[发明专利]用户引导方法、装置、计算机设备以及存储介质

权利要求书

1.一种用户引导方法，其特征在于，所述方法包括：

获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的特征数据；

根据每个所述待测用户的特征数据和训练好的意向预测模型，确定每个所述待测用户针对所述目标课程的目标参与意向度；

根据每个所述待测用户的目标参与意向度、以及不同的意向集合对应的用户数占比，确定每个所述待测用户所属的意向集合以及与所述意向集合对应的引导方式。

2.根据权利要求1所述的方法，其特征在于，所述特征数据包括下述至少一种数据：

所述待测用户针对所述目标课程的订单特征数据、所述待测用户针对报名过的预设课程的下单特征数据、所述待测用户针对报名过的预设课程的学习行为特征数据、所述待测用户与教育机构的沟通特征数据、以及所述待测用户基于课程应用的交互特征数据。

3.根据权利要求1所述的方法，其特征在于，所述获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的特征数据，包括：

获取待预测时间段内报名参与目标课程的多个待测用户中每个待测用户的原始数据；

对所述原始数据进行预设特征处理，得到每个所述待测用户的特征数据，其中，所述预设特征处理包括特征离散化处理、针对缺失数据的缺失值处理、以及针对具备相关性的数据的特征选择处理中的至少一项。

4.根据权利要求1所述的方法，其特征在于，所述意向预测模型包括数据融合子模型和多个初步预测子模型，其中，所述多个初步预测子模型中各初步预测子模型的类型不同；

所述根据每个所述待测用户的特征数据和训练好的意向预测模型，确定每个所述待测用户针对所述目标课程的目标参与意向度，包括：

将每个所述待测用户的特征数据分别输入多个所述初步预测子模型，分别得到每个所述待测用户针对所述目标课程的多个初步参与意向度；

将每个所述待测用户对应的多个初步参与意向度输入到所述数据融合子模型，得到每个所述待测用户针对所述目标课程的目标参与意向度。

5.根据权利要求4述的行为预测方法，其特征在于，所述初步预测子模型包括随机森林模型、自适应增强模型、多层感知模型和极端随机树模型中的一种。

6.根据权利要求1所述的方法，其特征在于，所述根据每个所述待测用户的目标参与意向度、以及不同的意向集合对应的用户数占比，确定每个所述待测用户所属的意向集合以及与所述意向集合对应的引导方式，包括：

按照对应的所述目标参与意向度从高到低的顺序，对所述多个待测用户进行排序；

基于各个所述待测用户的名次、以及不同的意向集合对应的用户名次区间，确定每个所述待测用户所属的意向集合以及与所述意向集合对应的引导方式；

其中，各所述意向集合对应引导方式的引导力度不同，用户名次区间越靠前的所述意向集合所对应的引导方式的引导力度越弱。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

针对每个所述意向集合，向该意向集合中的所述待测用户推送与该意向集合的引导方式对应引导消息；

其中，所述引导消息包含的消息内容，与所述引导消息对应的所述引导方式的引导力度相匹配。

8.根据权利要求1所述的方法，其特征在于，通过以下步骤训练得到参与意向预测模型：

获取预设历史时间段内报名参与样本课程的多个样本用户中每个样本用户的样本特征数据；

根据每个所述样本用户的样本特征数据和待训练的意向预测模型，确定每个所述样本用户针对所述样本课程的样本目标参与意向度；

根据每个所述样本用户的样本目标参与意向度、以及不同的意向集合对应的用户数占比，确定每个所述样本用户所属的意向集合；

确定至少一个所述意向集合的实际到课率与对应的期望到课率的差值，并基于所述差值调整所述待训练的意向预测模型的参数，完成一次训练；

经过对所述待训练的参与意向预测模型的多轮训练，得到所述训练好的参与意向预测模型。