[发明专利]对用户流失进行预测的方法、设备、存储介质以及处理器在审
| 申请号： | 201810157029.9 | 申请日： | 2018-02-24 |
| 公开（公告）号： | CN110197187A | 公开（公告）日： | 2019-09-03 |
| 发明（设计）人： | 杜家春;殷俊;纪超;杨赫;李英杰 | 申请（专利权）人： | 腾讯科技（深圳）有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广州三环专利商标代理有限公司 44202 | 代理人： | 贾允;肖丁 |
| 地址： | 518000 广东省深圳*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种对用户流失进行预测的方法、设备、存储介质以及处理器，包括：获取用户的多个属性的属性信息，多个属性为属性集合包括的属性；以及基于属性信息，利用通过机器学习训练的分类模型，对用户的用户流失进行预测，分类模型包括第一分类器模型和第二分类器模型。其中，属性集合包括第一子集和第二子集，并且第一子集和第二子集所包括的属性互不相同，第一分类器模型是根据属性集合中的属性训练的，第一分类器模型根据第一子集中的属性进行分类操作，并且第二分类器模型是根据加入新属性后的属性集合训练的。其中新属性是通过将第二子集中的至少一部分属性进行组合形成的。本发明解决了现有技术中存在的预测不准确的技术问题。 | ||
| 搜索关键词： | 子集 分类器模型 属性集合 预测 存储介质 多个属性 分类模型 属性信息 处理器 机器学习 分类 | ||
【主权项】：
1.一种对用户流失进行预测的方法，其特征在于，包括：获取用户的多个属性的属性信息，所述多个属性为属性集合包括的属性；以及基于所述属性信息，利用通过机器学习训练的分类模型，对所述用户的用户流失进行预测，所述分类模型包括第一分类器模型和第二分类器模型，其中所述属性集合包括第一子集和第二子集，并且所述第一子集和所述第二子集所包括的属性互不相同，所述第一分类器模型是根据所述属性集合中的属性训练的，所述第一分类器模型根据所述第一子集中的属性进行分类操作，并且所述第二分类器模型是根据加入新属性后的所述属性集合训练的，其中所述新属性是通过将所述第二子集中的至少一部分属性进行组合形成的。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于腾讯科技（深圳）有限公司，未经腾讯科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810157029.9/，转载请声明来源钻瓜专利网。
