[发明专利]基于人工智能的流失用户预测方法、装置及电子设备

说明书

本申请提供了一种基于人工智能的流失用户预测方法、装置、电子设备及计算机可读存储介质；涉及大数据技术领域的数据计算；方法包括：通过用户流失模型的流失参数和流失率分类阈值，对参与业务的用户样本进行是否是所述业务的流失用户的分类处理，根据得到的预测类别与所述用户样本的标记类别之间的差异，对所述用户流失模型的流失参数以及流失率分类阈值进行更新；通过更新后的所述用户流失模型的流失参数和流失率分类阈值，对目标用户进行是否是所述业务潜在的流失用户的分类处理。通过本申请，能够提升预测流失用户的精度。

技术领域

本申请涉及人工智能和大数据技术，尤其涉及一种基于人工智能的流失用户预测方法、装置、电子设备及计算机可读存储介质。

背景技术

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。机器学习(Machine Learning，ML)是人工智能的核心，专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

流失用户预测是机器学习的一个重要分支，涉及到大数据处理，可应用于社交业务、游戏业务及电商业务等业务场景。在相关技术提供的方案中，针对用于进行流失用户预测的模型，在模型的训练阶段以及应用阶段，均是采用固定的流失率分类阈值进行分类处理。由于业务场景经常会面临更新，导致在使用固定的流失率分类阈值时，预测流失用户的精度较低，无法根据预测出的流失用户有效地调整业务运营策略。

发明内容

本申请实施例提供一种基于人工智能的流失用户预测方法、装置、电子设备及计算机可读存储介质，能够提升预测流失用户的精度。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种基于人工智能的流失用户预测方法，包括：

通过用户流失模型的流失参数和流失率分类阈值，对参与业务的用户样本进行是否是所述业务的流失用户的分类处理，根据得到的预测类别与所述用户样本的标记类别之间的差异，对所述用户流失模型的流失参数以及流失率分类阈值进行更新；

通过更新后的所述用户流失模型的流失参数和流失率分类阈值，对目标用户进行是否是所述业务潜在的流失用户的分类处理。

本申请实施例提供一种基于人工智能的流失用户预测装置，包括：

训练模块，用于通过用户流失模型的流失参数和流失率分类阈值，对参与业务的用户样本进行是否是所述业务的流失用户的分类处理，根据得到的预测类别与所述用户样本的标记类别之间的差异，对所述用户流失模型的流失参数以及流失率分类阈值进行更新；

应用模块，用于通过更新后的所述用户流失模型的流失参数和流失率分类阈值，对目标用户进行是否是所述业务潜在的流失用户的分类处理。

本申请实施例提供一种电子设备，包括：

存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的基于人工智能的流失用户预测方法。

本申请实施例提供一种计算机可读存储介质，存储有可执行指令，用于引起处理器执行时，实现本申请实施例提供的基于人工智能的流失用户预测方法。

本申请实施例具有以下有益效果：

根据从多个用户样本中抽取得到的训练集，对用户流失模型的流失参数及流失率分类阈值进行更新，并根据更新后的用户流失模型进行模型应用，即预测目标用户是否是潜在的流失用户，如此，就算业务场景不断变化，也能够通过动态更新的流失率分类阈值，提升预测流失用户的精度。

附图说明