[发明专利]模型训练方法、基于模型的红包物料铺设预测方法及装置

说明书

公开了一种模型训练方法、基于模型的红包物料铺设预测方法及装置，该模型训练方法包括：获取至少一条扫码领红包数据和至少一条扫码支付数据；针对至少一个设定商家中的任一设定商家，根据所述设定商家的相关信息，分别对获取到的每一条数据进行特征提取，获得所述设定商家对应的训练样本，其中，所述训练样本以提取到的特征值为输入值；利用无监督学习算法与所获得的训练样本进行训练，得到预测模型，所述预测模型以扫码领红包数据的特征值和扫码支付数据的特征值为输入值，以设定商家铺设有红包物料的概率为输出值。

技术领域

本说明书实施例涉及数据处理技术领域，尤其涉及一种模型训练方法、基于模型的红包物料铺设预测方法及装置。

背景技术

随着互联网技术的发展及智能终端的普及，多种支付类应用程序之间的竞争也益愈激烈，为了争夺“线下支付”的占有份额，某些支付类应用程序的营销团队提出了“扫码领红包”的营销策略，具体的，通过在合作商家店内铺设印有红包二维码的宣传物料(以下简称红包物料)，例如易拉宝、宣传册等，待用户到店后，可通过手机上安装的应用程序扫描该红包二维码，获取具有一定金额的红包，待下次通过该应用程序进行线下支付时，则可使用该红包抵免一定金额，以此吸引越来越多的用户使用该应用程序完成线下支付。

由于地域广泛，合作商家众多，支付类应用程序的营销团队通常将铺设红包物料的任务交于专门的推广人员负责，相关技术中，为了监督红包物料铺设情况的真实性，以提高“扫码领红包”这一营销策略的有效性，可以采用人工到店巡检的方式，或者是通过商家或推广人员拍照、录制视频的方式。然而，若采用前一种方式，将耗费大量的人力物力成本；若采用后一种方式，则由于照片数量有限，且照片的真实性有待质疑，导致监督结果的准确性无法得到保证。

发明内容

针对上述技术问题，本说明书实施例提供一种模型训练方法、基于模型的红包物料铺设预测方法及装置，技术方案如下：

根据本说明书实施例的第一方面，提供一种模型训练方法，所述方法包括：

获取至少一条扫码领红包数据和至少一条扫码支付数据；

针对至少一个设定商家中的任一设定商家，根据所述设定商家的相关信息，分别对获取到的每一条数据进行特征提取，获得所述设定商家对应的训练样本，其中，所述训练样本以提取到的特征值为输入值；

利用无监督学习算法与所获得的训练样本进行训练，得到预测模型，所述预测模型以扫码领红包数据的特征值和扫码支付数据的特征值为输入值，以设定商家铺设有红包物料的概率为输出值。

根据本说明书实施例的第二方面，提供一种基于模型的红包物料铺设预测方法，所述方法包括：

获取至少一条扫码领红包数据和至少一条扫码支付数据；

对所获取到的扫码领红包数据和扫码支付数据分别进行特征提取，获得所述扫码领红包数据的特征值和扫码支付数据的特征值；

将所获得的特征值输入预测模型，得到对应的输出值，所述预测模型以扫码领红包数据的特征值和扫码支付数据的特征值为输入值，以设定商家铺设有红包物料的概率为输出值。

根据本说明书实施例的第三方面，提供一种模型训练装置，所述装置包括：

第一获取模块，用于获取至少一条扫码领红包数据和至少一条扫码支付数据；

第一提取模块，用于针对至少一个设定商家中的任一设定商家，根据所述设定商家的相关信息，分别对获取到的每一条数据进行特征提取，获得所述设定商家对应的训练样本，其中，所述训练样本以提取到的特征值为输入值；

训练模块，用于利用无监督学习算法与所获得的训练样本进行训练，得到预测模型，所述预测模型以扫码领红包数据的特征值和扫码支付数据的特征值为输入值，以设定商家铺设有红包物料的概率为输出值。