[发明专利]基于GBST的用户推荐方法、装置及电子设备

权利要求书

1.一种基于GBST的用户推荐方法，其特征在于，所述方法包括：

通过梯度提升生存树GBST模型确定目标用户的长期动支预测结果；GBST模型输出每个存量用户的最优生存曲线作为该存量用户的长期动支预测结果；GBST模型通过最大化生存曲线差异建立基础生存树；输出每个用户的初始生存曲线；随后降低所有时间段的总体损失，利用前一棵生存树预测出的生存概率与真实标签的残差进行优化迭代，训练后面的生存树，直到总体损失函数小于阈值停止迭代；其中，真实标签是指真实的生存时间；

根据所述长期动支预测结果在第1推荐周期内的动支预测值向对应的目标用户发送推荐信息，

根据所述长期动支预测结果更新第1+i推荐周期内未促动目标用户在第(1+i)+1推荐周期内的动支预测值，并根据所述第(1+i)+1推荐周期内的动支预测值向所述第1+i推荐周期内未促动目标用户发送推荐信息，i是自然数；当i等于预设值时，结束推荐；

所述更新是指针对长期动支预测结果输出的不同时间段的动支预测值，根据时间对存量用户动支预测值进行动态更新。

2.根据权利要求1所述的方法，其特征在于，所述通过梯度提升生存树GBST模型确定目标用户的长期动支预测结果包括：

根据推荐特征将目标用户分为不同的人群包；

通过GBST模型确定不同人群包中各个目标用户的长期动支预测结果。

3.根据权利要求2所述的方法，其特征在于，所述通过GBST模型确定不同人群包中各个目标用户的长期动支预测结果包括：

通过最大化生存曲线差异建立基础生存树；

利用前一棵生存树预测的生存概率与真实标签的残差进行优化迭代，训练后面的生存树，直到总体损失函数小于阈值停止迭代；

叠加每颗生存树的结果，输出每个目标用户的最优生存曲线作为该目标用户的长期动支预测结果。

4.根据权利要求3所述的方法，其特征在于，在所述迭代过程中，采用随机采样的方法防止模型过拟合。

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：

创建不同用户组与推荐信息的关联表；

所述根据所述长期动支预测结果在第i推荐周期内的动支预测值向对应的目标用户发送推荐信息包括：

根据所述长期动支预测结果在第i推荐周期内的动支预测值将所述目标用户分为不同的用户组；

根据所述关联表向目标用户发送与其所在用户组对应的推荐信息。

6.根据权利要求1所述的方法，其特征在于，所述推荐信息包括免息券、优惠券、现金红包、回馈金中的至少一种。

7.根据权利要求1所述的方法，其特征在于，所述推荐周期为1周。

8.一种基于GBST的用户推荐装置，其特征在于，所述装置包括：

模型确定模块，用于通过梯度提升生存树GBST模型确定目标用户的长期动支预测结果；GBST模型输出每个存量用户的最优生存曲线作为该存量用户的长期动支预测结果；GBST模型通过最大化生存曲线差异建立基础生存树；输出每个用户的初始生存曲线；随后降低所有时间段的总体损失，利用前一棵生存树预测出的生存概率与真实标签的残差进行优化迭代，训练后面的生存树，直到总体损失函数小于阈值停止迭代；其中，真实标签是指真实的生存时间；

发送模块，用于根据所述长期动支预测结果在第1推荐周期内的动支预测值向对应的目标用户发送推荐信息；

循环发送模块，用于根据所述长期动支预测结果更新第1+i推荐周期内未促动目标用户在第(1+i)+1推荐周期内的动支预测值，并根据所述第(1+i)+1推荐周期内的动支预测值向所述第1+i推荐周期内未促动目标用户发送推荐信息，当i等于预设值时，结束推荐；i是自然数；

所述更新是指针对长期动支预测结果输出的不同时间段的动支预测值，根据时间对存量用户动支预测值进行动态更新。