[发明专利]消费额度的预测方法、装置及电子设备

权利要求书

1.一种消费额度的预测方法，其特征在于，所述方法包括：

确定用户的历史消费记录以及与所述用户相关的场景信息；

基于所述历史消费记录与所述场景信息，确定为所述用户推荐的店铺；

将所述历史消费记录、所述场景信息以及所述推荐的店铺的店铺信息输入至预先训练的数学模型中；

通过所述数学模型预测所述用户在所述推荐的店铺的消费额度。

2.根据权利要求1所述的方法，其特征在于，所述通过所述数学模型预测所述用户在所述推荐的店铺的消费额度的步骤之后，所述方法还包括：

针对所述推荐的店铺中的每一个店铺，基于所述用户在所述每一个店铺的消费额度，确定所述每一个店铺的第一收益因子；

确定电商平台相对所述每一个店铺的第二收益因子；

确定所述用户在所述每一个店铺的体验因子；

基于所述每一个店铺的第一收益因子、所述电商平台相对所述每一个店铺的第二收益因子以及所述用户在所述每一个店铺的体验因子，对所述推荐的店铺排序。

3.根据权利要求2所述的方法，其特征在于，所述基于所述每一个店铺的第一收益因子、所述电商平台相对所述每一个店铺的第二收益因子以及所述用户在所述每一个店铺的体验因子，对所述推荐的店铺排序，包括：

针对所述推荐的店铺中的每一个店铺，确定所述每一个店铺对应的第一收益因子、所述电商平台相对所述每一个店铺的第二收益因子、所述用户在所述每一个店铺的体验因子的权重系数；

通过所述权重系数对所述每一个店铺对应的第一收益因子、所述电商平台相对所述每一个店铺的第二收益因子、所述用户在所述每一个店铺的体验因子进行加权，得到所述每一个店铺的分值；

基于所述每一个店铺各自的分值，对所述推荐的店铺排序。

4.根据权利要求2所述的方法，其特征在于，所述基于所述用户在所述每一个店铺的消费额度，确定所述每一个店铺的第一收益因子，包括：

基于所述每一个店铺的历史消费次数以及历史点击次数，确定所述每一个店铺的转化率；

基于所述转化率、所述用户在所述每一个店铺的历史消费额度，确定所述每一个店铺对应的第一收益因子。

5.根据权利要求2所述的方法，其特征在于，所述确定电商平台相对所述每一个店铺的第二收益因子，包括：

确定所述每一个店铺为电商平台提供的广告拍卖价格；

确定所述每一个店铺的广告点击率；

基于所述广告拍卖价格和所述广告点击率，确定所述电商平台相对所述每一个店铺对应的第二收益因子。

6.根据权利要求2所述的方法，其特征在于，所述确定所述用户在所述每一个店铺的体验因子，包括：

确定所述用户与所述每一个店铺之间的空间距离；

确定与所述空间距离对应的体验因子，该体验因子为所述用户在所述每一个店铺的体验因子。

7.根据权利要求1所述的方法，其特征在于，所述基于所述历史消费记录与所述场景信息，确定为所述用户推荐的店铺，包括：

基于所述历史消费记录确定所述用户的消费均价；

基于所述场景信息确定所述用户的地理位置；

基于所述消费均价和所述地理位置，确定为所述用户推荐的至少一个店铺。

8.根据权利要求1-7任一所述的方法，其特征在于，所述方法还包括：

对第一设定数量的店铺中的每一个店铺，统计在所述每一个店铺消费的第二设定数量的用户的历史消费记录；

统计所述第一设定数量的店铺的店铺信息以及所述第二设定数量的用户的历史场景信息；

基于所述第一设定数量的店铺的店铺信息、所述第二设定数量的用户的历史消费记录、所述第二设定数量的用户的历史场景信息，训练所述数学模型。

9.一种消费额度的预测装置，其特征在于，所述装置包括：

第一确定模块，用于确定用户的历史消费记录以及与所述用户相关的场景信息；

第二确定模块，用于基于所述第一确定模块确定的所述历史消费记录与所述场景信息，确定为所述用户推荐的店铺；

输入模块，用于将所述第一确定模块确定的所述历史消费记录、所述场景信息以及所述第二确定模块确定的所述推荐的店铺的店铺信息输入至预先训练的数学模型中；

预测模块，用于通过所述数学模型预测所述用户在所述第二确定模块确定的所述推荐的店铺的消费额度。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-8任一所述的消费额度的预测方法。