[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

说明书

本发明公开了一种用户购买行为预测模型的构建方法、装置及计算机设备，主要在于能够提高新场景下用户购买行为的预测精度。其中方法包括：获取与用户购买行为相关联的训练样本集和测试样本集；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；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。

技术领域

本发明涉及人工智能领域，尤其是涉及一种用户购买行为预测模型的构建方法、装置及计算机设备。

背景技术

用户购买行为的预测一直是各电商品台研究的重要课题，大型电商平台一般都沉淀了千万乃至数亿的用户，积累了海量的用户历史数据，并倾向于从用户历史数据中找出规律，去预测用户未来的购买行为。

目前，通常通过收集用户在旧场景中的大量历史数据，来构建旧场景下的预测模型，以便基于该预测模型对用户未来的购买行为进行预测。然而，由于在旧场景下已经积累了海量的真实数据，基于这些数据训练的模型可以对用户的购买行为进行有效预测，而对于一些新场景，其仅存在少量与用户购买行为相关的表现数据，利用少量数据构建的预测模型无法实现新场景下对用户购买行为的精准预测。

发明内容

本发明提供了一种用户购买行为预测模型的构建方法、装置及计算机设备，主要在于能够提高新场景下用户购买行为的预测精度。

根据本发明的第一个方面，提供一种用户购买行为预测模型的构建方法，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。

根据本发明的第二个方面，提供一种用户购买行为预测模型的构建装置，包括：

获取单元，用于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；

构建单元，用于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；

计算单元，用于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；

训练单元，用于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。

根据本发明的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：

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；