定每个待预测对象的对象价值。

在其中一个实施例中，回归模型的训练步骤，包括：

获取训练对象的对象特征以及训练对象的价值标签；

将训练对象的对象特征输入至当前训练模型，得到训练对象的预测价值，基于预测价值和价值标签判断当前训练模型是否满足预设停止条件，若满足，则将当前训练模型作为回归模型，若不满足，则对当前训练模型继续进行训练，直到当前训练模型满足预设停止条件。

在其中一个实施例中，基于多维度关系数据，确定当前待预测对象的第三预测价值，包括：

在待预测对象集的知识图谱上确定当前待预测对象对应的子图谱；

对于待预测对象集中除当前待预测对象外每个第一对象，将当前待预测对象与当前第一对象的多维度关系数据进行加权平均，获得当前待预测对象与当前第一对象的亲密距离；

根据当前待预测对象与当前第一对象的亲密距离，获得当前待预测对象与当前第一对象之间的传播权重；