一种访问频次的预测方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114170002A(43)申请公布日2022.03.11(21)申请号202111509654.3(22)申请日2021.12.10(71)申请人深圳前海微众银行股份有限公司地址518027广东省深圳市前海深港合作区前湾一路1号A栋201室(72)发明人陈雯钟皓明张海川梁剑邹京甫吕晟东许阿虹李泓佑(74)专利代理机构北京同达信恒知识产权代理有限公司11291代理人彭燕(51)Int.Cl.G06Q40/02(2012.01)G06Q10/04(2012.01)G06K9/62(2022.01)权利要求书2页说明书13页附图4页(54)发明名称一种访问频次的预测方法及装置(57)摘要本申请提供一种访问频次的预测方法及装置，包括：获取采集数据，采集数据包括：各目标对象的重复访问频次、各目标对象第一次访问距离最近一次访问的时间间隔以及各目标对象第一次访问距离当前时间的时间间隔；将采集数据输入至参数预测模型，获取各目标对象在预设时间段内访问频次的中间值；基于目标对象的属性信息以及各中间值进行线性拟合，确定各目标对象在预设时间段内的访问频次。该方式在确定目标对象在预设时间段内的访问频次时，通过对目标对象的属性信息以及中间值线性拟合后确定，通过该方式可以保证访问频次的预测的准确度，确定访问频次更加可靠。CN114170002ACN114170002A权利要求书1/2页1.一种访问频次的预测方法，其特征在于，包括：获取采集数据，所述采集数据包括：各目标对象的重复访问频次、各所述目标对象第一次访问距离最近一次访问的时间间隔以及各所述目标对象第一次访问距离当前时间的时间间隔；将所述采集数据输入至参数预测模型，获取各所述目标对象在预设时间段内访问频次的中间值；基于所述目标对象的属性信息以及各所述中间值进行线性拟合，确定各所述目标对象在预设时间段内的访问频次。2.根据权利要求1所述的方法，其特征在于，所述目标对象的属性信息包括M个；所述M为正整数；所述基于所述目标对象的属性信息以及各所述中间值进行线性拟合，确定各所述目标对象在预设时间段内的访问频次之前，还包括：对第i个所述目标对象的属性信息进行分类处理，得到Xi个子属性值；所述i取遍1～M；所述Xi为整数；将所述M个目标对象的属性信息的子属性值进行排列组合，得到个组合；确定每个所述组合对应的中间值的均值；基于所述中间值的均值进行参数拟合，确定线性拟合模型的参数值。3.根据权利要求2所述的方法，其特征在于，任一目标对象的属性信息的子属性值对应的目标对象的数量分布均匀。4.根据权利要求2或3所述的方法，其特征在于，所述基于所述目标对象的属性信息以及各所述中间值进行线性拟合，确定各所述目标对象在预设时间段内的访问频次，包括：将各目标对象的中间值输入至所述线性拟合模型，确定各所述目标对象在预设时间段内的访问频次。5.根据权利要求1所述的方法，其特征在于，所述将所述采集数据输入至参数预测模型，获取各所述目标对象在预设时间段内访问频次的中间值，包括：构建任一目标对象的重复访问频次、第一次访问距离最近一次访问的时间间隔以及第一次访问距离当前时间的时间间隔的三元组；将各目标对象的所述三元组输入至参数预测模型，获取各所述目标对象在预设时间段内访问频次的中间值；所述参数预设模型为贝塔几何BG‑负二项分布NBD模型。6.根据权利要求5所述的方法，其特征在于，所述BG‑NBD模型基于各目标对象访问的时间间隔的分布情况、各目标对象不访问的概率的分布情况以及所述各目标对象的三元组进行预测，确定各所述目标对象在预设时间段内访问频次的中间值。7.根据权利要求4所述的方法，其特征在于，所述线性拟合模型的参数通过如下方式确定：将j个所述目标对象的属性信息输入至预训练的所述线性拟合模型中，确定1组线性拟合模型的参数预设值；所述j取变1～M；基于筛选规则对多组线性拟合模型的参数预设值进行筛选，确定所述线性模型的参数。2CN114170002A权利要求书2/2页8.根据权利要求7所述的方法，其特征在于，所述筛选规则通过如下公式确定：其中，所述adjustedR2指示校正决定系数；所述R2指示决定系数；n指示目标对象的采集数据总条数，k指示属性信息的个数，yi指示目标对象i的中间值，指示线性拟合模型的运行结果，指示中间值的均值。9.一种访问频次的预测装置，其特征在于，包括：获取单元，用于获取采集数据，所述采集数据包括：各目标对象的重复访问频次、各所述目标对象第一次访问距离最近一次访问的时间间隔以及各所述目标对象第一次访问距离当前时间的时间间隔；预测单元，用于将所述采集数据输入至参数预测模型，获取各所述目标对象在预设时间段内访问频次的中间值；确定单元，用于基于所述