[发明专利]一种消费金融场景下的用户购买行为大数据预测方法有效
| 申请号： | 201811535802.7 | 申请日： | 2018-12-14 |
| 公开（公告）号： | CN109509033B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 王进;陈瑀;许景益;欧阳卫华;孙开伟;刘彬 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06Q30/0202 | 分类号： | G06Q30/0202;G06Q30/0207 |
| 代理公司： | 重庆市恒信知识产权代理有限公司 50102 | 代理人： | 刘小红;陈栋梁 |
| 地址： | 400065 重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明请求保护一种消费金融场景下的用户购买行为大数据预测方法，包括：101对用户的APP操作行为日志数据进行预处理操作；102对用户的APP操作行为日志数据进行特征工程操作；103对构建特征完成的样本集进行特征选择；104建立2个机器学习模型，并进行模型融合操作；105通过建立的模型，根据用户个人属性及其历史APP操作行为日志数据对用户在未来一个周是否购买APP上的优惠券进行预测。本发明为商家广告精准投放，个性化优惠信息推荐提供有力的决策支持。 | ||
| 搜索关键词： | 一种 消费 金融 场景 用户 购买 行为 数据 预测 方法 | ||
【主权项】：
1.一种消费金融场景下的用户购买行为大数据预测方法，其特征在于，包括以下步骤：101.对用户的APP操作行为日志数据进行包括对OCC_TIM字段进行切割在内的预处理操作；102.根据对用户历史APP操作行为日志数据的分析，对训练集和测试集进行特征工程构建，所述对特征工程进行构建是指得到用户历史APP操作行为日志数据构建离散特征、基础统计特征、时序特征、词袋模型特征和词向量模型特征；103.通过特征选择法对步骤101得到的特征进行降维；104.建立2个机器学习模型，分别是.xgboost模型和lightgbm模型，.xgboost模型用于预测出结果1，lightgbm模型用于预测出结果2，并将两个机器学习模型基于模型相关性约束排名的融合操作；105.通过融合操作建立的模型，根据用户个人属性及其历史APP操作行为日志数据对用户在未来一个周是否购买APP上的优惠券进行预测。
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重庆邮电大学，未经重庆邮电大学许可，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/201811535802.7/，转载请声明来源钻瓜专利网。
