[发明专利]一种电商复购潜客近期复购概率估算的方法

权利要求书

1.一种电商复购潜客近期复购概率估算的方法，其特征在于，包括如下步骤：

(1)基于用户历史购买行为记录和人口属性信息的原始数据，结合一种数据预处理技术框架，构建预处理逻辑，运行预处理逻辑获得用户瞬时特征；

(2)将产生的用户瞬时特征及附属信息注册到特征池，基于特征池进行特征选用并生成训练样本集和待预估潜客特征数据；

(3)利用训练样本集训练多类AI模型，将训练得到的多类AI模型组合形成整套复购概率估算逻辑；

(4)对训练好的复购概率估算逻辑进行解析获取显著特征组合，并结合训练样本集的特征分布统计其显著性表现值，以报表形式输出显著特征组合及其显著性表现值；

(5)利用训练好的复购概率估算逻辑基于待预估潜客当前特征进行估算，得到潜客近期复购概率；

在所述的步骤(1)中，包括以下步骤：

(1.1)基于用户历史购买行为记录和人口属性信息的原始数据，结合一种数据预处理技术框架，构建预处理逻辑；

(1.2)运行预处理逻辑获得用户瞬时特征；

在所述的步骤(1.1)中，包括如下步骤：

(1.1.1)创建flow级任务逻辑块，设置需要顺序依赖执行的script任务逻辑块个数，并指定flow级任务逻辑块任务实例的执行并行度；

(1.1.2)逐个定义script级任务逻辑块，每个script级任务逻辑块设置需要顺序执行的最小任务逻辑块个数，并逐个指定script级任务逻辑块任务实例的执行并行度；

(1.1.3)逐个定义最小任务逻辑块的数据处理逻辑，数据处理逻辑负责完成具体的样本特征数据计算处理；

(1.1.4)完成flow级任务逻辑块创建后，将其生成脚本文件预处理逻辑；

在所述的步骤(1.2)中，包括以下步骤：

(1.2.1)基于统计级处理逻辑运算获得用户基本特征数据；

(1.2.2)利用获得的用户基本特征数据作分布相似性聚类处理，然后生成特定主题的聚类特征；

(1.2.3)将用户基本特征数据和聚类特征组合后得用户瞬时特征；

在所述的步骤(2)中，包括以下步骤：

(2.1)将用户瞬时特征的种类及其附属信息注册到特征池；

(2.2)根据需要基于特征池选用用户瞬时生成训练样本特征数据，其中，获取用户瞬时特征数据生成样本特征数据，结合转化数据标记样本正负类别后即形成训练样本集；

(2.3)获取用户当前瞬时特征数据生成的样本数据即为待预估潜客特征数据；

所述的步骤(3)中，训练包括以下步骤：

(3.1)通过限制过拟合的方式在训练样本集中基于部分特征、全量特征训练后得多个限制拟合分枝模型；

(3.2)将部分限制拟合分枝模型在训练样本集上基于部分特征、全量特征进行充分的拟合训练后得充分拟合分枝模型；

(3.3)用步骤(3.1)所得的限制拟合分枝模型和步骤(3.2)所得的充分拟合分枝模型对训练样本进行预估，预估结果作为新样本特征；

(3.4)用步骤(3.3)所得的新样本特征训练得整合模型；

(3.5)用步骤(3.1)所得的多个限制拟合分枝模型和步骤(3.2)所得的充分拟合分枝模型以及步骤(3.4)所得的整合模型整体组合后得整套复购概率估算逻辑。