预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN111681051A(43)申请公布日2020.09.18(21)申请号202010512538.6(22)申请日2020.06.08(71)申请人上海汽车集团股份有限公司地址201203上海市浦东新区张江高科技园区松涛路563号1号楼509室申请人上海汽车工业(集团)总公司(72)发明人陈昊金忠孝(74)专利代理机构北京信远达知识产权代理有限公司11304代理人赵兴华(51)Int.Cl.G06Q30/02(2012.01)G06N20/00(2019.01)权利要求书2页说明书9页附图2页(54)发明名称购买意向度预测方法、装置、存储介质及终端(57)摘要本发明提供了一种购买意向度预测方法、装置、存储介质及终端,该方法通过获取能够表征待预测用户在线选配行为的目标访问数据;提取目标访问数据在预设特征维度下的特征值,并将目标访问数据的特征值输入至预测模型中,以使预测模型对目标访问数据的特征值进行分类;随之通过预测模型就可以获得待预测用户的购买意向度。由此可知,该购买意向度预测方法可以简单有效的挖掘高购买意向度潜客,使得后续营销资源可以得到最大程度的利用,以提高在有限营销成本下的汽车销量。CN111681051ACN111681051A权利要求书1/2页1.一种购买意向度预测方法,其特征在于,所述方法包括:获取能够表征待预测用户在线选配行为的目标访问数据;提取所述目标访问数据在预设特征维度下的特征值,并将所述目标访问数据的特征值输入至预测模型中,以使所述预测模型对所述目标访问数据的特征值进行分类,所述预测模型是预先以历史用户在线选配行为的访问数据为样本,对机器学习模型训练得到的;获取所述预测模型输出的所述待预测用户的购买意向度。2.根据权利要求1所述的方法,其特征在于,预先以历史用户在线选配行为的访问数据为样本,对机器学习模型训练得到所述预测模型的过程,包括:将表征历史用户在线选配行为的访问数据作为样本、表征所述历史用户购买意向行为的转化数据作为所述样本的标签;提取所述样本在所述预设特征维度下的特征值,将所述样本中用于本次训练的部分样本的特征值和标签输入至机器学习模型中,以使所述机器学习模型通过拟合所述样本调整模型参数;计算所述机器学习模型的损失函数值,并在所述损失函数值不符合预设的第一训练结束条件时,重复将所述样本中用于本次训练的部分样本的特征值和标签输入至通用的机器学习模型中,直到所述损失函数值符合所述第一训练结束条件时,将训练后的机器学习模型作为预测模型。3.根据权利要求2所述的方法,其特征在于,所述样本包括训练样本和测试样本;将所述样本中用于本次训练的部分样本的特征值和标签输入至通用的机器学习模型中,包括:将所述训练样本中用于本次训练的部分样本的特征值和标签输入至机器学习模型中;将训练后的机器学习模型作为预测模型之前,所述方法还包括:将所述测试样本的特征值输入至训练后的机器学习模型中,以使所述训练后的机器学习模型对所述测试样本的特征值进行分类;获取训练后的机器学习模型所输出的购买意向度、以及所述测试样本的标签,计算训练后的机器学习模型的正确率,并在所述正确率符合预设的第二训练结束条件时,将训练后的机器学习模型作为预测模型。4.根据权利要求2所述的方法,其特征在于,提取所述样本在所述预设特征维度下的特征值之前,所述方法还包括:从所述样本中筛选符合预设的正向转化条件的合格样本。5.根据权利要求1所述的方法,其特征在于,所述方法还包括:将购买意向度符合预设的高购买意向条件的待预测用户添加至推荐表单中,并输出。6.一种购买意向度预测装置,其特征在于,所述装置包括:数据获取模块、预测模块和意向获取模块,所述预测模块中包含模型训练单元;所述模型训练单元,用于预先以历史用户在线选配行为的访问数据为样本,对机器学习模型训练得到预测模型;所述数据获取模块,用于获取能够表征待预测用户在线选配行为的目标访问数据;所述预测模块,用于提取所述目标访问数据在预设特征维度下的特征值,并将所述目标访问数据的特征值输入至所述预测模型中,以使所述预测模型对所述目标访问数据的特2CN111681051A权利要求书2/2页征值进行分类;意向获取模块,用于获取所述预测模型输出的所述待预测用户的购买意向度。7.根据权利要求6所述的装置,其特征在于,所述模型训练单元,具体用于:将表征历史用户在线选配行为的访问数据作为样本、表征所述历史用户购买意向行为的转化数据作为所述样本的标签;提取所述样本在所述预设特征维度下的特征值,将所述样本中用于本次训练的部分样本的特征值和标签输入至机器学习模型中,以使所述机器学习模型通过拟合所述样本调整模型参数;计算所述机器学习模型的损失函数值,并在所述损失函数值