[发明专利]软件升级方法、装置、服务器及存储介质

权利要求书

1.一种软件升级方法，其特征在于，包括以下步骤：

通过大数据获取车辆数据和用户行为数据；

根据所述车辆数据和所述用户行为数据建立训练数据集，利用所述训练数据集和训练样本训练预测模型，其中，所述训练样本包括用于模型训练的用户数据和软件包数据；

将用户数据和软件包数据输入训练完成的预测模型，输出用户偏好任意软件包的预测概率，并获取用户偏好任意软件包的群体特征，根据用户的群体特征和/或所述预测概率给所述用户推荐偏好软件包，使得所述用户根据所述偏好软件包升级车辆软件。

2.根据权利要求1所述的软件升级方法，其特征在于，所述根据用户的群体特征和/或所述预测概率给用户推荐偏好软件包，包括：

若所述预测概率大于第一预设概率，则推荐对应软件包给用户；

若所述预测概率小于或等于第一预设概率，则根据所述群体特征修正所述预测概率后推荐对应软件包给用户。

3.根据权利要求1所述的软件升级方法，其特征在于，所述根据所述群体特征修正所述预测概率后推荐对应软件包给用户，包括：

获取所述群体特征中偏好对应软件包的占比概率；

若所述占比概率大于第二预设概率，则推荐对应软件包给用户，否则不进行软件包的推荐。

4.根据权利要求1所述的软件升级方法，其特征在于，所述利用所述训练数据集和训练样本训练预测模型，包括：

将所述训练数据集划分为训练集和测试集；

基于所述训练集进行回归拟合构建预测用户偏好软件的预测模型；

将训练样本中的用户数据和软件包数据输入所述预测模型，输出用户偏好任意软件包的预测概率，根据所述训练样本中软件实际安装数据和所述预测概率调整所述预测模型的参数和权重；

利用所述测试集测试所述预测模型的预测准确率，在所述预测准确率满足目标准确率时完成训练，否则继续所述预测模型的迭代训练。

5.根据权利要求4所述的软件升级方法，其特征在于，在根据所述训练样本中软件实际安装数据和所述预测概率调整所述预测模型的参数和权重之前，还包括：

若所述预测概率小于或等于第一预设概率，则根据所述群体特征修正所述预测概率。

6.根据权利要求4所述的软件升级方法，其特征在于，还包括：

采用半监督模式扩展所述训练样本的样本量。

7.根据权利要求1所述的软件升级方法，其特征在于，所述根据所述车辆数据和所述用户行为数据建立训练数据集，还包括：

对所述车辆数据和所述用户行为数据进行标签标注；

对所述车辆数据和所述用户行为数据进行属性特征扩展，并根据所有数据的属性特征构建特征集合；

根据所述标签标注和所述特征集合建立所述训练数据集。

8.根据权利要求7所述的软件升级方法，其特征在于，在根据所有数据的属性特征构建特征集合之前，还包括：

过滤所有数据中不满足预设条件的数据。

9.一种软件升级方法，其特征在于，包括以下步骤：

获取任意用户的用户数据和软件包数据；

将任意用户的用户数据和软件包数据输入训练完成的预测模型，输出用户偏好任意软件包的预测概率，其中，所述预测模型基于训练数据集和训练样本训练得到，所述训练数据集包括通过大数据获取车辆数据和用户行为数据，所述训练样本包括用于模型训练的用户数据和软件包数据；

根据用户的群体特征和/或所述预测概率给用户推荐偏好软件包，使得所述用户根据所述偏好软件包升级车辆软件。