[发明专利]基于融合处理的用户设备的失联风险预测方法、系统和计算机设备

权利要求书

1.一种基于融合处理的用户设备的失联风险预测方法，其用于对在互联网平台上申请互联网服务的用户设备的失联风险进行预测，其特征在于，包括：

基于不同来源的数据建立多个子模型；

获取历史用户设备的设备特征数据和设备关联用户的表现数据，建立与各子模型相对应的子训练数据集，并使用各自的训练数据集训练相应子模型；

使用训练好的所述多个子模型分别计算待预测用户设备的设备失联风险值；

根据预定融合确定规则，对所述多个子模型所计算的设备失联风险值进行融合处理，以输出最终的设备失联风险值。

2.根据权利要求1所述的用户设备的失联风险预测方法，其特征在于，所述根据预定融合确定规则，对所述多个子模型所计算的设备失联风险值进行融合处理包括：

根据voting Classifier算法，配置预定融合确定规则，该预定融合确定规则包括根据变量参数确定使用第一融合计算方式和/或第二融合计算方式，其中，变量参数包括时间参数、APP参数和关系网参数。

3.根据权利要求2所述的用户设备的失联风险预测方法，其特征在于，

所述第一融合计算方式为从所述多个子模型计算的设备失联风险值中的最大值作为最终的设备失联风险值；和/或

所述第二融合计算方式为将所述多个子模型计算的设备失联风险值的平均值作为最终的设备失联风险值。

4.根据权利要求2所述的用户设备的失联风险预测方法，其特征在于，包括：

根据所确定的第一融合计算方式和/或第二融合计算方式，计算模型输出最终的设备失联风险值，其中，

在确定使用第一融合方式和第二融合方式时，将使用所述第一融合方式所计算的第一设备失联风险值与使用所述第二融合方式所计算的第二设备失联风险值进行二次融合计算，以得到最终的设备失联风险值。

5.根据权利要求4所述的用户设备的失联风险预测方法，其特征在于，所述二次融合计算包括将所述第一设备失联风险值和所述第二设备失联风险值进行加权求和计算，以得到最终的设备失联风险值；和/或

在确定融合计算方式之前，确定去除所述多个子模型中计算的设备失联风险值的最小值和/或最大值。

6.根据权利要求1所述的用户设备的失联风险预测方法，其特征在于，还包括：

将待预测用户设备的设备特征数据，分别输入各子模型，计算所述待预测用户设备的设备失联风险值，该设备失联风险值为0～1之间的数值。

7.根据权利要求1所述的用户设备的失联风险预测方法，其特征在于，所述不同来源的数据包括以下的至少一种：

设备的APP信息、设备的多投特征信息和设备关联用户的关系网特征信息，其中，所述设备的APP信息包括以下至少一种：APP安装列表信息、APP下载列表信息、APP埋点信息；和/或

所述设备关联用户的表现数据包括以下至少一种数据：在互联网服务提供的特定时间内的特定服务申请频率、在自特定互联网服务提供时间起特定时间内设备失联数据。

8.一种基于融合处理的用户设备的失联风险预测系统，其用于对在互联网平台上申请互联网服务的用户设备的失联风险进行预测，其特征在于，包括：

模型建立模块，用于基于不同来源的数据建立多个子模型；

数据获取模块，用于获取历史用户设备的设备特征数据和设备关联用户的表现数据，建立与各子模型相对应的子训练数据集，并使用各自的训练数据集训练相应子模型；

计算模块，用于使用训练好的所述多个子模型分别计算待预测用户设备的设备失联风险值；

融合处理模块，根据预定融合确定规则，对所述多个子模型所计算的设备失联风险值进行融合处理，以输出最终的设备失联风险值。