[发明专利]面向众筹平台的捐赠行为与捐赠者保持预测方法

说明书

本发明公开了一种面向众筹平台的捐赠行为与捐赠者保持预测方法，包括：从众筹平台上爬取项目数据；对爬取的项目数据进行特征提取与预处理后，按照时间进行数据区间的划分；将捐赠者的捐赠行为序列和生存保持序列，以及对应于捐赠者的数据区间划分后的特征构建联合深度生存模型；结合设计的排序约束函数对联合深度生存模型进行优化，从而预测捐赠者的捐赠行为与捐赠者的生存保持状态。该方法利用联合深度生存模型(JDS)来对捐赠者行为进行建模，可以有效地对众筹平台上的捐赠用户是否流失进行预测，从而提醒平台做出一定措施以减少用户流失率，具有一定实际应用价值，并且能够给平台带来一定的潜在经济效益。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种面向众筹平台的捐赠行为与捐赠者保持预测方法。

背景技术

近年来，众筹(crowdfunding)平台迅速发展，其中基于捐赠机制的众筹(donation-based crowdfunding)平台变得越来越普及和流行。利用互联网作为媒介可以实现大范围的小额融资，因此，众筹机制给慈善事业带来了新的活力，帮助了众多怀揣梦想和身处困境中的人们。然而，捐赠者(donors)群体严重的客户流失(attrition)是众筹平台和传统慈善事业所面对的一个重要的共性问题。事实上，由于本身的非盈利特性，基于捐赠的众筹和传统的慈善活动中捐赠者的流失问题非常严重。据统计，慈善众筹中捐赠客户的流失率达70％以上。因此分析影响捐赠者行为和去留的因素进而预测这两种行为事件是非常有意义的。然而，在很长的一段时间里，有关捐赠行为和捐赠者保持的相关研究和技术方法都十分有限。

随着互联网众筹平台的发展，大量的用户行为数据被记录和收集，因而使得面向该场景中设计基于大数据驱动的用户行为预测方法提供了可能。

发明内容

本发明的目的是提供一种面向众筹平台的捐赠行为与捐赠者保持预测方法，通过结合深度学习，可以为众筹应用、生存分析等领域的实践提供一定的技术支持。

本发明的目的是通过以下技术方案实现的：

一种面向众筹平台的捐赠行为与捐赠者保持预测方法，包括：

从众筹平台上爬取项目数据；

对爬取的项目数据进行特征提取与预处理后，按照时间进行数据区间的划分；

将捐赠者的捐赠行为序列和生存保持序列，以及对应于捐赠者的数据区间划分后的特征构建联合深度生存模型；

结合设计的排序约束函数对联合深度生存模型进行优化，从而预测捐赠者的捐赠行为与捐赠者的生存保持状态。

由上述本发明提供的技术方案可以看出，利用联合深度生存模型(JDS)来对捐赠者行为进行建模，可以有效地对众筹平台上的捐赠用户是否流失进行预测，从而提醒平台做出一定措施以减少用户流失率，具有一定实际应用价值，并且能够给平台带来一定的潜在经济效益。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种面向众筹平台的捐赠行为与捐赠者保持预测方法的流程图；

图2为本发明实施例提供的问题形式化的描述示意图；

图3为本发明实施例提供的联合深度生存模型的框架图。

具体实施方式