[发明专利]用户数据分析方法、装置、计算机设备及存储介质

权利要求书

1.一种用户数据分析方法，其特征在于，包括：

获取目标场景对应的目标组合模型和多个当前用户数据，其中，所述目标组合模型包括当前模型和标准模型，其中，所述当前模型为对训练样本数据的用户特征属性进行筛选得到当前特征属性，利用当前特征属性训练得到的模型，所述标准模型为对所述当前特征属性进行筛选得到局部特征属性，利用局部特征属性训练得到的模型；

依据所述当前特征属性和局部特征属性对所述当前用户数据进行划分，得到与所述当前模型对应的当前目标数据和与所述标准模型对应的标准目标数据；

将所述当前目标数据输入当前模型，获取当前输出数据，将标准目标数据输入标准模型中，获取标准输出数据；

根据所述当前输出数据和标准输出数据获取潜在用户，向所述潜在用户推荐目标场景对应的目标产品。

2.如权利要求1所述的用户数据分析方法，其特征在于，在所述获取目标场景对应的目标组合模型之前，所述用户数据分析方法还包括：

S301：获取目标场景对应的多个训练样本数据，每一所述训练样本数据包括用户特征属性和与所述用户特征属性对应的训练特征值；

S302：对所述训练样本数据进行处理，获取原始样本数据，采用决策树算法对所述原始样本数据进行分析处理，形成当前模型；

S303：获取所述当前模型的当前特征属性，统计所述训练样本数据中与所述当前特征属性对应的用户特征属性的训练特征值，获取异常统计结果，根据所述异常统计结果对所述当前特征属性进行筛选处理，获取局部特征属性；

S304：根据所述原始样本数据和局部特征属性，从所述训练样本数据中获取局部样本数据，采用决策树算法对所述局部样本数据进行处理，获取相邻模型；

S305：根据所述局部特征属性和所述局部样本数据，判断所述相邻模型是否满足结束条件，获取判断结果；

S306：若所述判断结果为所述相邻模型不满足所述结束条件，则将所述相邻模型确定为当前模型，将所述局部样本数据确定为原始样本数据，重复执行步骤S303-S305；

S307：若所述判断结果为所述相邻模型满足所述结束条件，则将所述相邻模型确定为标准模型，根据所有所述当前模型和所述标准模型形成目标场景对应的目标组合模型。

3.如权利要求2所述的用户数据分析方法，其特征在于，所述采用决策树算法对所述原始样本数据进行分析处理，形成当前模型，包括：

获取原始样本数据对应的结果标识和所述用户特征属性对应的结果标识，采用信息熵公式对所述原始样本数据对应的结果标识和所述用户特征属性对应的结果标识进行计算，获取与所述原始样本数据对应的经验熵和每一所述用户特征属性对应的特征熵；

根据所述原始样本数据对应的经验熵和每一所述用户特征属性对应的特征熵，获取每一所述用户特征属性对应的信息增益；

根据每一所述用户特征属性对应的信息增益，获取原始特征组合树，采用原始样本数据对原始特征组合树进行处理，得到当前模型。

4.如权利要求2所述的用户数据分析方法，其特征在于，所述统计所述训练样本数据中与所述当前特征属性对应的用户特征属性的训练特征值，获取异常统计结果，根据所述异常统计结果对所述当前特征属性进行筛选处理，获取局部特征属性，包括：

对所述训练样本数据中与所述当前特征属性对应的用户特征属性的异常值进行统计，获取异常统计结果，所述异常统计结果包括每一所述用户特征属性对应的特征异常率；

若存在大于预设异常率的所述特征异常率，则删除大于所述预设异常率的特征异常率对应的所述用户特征属性，获取局部特征属性；

若不存在大于所述预设异常率的所述特征异常率，则删除数值最大的所述特征异常率对应的用户特征属性，获取局部特征属性。