[发明专利]休眠预警模型的训练方法和装置及休眠预警方法和装置

说明书

本公开关于一种休眠预警模型的训练方法和装置及休眠预警方法和装置，休眠预警模型的训练方法包括：获取训练样本，训练样本包括多个处于衰退期的对象在观察窗口内的活跃特征以及在预测窗口终点的真实休眠信息；将训练样本中每个对象的活跃特征输入休眠预警模型，得到每个对象在预测窗口终点的预测休眠信息；根据预测休眠信息和真实休眠信息确定休眠预警模型的损失函数的值；根据损失函数的值对休眠预警模型的参数进行训练，其中，衰退期包括对象的活跃程度逐渐降低的第一时期以及对象的活跃程度持续为零的第二时期，其中，活跃特征由对象的用户行为数据统计得到。由于只对处于衰退期的对象进行预警，可提高预警的针对性，降低计算负荷。

技术领域

本公开涉及直播技术领域，尤其涉及一种休眠预警模型的训练方法和装置、休眠预警方法和装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

相关技术中，多个平台对用户的休眠预警都有过研究，但建模的人群、建模的特征、建模的方式、预警的周期等都不能一概而论，目前缺乏对直播平台对象进行有效休眠预警的方案。

发明内容

本公开提供一种休眠预警模型的训练方法和装置及休眠预警方法和装置，以至少解决相关技术中的如何及时、有效地对直播平台对象进行休眠预警的问题，也可不解决任何上述问题。

根据本公开的第一方面，提供了一种休眠预警模型的训练方法，所述训练方法包括：获取训练样本，所述训练样本包括多个处于衰退期的对象在观察窗口内的活跃特征以及在预测窗口终点的真实休眠信息；将所述训练样本中每个对象的所述活跃特征输入所述休眠预警模型，得到每个对象在所述预测窗口终点的预测休眠信息；根据所述预测休眠信息和所述真实休眠信息确定所述休眠预警模型的损失函数的值；根据所述损失函数的值对所述休眠预警模型的参数进行训练，其中，衰退期包括对象的活跃程度逐渐降低的第一时期以及对象的活跃程度持续为零的第二时期，其中，所述活跃特征通过对对象的用户行为数据进行统计而得到。

可选地，所述第一时期短于所述第二时期。

可选地，所述活跃程度是对象在统计周期内的活跃天数。

可选地，所述观察窗口的长度由参考时长增大设定时长或设定倍数得到，所述参考时长是全部参考对象的零活跃时长的设定上分位数，所述参考对象是在第一时间点处于衰退期的对象，所述零活跃时长是对象在所述第一时间点之前保持活跃程度为零的时长；所述预测窗口的长度根据稳定时长得到，所述稳定时长是在第二时间点处于衰退期的对象在所述第二时间点之后生命周期变化趋于稳定所花费的时长。

可选地，所述生命周期包括新生期、成长期、成熟期、衰退期和休眠期。

可选地，所述对象为内容生产者；所述活跃特征包括累计行为特征和/或在所述观察窗口内的阶段行为特征，所述阶段行为特征包括以下至少一个维度：社交维度、生产者维度、消费者维度、直播场景衍生维度，其中，所述社交维度和所述消费者维度的特征均包括主动行为特征和被动行为特征。

可选地，所述休眠预警模型训练完成后，所述训练方法还包括：获取测试样本；根据所述测试样本确定训练的所述休眠预警模型的泛化误差，所述泛化误差用于调整所述观察窗口的长度、所述预测窗口的长度、所述活跃特征三者中的至少之一；对调整后的所述休眠预警模型，重复执行训练步骤。

根据本公开的第二方面，提供了一种休眠预警方法，所述休眠预警方法包括：获取处于衰退期的对象在观察窗口内的活跃特征；将所述活跃特征输入预先训练的休眠预警模型，以获取预测窗口终点的预测休眠信息。

可选地，所述对象为内容生产者；所述活跃特征包括累计行为特征和/或在所述观察窗口内的阶段行为特征，所述阶段行为特征包括以下至少一个维度：社交维度、生产者维度、消费者维度、直播场景衍生维度，其中，所述社交维度和所述消费者维度的特征均包括主动行为特征和被动行为特征。