目标群体对于业务场景敏感程度的确定方法及其装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115063178A(43)申请公布日2022.09.16(21)申请号202210761623.5(22)申请日2022.06.30(71)申请人北京趣拿软件科技有限公司地址100080北京市海淀区苏州街29号院18号楼维亚大厦17楼1701-1707,1710-1720室(72)发明人李倩颖徐思昊(74)专利代理机构北京康信知识产权代理有限责任公司11240专利代理师周春枚(51)Int.Cl.G06Q30/02(2012.01)G06N20/00(2019.01)权利要求书3页说明书10页附图4页(54)发明名称目标群体对于业务场景敏感程度的确定方法及其装置(57)摘要本发明公开了一种目标群体对于业务场景敏感程度的确定方法及其装置。其中，该方法包括：获取目标群体中每个样本的特征信息；将特征信息输入第一模型中，以利用第一模型得到与特征信息对应的第一敏感度；响应于当前业务场景的触发，采集目标群体中每个样本的当前特征信息，其中，当前特征信息至少包括：每个样本的当前业务程度信息以及每个样本的当前消费习惯信息，当前业务程度信息为当前对每个样本施加促进样本执行消费动作的程度；通过当前特征信息与第一敏感度对预定神经网络进行训练，以获取第二模型；利用第二模型获取第二敏感度。本发明解决了针对相关技术中在预估目标用户对于优惠券敏感度时的处理方法精准性不足的技术问题。CN115063178ACN115063178A权利要求书1/3页1.一种目标群体对于业务场景敏感程度的确定方法，其特征在于，包括：获取目标群体中每个样本的特征信息，其中，所述特征信息至少包括：所述每个样本的业务程度信息以及所述每个样本的消费习惯信息，所述业务程度信息为对所述每个样本施加促进所述样本执行消费动作的程度；将所述特征信息输入第一模型中，以利用所述第一模型得到与所述特征信息对应的第一敏感度，其中，所述第一模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组均包括：所述目标群体中每个样本的历史特征信息以及与所述历史特征信息对应的历史第一敏感度；响应于当前业务场景的触发，采集所述目标群体中每个样本的当前特征信息，其中，所述当前特征信息至少包括：所述每个样本的当前业务程度信息以及所述每个样本的当前消费习惯信息，所述当前业务程度信息为当前对所述每个样本施加促进所述样本执行消费动作的程度；通过所述当前特征信息与所述第一敏感度对预定神经网络进行训练，以获取第二模型；利用所述第二模型获取第二敏感度，其中，所述第二敏感度为所述目标群体中每个样本对于所述当前业务场景的敏感程度。2.根据权利要求1所述的方法，其特征在于，在获取目标群体中每个样本的特征信息之前，所述方法还包括：对所述每个样本进行人为干预处理，确定所述目标群体中的第一群体和第二群体，其中，所述人为干预处理至少包括：发放优惠券，所述第一群体为未执行对所述每个样本施加促进所述样本执行消费动作的群体，所述第二群体为已执行对所述每个样本施加促进所述样本执行消费动作的群体；基于所述第一群体和所述第二群体，获取所述目标群体中每个样本的特征信息。3.根据权利要求1所述的方法，其特征在于，利用所述第二模型获取第二敏感度，包括：基于所述当前特征信息构造第一损失函数，其中，所述第一损失函数至少包括：Logloss分类损失函数；基于所述当前特征信息和所述第一敏感度构造第二损失函数，其中，所述第二损失函数至少包括：mse回归损失函数；通过所述第一损失函数与所述第二损失函数对所述第二模型进行优化，得到优化后的第二模型；利用所述优化后的第二模型获取所述目标群体的第二敏感度。4.根据权利要求1或3所述的方法，其特征在于，利用所述第二模型获取第二敏感度，包括：将所述目标群体的特征信息输入所述第二模型或所述优化后的第二模型，以利用所述第二模型或所述优化后的第二模型对所述特征信息进行处理；获取所述第二模型或所述优化后的第二模型的输出，以得到所述第二敏感度。5.根据权利要求1或3所述的方法，其特征在于，利用所述第二模型获取第二敏感度，包括：将第一群体的当前特征信息输入所述第二模型中，以获取与所述第一群体的特征信息2CN115063178A权利要求书2/3页对应的第一结果，其中，所述第一群体为未执行对所述每个样本施加促进所述样本执行消费动作的群体；将第二群体的当前特征信息输入所述第二模型中，以获取与所述第二群体的特征信息对应的第二结果，其中，所述第二群体为已执行对所述每个样本施加促进所述样本执行消费动作的群体；基于所述第一结果与所述第二结果的差值，确定所述第二敏感度。6.一种目标群体对于业务场景敏感程度的确定装置，其特征在于，包括：第一获取模块，用于获取目标群体中每个样本的特征信息，