[发明专利]用户购买行为预测模型的构建方法、装置及计算机设备

权利要求书

1.一种用户购买行为预测模型的构建方法，其特征在于，包括：

获取与用户购买行为相关联的训练样本集和测试样本集，其中，所述训练样本集包括目标场景的目标域训练样本集和历史场景的源域训练样本集；

确定所述训练样本集中各个用户的属性特征向量对应的初始权重，并基于所述初始权重和所述训练样本集，构建初始用户购买行为预测模型；

计算所述初始用户购买行为预测模型在所述测试样本集上的错误率，其中，所述目标域训练样本集与所述测试样本集属于同一分布，所述源域训练样本集与所述测试样本集属于不同分布；

若所述错误率不满足预设要求，则通过更新所述初始权重，不断对所述初始用户行为购买模型进行迭代训练，直至任一迭代层级对应的用户购买行为预测模型的错误率满足预设要求，将其作为所述目标场景下的用户购买行为预测模型输出。

2.根据权利要求1所述的方法，其特征在于，获取与用户购买行为相关联的训练样本集，包括：

分别收集所述历史场景下各个用户的基础信息、行为信息、关联信息和消费信息，以及所述目标场景下各个用户的基础信息、行为信息、关联信息和消费信息；

根据所述历史场景下各个用户的基础信息、行为信息、关联信息和消费信息，以及所述目标场景下各个用户的基础信息、行为信息、关联信息和消费信息，确定所述历史场景和所述目标场景分别对应的各个属性特征向量；

根据所述历史场景下各个用户的实际购买行为和所述目标场景下各个用户的实际购买行为，确定所述历史场景和所述目标场景分别对应的各个属性特征向量的标签；

根据所述历史场景下的各个属性特征向量及其对应的标签，以及所述目标场景下的各个属性特征向量及其对应的标签，分别确定所述源域训练样本集和所述目标域训练样本集，其中，所述源域训练样本集中属性特征向量的数量大于所述目标域训练样本集中属性特征向量的数量。

3.根据权利要求2所述的方法，其特征在于，所述根据所述历史场景下各个用户的基础信息、行为信息、关联信息和消费信息，以及所述目标场景下各个用户的基础信息、行为信息、关联信息和消费信息，确定所述历史场景和所述目标场景分别对应的各个属性特征向量，包括：

基于所述目标场景所针对的人群特征，分别对所述历史场景下各个用户的基础信息、行为信息、关联信息和消费信息，以及所述目标场景下各个用户的基础信息、行为信息、关联信息和消费信息进行信息维度筛选；

基于所述历史场景下各个用户筛选后的信息，以及所述目标场景下各个用户筛选后的信息，确定所述历史场景和所述目标场景分别对应的各个属性特征向量。

4.根据权利要求2所述的方法，其特征在于，获取与用户购买行为相关联的测试样本集，包括：

从所述目标场景对应的各个属性特征向量中抽取未进行标注的预设数量的属性特征向量；

根据所述未进行标注的预设数量的属性特征向量，确定所述测试样本集。

5.根据权利要求1所述的方法，其特征在于，所述计算所述初始用户购买行为预测模型在所述测试样本集上的错误率，包括：

将所述测试样本集中各个属性特征向量依次输入至所述初始用户购买行为预测模型中进行购买行为预测，得到所述测试样本集中各个属性特征向量对应的预测购买行为；

对所述测试样本集中各个属性特征向量对应的初始权重进行归一化处理，得到归一化处理后的初始权重；

根据所述归一化处理后的初始权重，以及所述测试样本集中各个属性特征向量对应的预测购买行为和实际购买行为，计算所述初始用户购买行为预测模型的错误率。