[发明专利]目标对象的预测方法、装置及电子设备

说明书

本发明公开了一种目标对象的预测方法、装置及电子设备，涉及人工智能技术领域。其中，该方法包括：获取待预测对象的目标数据信息，其中，目标数据信息由第一目标数据信息和第二目标数据信息组成；基于第一目标网络模型对第一目标数据信息进行特征提取，得到第一特征，并基于第二目标网络模型对第二目标数据信息中的不同类别的数据进行特征提取，得到第二特征和第三特征；基于第一特征、第二特征和第三特征，对待预测对象进行活跃度预测，得到预测结果，其中，预测结果表征待预测对象在交易中的活跃程度。本发明解决了现有技术中对客户的活跃度预测准确度低的技术问题。

技术领域

本发明涉及人工智能技术领域，具体而言，涉及一种目标对象的预测方法、装置及电子设备。

背景技术

随着社会经济的快速发展，企业间的商业竞争日益激烈，企业的客户沉睡现象也越来越容易发生。客户沉睡会给企业利润带来很大的损失，另外，获取新客的成本远远高于保留现有客户。客户沉睡预测可以帮助企业及时识别出沉睡客户，以便对其进行相应的客户维护操作。目前，现有技术中已有的预测模型在对沉睡客户进行预测时，将客户在固定时间段内的数据作为一个整体去判断，预测模型的学习能力较低，存在对客户的活跃度预测准确度低的问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种目标对象的预测方法、装置及电子设备，以至少解决现有技术中对客户的活跃度预测准确度低的技术问题。

根据本发明实施例的一个方面，提供了一种目标对象的预测方法，包括：获取待预测对象的目标数据信息，其中，目标数据信息由第一目标数据信息和第二目标数据信息组成，第一目标数据信息表征待预测对象的固有属性信息，第二目标数据信息表征待预测对象随着时间变化的信息；基于第一目标网络模型对第一目标数据信息进行特征提取，得到第一特征，并基于第二目标网络模型对第二目标数据信息中的不同类别的数据进行特征提取，得到第二特征和第三特征，其中，第一目标网络模型是由样本数据信息中的固有属性信息训练得到的，第二目标网络模型是由样本数据信息中的随着时间变化的信息训练得到的，第一特征表征待预测对象的属性特征，第二特征表征待预测对象的行为特征，第三特征表征待预测对象的交易账户特征；基于第一特征、第二特征和第三特征，对待预测对象进行活跃度预测，得到预测结果，其中，预测结果表征待预测对象在交易中的活跃程度。

进一步地，目标对象的预测方法还包括：基于第二目标网络模型的第一子目标网络模型，对第二目标数据信息中的第一子类别目标数据信息进行特征提取，得到第二特征；基于第二目标网络模型的第二子目标网络模型，对第二目标数据信息中的第二子类别目标数据信息进行特征提取，得到第三特征，其中，第一子目标网络模型和第二子目标网络模型所对应的神经网络算法不同。

进一步地，目标对象的预测方法还包括：对第一特征所对应的数据信息、第二特征所对应的数据信息和第三特征所对应的数据信息进行平均计算，得到预测结果。

进一步地，目标对象的预测方法还包括：通过目标判别函数对预测结果进行判断，得到判断结果；在判断结果表征预测结果处于预设范围内的情况下，确定待预测对象为目标对象。

进一步地，目标对象的预测方法还包括：基于目标数据信息的周期性，对目标数据信息进行分类处理，得到第一目标数据信息和第二目标数据信息。