[发明专利]识别网络游戏中潜在高消费用户的方法及设备

权利要求书

1.一种识别网络游戏中潜在高消费用户的方法，其中，该方法包括：

获取样本用户的行为数据，并对所述样本用户的行为数据进行特征提取与扩展；

基于提取和扩展特征后的行为数据，使用逻辑回归算法进行建模，获取用户为潜在高消费用户的预测模型；

获取预测用户的行为数据，对所述预测用户的行为数据进行特征扩展，并使用所述预测模型对所述预测用户的行为数据进行预测，确定所述预测用户为潜在高消费用户的概率。

2.根据权利要求1所述的方法，其中，对所述样本用户的行为数据进行特征扩展，包括：

使用梯度提升树算法对所述样本用户的行为数据进行特征扩展。

3.根据权利要求2所述的方法，其中，使用梯度提升树算法对所述样本用户的行为数据进行特征扩展，包括：

根据所述样本用户的行为数据，使用梯度提升树算法生成多棵决策树；

将所述的每一棵决策树的叶节点作为新的特征添加到所述样本用户的行为数据中；

根据所述样本用户的行为数据归属到所述决策树的叶节点的信息，为所述新的特征进行赋值。

4.根据权利要求3所述的方法，其中，根据所述样本用户的行为数据，使用梯度提升树算法生成决策树，包括：

根据所述样本用户的行为数据生成决策树；

在未达到预设的迭代次数时，根据预设的损失函数和所述样本用户的行为数据对所述决策树进行更新。

5.根据权利要求3所述的方法，其中，根据所述样本用户的行为数据归属到所述决策树的叶节点的信息，为所述新的特征进行赋值，包括：

遍历所述决策树，将所述样本用户的行为数据归属到所述决策树的一个叶节点；

将所述样本用户的行为数据归属到的叶节点对应的新的特征进行置位，其它叶节点对应的新的特征进行复位。

6.根据权利要求3或4所述的方法，其中，对所述预测用户的行为数据进行特征扩展，包括：

使用所述梯度提升树算法生成的决策树对所述预测用户的行为数据进行特征扩展。

7.根据权利要求1所述的方法，其中，使用所述预测模型对所述预测用户的行为数据进行预测，确定所述预测用户为潜在高消费用户的概率之后，还包括：

基于预设阈值，将所述概率大于所述预设阈值的预测用户确定为潜在高消费用户。

8.一种识别网络游戏中潜在高消费用户的设备，其中，该设备包括：

数据获取装置，用于获取样本用户的行为数据，并对所述样本用户的行为数据进行特征扩展；

建模装置，用于基于扩展特征后的行为数据，使用逻辑回归算法进行建模，获取用户为潜在高消费用户的预测模型；

预测装置，用于获取预测用户的行为数据，对所述预测用户的行为数据进行特征扩展，并使用所述预测模型对所述预测用户的行为数据进行预测，确定所述预测用户为潜在高消费用户的概率。

9.根据权利要求8所述的设备，其中，所述数据获取装置，用于：

使用梯度提升树算法对所述样本用户的行为数据进行特征扩展。

10.根据权利要求9所述的设备，其中，所述数据获取装置，包括：

决策树生成模块，用于根据所述样本用户的行为数据，使用梯度提升树算法生成决策树；

特征添加模块，用于将所述决策树的叶节点作为新的特征添加到所述样本用户的行为数据中；

特征赋值模块，用于根据所述样本用户的行为数据归属到所述决策树的叶节点的信息，为所述新的特征进行赋值。

11.根据权利要求10所述的设备，其中，所述决策树生成模块，用于：

根据所述样本用户的行为数据生成决策树；

在未达到预设的迭代次数时，根据预设的损失函数和所述样本用户的行为数据对所述决策树进行更新。

12.根据权利要求10所述的设备，其中，所述特征赋值模块，用于：

遍历所述决策树，将所述样本用户的行为数据归属到所述决策树的一个叶节点；

将所述样本用户的行为数据归属到的叶节点对应的新的特征进行置位，其它叶节点对应的新的特征进行复位。

13.根据权利要求10或11所述的设备，其中，所述预测装置，用于：

使用所述决策树生成模块生成的决策树，对所述预测用户的行为数据进行特征扩展。

14.根据权利要求8所述的设备，其中，所述预测装置，还用于：

基于预设阈值，将所述概率大于所述预设阈值的预测用户确定为潜在高消费用户。