CN111144935A - 基于大数据的睡眠会员唤醒方法及系统、服务器及介质 - Google Patents
基于大数据的睡眠会员唤醒方法及系统、服务器及介质 Download PDFInfo
- Publication number
- CN111144935A CN111144935A CN201911304431.6A CN201911304431A CN111144935A CN 111144935 A CN111144935 A CN 111144935A CN 201911304431 A CN201911304431 A CN 201911304431A CN 111144935 A CN111144935 A CN 111144935A
- Authority
- CN
- China
- Prior art keywords
- data
- awakening
- sleeping
- sleep
- consumption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000002790 cross-validation Methods 0.000 claims abstract description 30
- 230000006399 behavior Effects 0.000 claims abstract description 28
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 6
- 238000013524 data verification Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000005406 washing Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0226—Incentive systems for frequent usage, e.g. frequent flyer miles programs or point systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于大数据的睡眠会员唤醒方法及系统、服务器及介质,该方法包括:获取睡眠会员的用户属性标签数据及用户行为标签数据;采用多种不同算法对睡眠会员的用户属性标签数据和用户行为标签数据进行多种交叉验证,以得到不同算法对应的多个唤醒概率;对多个唤醒概率按权重融合并得到最终唤醒概率,若最终唤醒概率大于设定阈值,则向该睡眠会员发出营销信息。本发明采用多种算法以对睡眠会员的用户属性标签数据及用户行为标签数据进行交叉验证,以判断睡眠会员能够被唤醒的概率,并根据不同权重下的唤醒概率以修正最终唤醒概率,其针对唤醒概率高的睡眠会员进行营销,其极大的减少了营销成本,也提高了所有睡眠会员的唤醒体验效果。
Description
技术领域
本发明涉及医疗大数据技术领域,尤其涉及一种基于大数据的睡眠会员唤醒方法及系统、服务器及介质。
背景技术
当今药店竞争激烈,都想来分一块医疗行业蛋糕,不过会员自身疾病信息和个人信息错综复杂,其疾病特征也在随时间变化,每天都有会员在逐渐流逝,会员流失率问题一直是药企运营一项重要课题,而招揽新的会员比保留住既有会员的花费大得多(通常5-20倍的差距),药企都竭尽想维系留住已有的会员。
目前药店管理者在往往还未能全面交流、认识会员的个体情况下,凭经验规则筛选给会员发短信轰炸,具体来说,药店将不来消费的会员消费的会员先分为轻度睡眠会员(3个月未消费),中度睡眠会员(6个月未消费),中度睡眠会员(9个月),然后分别对他们提取一系列的用户属性特征,比如积分,年龄,性别等,符合一定的规则,进行短信促销,比如轻度睡眠会隔7天发一轮短信5元优惠券营销,中度睡眠会隔7天发两轮短信10元优惠券营销,中度睡眠会隔7天发三轮短信10元优惠券营销,直至会员过来消费。
上述采用经验规则的短信轰炸方式中,认定为其被唤醒不仅产生了不少的短信费用成本,同时用户体验效果比较差,犹如大海捞针,也骚扰了那些本来有意向的客户,导致其更不可能来消费。
发明内容
有鉴于此,本发明实施例提供了一种基于大数据的睡眠会员唤醒方法及系统、服务器及介质,以针对性对有消费意向的用户进行唤醒,降低了唤醒成本,提高了用户的体验效果。
本发明实施例的第一方面,提供了一种基于大数据的睡眠会员唤醒方法,包括如下步骤:
获取睡眠会员的用户属性标签数据及用户行为标签数据;
采用多种不同算法对睡眠会员的用户属性标签数据和用户行为标签数据进行多种交叉验证,以得到不同算法对应的多个唤醒概率;
对多个唤醒概率按权重融合并得到最终唤醒概率,若最终唤醒概率大于设定阈值,则向该睡眠会员发出营销信息。
本发明实施例的第二方面,提供了一种基于大数据的睡眠会员唤醒系统,包括:
数据获取模块,其用于获取睡眠会员的用户属性标签数据及用户行为标签数据;
数据验证模块,其用于采用多种不同算法对睡眠会员的用户属性标签数据和用户行为标签数据进行多种交叉验证,以得到不同算法对应的多个唤醒概率;
唤醒模块,其用于对多个唤醒概率按权重融合并得到最终唤醒概率,若最终唤醒概率大于设定阈值,则向该睡眠会员发出营销信息。
本发明实施例的第三方面,提供了一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述基于大数据的睡眠会员唤醒方法的步骤。
本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述基于大数据的睡眠会员唤醒方法的步骤。
本发明提供的基于大数据的睡眠会员唤醒方法及系统、服务器及介质,其采用多种不同的算法以对睡眠会员的用户属性标签数据及用户行为标签数据进行交叉验证,以判断睡眠会员能够被唤醒的概率,并根据不同权重下的唤醒概率以修正最终唤醒概率,其针对唤醒概率高的睡眠会员进行营销,其极大的减少了营销成本,也提高了所有睡眠会员的唤醒体验效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于大数据的睡眠会员唤醒方法的流程框图;
图2为本发明实施例提供的基于大数据的睡眠会员唤醒系统的结构框图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供的一种基于大数据的睡眠会员唤醒方法,包括如下步骤:
S1、获取睡眠会员的用户属性标签数据及用户行为标签数据;
本实施例中的用户属性标签数据及用户行为标签数据均可采用现有的技术从大数据平台数据源抽取,也可由会员消费数据库中抽取,在实际应用时,用户在办理会员时,一般形成与其对应的部分用户属性标签数据,例如会员卡号、会员个人信息,而在用户消费过程中则会形成另外一部分的用户属性标签数据,例如积分、会员消费等级等,而在办理会员和用户消费时形成的上述用户属性标签数据一般均会存储在会员消费数据库中。
其中,本实施例所述会员个人信息至少包括睡眠会员的姓名、性别、年龄、执业、出生地、居住地、家庭成员、工作单位。
同时,在用户消费过程中也会形成一些其他的数据,例如消费时间、消费金额,而本实施例则是将上述消费时间、消费金额提取出来作为用户行为标签数据,以用于评价用户的消费行为;也可将消费时间、消费金额的数据进行换算以得到消费频次、消费间隔等其他的用户行为标签数据。而为了保证后续分析的准确性,本实施例对上述用于行为标签数据进行了进一步的处理,具体来说,所述消费时间至少包括最后一次消费距离现在的时间以及最大、最小、平均、标准差购买时间中的一种,所述消费频次至少包括最大、最小、平均、标准差购买频次中的一种,所述消费间隔至少包括频次间隔、时间间隔、金额间隔中的一种,所述消费金额至少包括最大、最小、平均、标准差购买金额中的一种。
S2、采用多种不同算法对睡眠会员的用户属性标签数据和用户行为标签数据进行多种交叉验证,以得到不同算法对应的多个唤醒概率;
具体来说,在进行交叉验证前,一般会将睡眠会员的用户属性标签数据和用户行为标签数据进行合并,然后依次进行清洗、转换、过滤、结构化、标准化、向量化处理,上述处理过程中的每一个步骤均可采用现有的常规方式实现。
其中,上述转换处理包括依次进行的将不同数据两两组合构造成新的特征、对连续数据中的一部分数据通过离散化处理来去除噪声数据、对处理后的数据进行one_hot编码,通过上述依次处理,可提高数据的稳健性。
经过上述处理后,可采用多种算法对处理后的数据分别进行交叉验证,其中,多个交叉验证采用的做法类似,具体如下:
基于User_Item用户画像构建数据集,将数据集划分为训练集和测试集test_set,其可采用随机的方式进行划分,将训练集划分为K个大小相似的集合,本实施例所说的大小相似是指每个集合之间的大小差异在一具体设定值之内即可,且K为正整数,取其中一个作为验证集val_set,其余的为训练集train_set;
创建第一层的多个模型:利用train_set训练其各自的模型,训练好的模型对各自的val_set和test_set进行预测,得到val_predict和test_predict;
创建第二层的模型:将第一层的每个模型对应的val_predict拼接起来作为第二层的训练集,将第一层的所有模型的test_predict取平均值作为第二层的测试集;
用训练好的第二层的模型对第二层的测试集进行预测,得到的结果即为该睡眠会员的唤醒概率。
通过上述方式可验证每一个睡眠会员在该种算法下的唤醒概率。
为了便于说明,本实施例分别采用xgboost五折交叉验证算法、lightgbm五折交叉验证算法、catboost五折交叉验证算法并按上述交叉验证方式进行交叉验证,其可得到一睡眠会员在上述三种算法下的三个唤醒概率。
S3、对多个唤醒概率按权重融合并得到最终唤醒概率,若最终唤醒概率大于设定阈值,则向该睡眠会员发出营销信息。
当采用xgboost五折交叉验证算法、lightgbm五折交叉验证算法、catboost五折交叉验证算法时,本实施例xgboost五折交叉验证算法、lightgbm五折交叉验证算法、catboost五折交叉验证算法交叉验证结果的权重分别0.3、0.3、0.4。
经过上述权重融合后,若最终唤醒概率大于设定阈值,例如最终唤醒概率大于0.5时,则向该睡眠会员发出营销信息,发出营销信息的方式并不限于一种,例如可采用现有的短信营销的方式。
本发明提供的基于大数据的睡眠会员唤醒方法采用多种不同的算法以对睡眠会员的用户属性标签数据及用户行为标签数据进行交叉验证,以判断睡眠会员能够被唤醒的概率,并根据不同权重下的唤醒概率以修正最终唤醒概率,其针对唤醒概率高的睡眠会员进行营销,其极大的减少了营销成本,也提高了所有睡眠会员的唤醒体验效果。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
上面主要描述了一种基于大数据的睡眠会员唤醒方法,下面将对一种基于大数据的睡眠会员唤醒系统进行详细描述。
图2示出了本发明实施例提供的基于大数据的睡眠会员唤醒系统的一个功能模块框图。如图2所示,所述基于大数据的睡眠会员唤醒系统包括:
数据获取模块10,其用于获取睡眠会员的用户属性标签数据及用户行为标签数据;
数据验证模块20,其用于采用多种不同算法对睡眠会员的用户属性标签数据和用户行为标签数据进行多种交叉验证,以得到不同算法对应的多个唤醒概率;
唤醒模块30,其用于对多个唤醒概率按权重融合并得到最终唤醒概率,若最终唤醒概率大于设定阈值,则向该睡眠会员发出营销信息。
本实施例还提供一种服务器,所述服务器为提供计算服务的终端设备,通常指具有较高计算能力,通过网络提供给多个用户使用的计算机,本实施例的所述服务器包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述基于大数据的睡眠会员唤醒方法的步骤。
下面对终端设备的各个构成部件进行具体的介绍:
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行终端的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据终端的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在存储器上包含基于大数据的睡眠会员唤醒方法的可运行程序,所述可运行程序可以被分割成一个或多个模块/单元,所述一个或多个模块/单元被存储在所述存储器中,并由处理器执行,以完成通知的传递并获取通知实现过程,所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述服务器中的执行过程。例如,所述计算机程序可以被分割为数据获取模块、数据验证模块、唤醒模块。
处理器是服务器的控制中心,利用各种接口和线路连接整个终端设备的各个部分,通过运行或执行存储在存储器内的软件程序和/或模块,以及调用存储在存储器内的数据,执行终端的各种功能和处理数据,从而对终端进行整体监控。可选的,处理器可包括一个或多个处理单元;优选的,处理器可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器中。
系统总线是用来连接计算机内部各功能部件,可以传送数据信息、地址信息、控制信息,其种类可以是例如PCI总线、ISA总线、VESA总线等。处理器的指令通过总线传递至存储器,存储器反馈数据给处理器,系统总线负责处理器与存储器之间的数据、指令交互。当然系统总线还可以接入其他设备,例如网络接口、显示设备等。
所述服务器应至少包括CPU、芯片组、内存、磁盘系统等,其他构成部件在此不再赘述。
在本发明实施例中,该终端所包括的处理器执行的可运行程序具体为:一种基于大数据的睡眠会员唤醒方法,包括如下步骤:
获取睡眠会员的用户属性标签数据及用户行为标签数据;
采用多种不同算法对睡眠会员的用户属性标签数据和用户行为标签数据进行多种交叉验证,以得到不同算法对应的多个唤醒概率;
对多个唤醒概率按权重融合并得到最终唤醒概率,若最终唤醒概率大于设定阈值,则向该睡眠会员发出营销信息。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于大数据的睡眠会员唤醒方法,其特征在于,包括如下步骤:
获取睡眠会员的用户属性标签数据及用户行为标签数据;
采用多种不同算法对睡眠会员的用户属性标签数据和用户行为标签数据进行多种交叉验证,以得到不同算法对应的多个唤醒概率;
对多个唤醒概率按权重融合并得到最终唤醒概率,若最终唤醒概率大于设定阈值,则向该睡眠会员发出营销信息。
2.根据权利要求1所述的睡眠会员唤醒方法,其特征在于,所述睡眠会员唤醒方法还包括在交叉验证前对睡眠会员的用户属性标签数据和用户行为标签数据依次进行清洗、转换、过滤、结构化、标准化、向量化处理。
3.根据权利要求2所述的睡眠会员唤醒方法,其特征在于,所述转换处理包括依次进行的将不同数据两两组合构造成新的特征、对连续数据中的一部分数据通过离散化处理来去除噪声数据、对处理后的数据进行one_hot编码。
4.根据权利要求1所述的睡眠会员唤醒方法,其特征在于,所述交叉验证包括:
将睡眠会员的用户属性标签数据和用户行为标签数据合并,构建数据集,并划分为训练集和测试集test_set,将训练集划分为K个大小相似的集合,取其中一个作为验证集val_set,其余的为训练集train_set;
创建第一层的多个模型:利用train_set训练其各自的模型,训练好的模型对各自的val_set和test_set进行预测,得到val_predict和test_predict;
创建第二层的模型:将第一层的每个模型对应的val_predict拼接起来作为第二层的训练集,将第一层的所有模型的test_predict取平均值作为第二层的测试集;
用训练好的第二层的模型对第二层的测试集进行预测,得到的结果即为该睡眠会员的唤醒概率。
5.根据权利要求4所述的睡眠会员唤醒方法,其特征在于,所述多种不同算法分别为xgboost五折交叉验证算法、lightgbm五折交叉验证算法、catboost五折交叉验证算法:且xgboost五折交叉验证算法、lightgbm五折交叉验证算法、catboost五折交叉验证算法交叉验证结果的权重分别0.3、0.3、0.4。
6.根据权利要求1所述的睡眠会员唤醒方法,其特征在于,所述用户属性标签数据至少包括睡眠会员的会员卡号、会员个人信息、积分、会员消费等级;所述会员个人信息至少包括睡眠会员的姓名、性别、年龄、执业、出生地、居住地、家庭成员、工作单位。
7.根据权利要求1所述的睡眠会员唤醒方法,其特征在于,所述用户行为标签数据至少包括睡眠会员的消费时间、消费频次、消费金额、消费间隔中的一种;其中,所述消费时间至少包括最后一次消费距离现在的时间以及最大、最小、平均、标准差购买时间中的一种,所述消费频次至少包括最大、最小、平均、标准差购买频次中的一种,所述消费间隔至少包括频次间隔、时间间隔、金额间隔中的一种,所述消费金额至少包括最大、最小、平均、标准差购买金额中的一种。
8.一种基于大数据的睡眠会员唤醒系统,其特征在于,包括:
数据获取模块,其用于获取睡眠会员的用户属性标签数据及用户行为标签数据;
数据验证模块,其用于采用多种不同算法对睡眠会员的用户属性标签数据和用户行为标签数据进行多种交叉验证,以得到不同算法对应的多个唤醒概率;
唤醒模块,其用于对多个唤醒概率按权重融合并得到最终唤醒概率,若最终唤醒概率大于设定阈值,则向该睡眠会员发出营销信息。
9.一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于大数据的睡眠会员唤醒方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于大数据的睡眠会员唤醒方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911304431.6A CN111144935A (zh) | 2019-12-17 | 2019-12-17 | 基于大数据的睡眠会员唤醒方法及系统、服务器及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911304431.6A CN111144935A (zh) | 2019-12-17 | 2019-12-17 | 基于大数据的睡眠会员唤醒方法及系统、服务器及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111144935A true CN111144935A (zh) | 2020-05-12 |
Family
ID=70518686
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911304431.6A Pending CN111144935A (zh) | 2019-12-17 | 2019-12-17 | 基于大数据的睡眠会员唤醒方法及系统、服务器及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144935A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111913940A (zh) * | 2020-06-20 | 2020-11-10 | 武汉海云健康科技股份有限公司 | 一种温度会员标签预测方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016571A (zh) * | 2017-03-31 | 2017-08-04 | 北京百分点信息科技有限公司 | 数据预测方法及其系统 |
CN107507042A (zh) * | 2017-09-15 | 2017-12-22 | 携程计算机技术(上海)有限公司 | 基于用户画像的营销方法及系统 |
CN108960922A (zh) * | 2018-07-09 | 2018-12-07 | 中国联合网络通信集团有限公司 | 终端的更换预测方法及装置 |
CN109241417A (zh) * | 2018-08-22 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 用户唤醒方法与装置、计算设备和存储介质 |
CN109389247A (zh) * | 2018-09-27 | 2019-02-26 | 智庭(北京)智能科技有限公司 | 一种基于大数据的区域房屋租金预测方法 |
CN109583651A (zh) * | 2018-12-03 | 2019-04-05 | 焦点科技股份有限公司 | 一种保险电商平台用户流失预测的方法和装置 |
CN109657883A (zh) * | 2019-01-28 | 2019-04-19 | 重庆邮电大学 | 一种基于多源数据驱动的银行网点选址推荐方法 |
CN110210913A (zh) * | 2019-06-14 | 2019-09-06 | 重庆邮电大学 | 一种基于大数据的商家回头客预测方法 |
-
2019
- 2019-12-17 CN CN201911304431.6A patent/CN111144935A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016571A (zh) * | 2017-03-31 | 2017-08-04 | 北京百分点信息科技有限公司 | 数据预测方法及其系统 |
CN107507042A (zh) * | 2017-09-15 | 2017-12-22 | 携程计算机技术(上海)有限公司 | 基于用户画像的营销方法及系统 |
CN108960922A (zh) * | 2018-07-09 | 2018-12-07 | 中国联合网络通信集团有限公司 | 终端的更换预测方法及装置 |
CN109241417A (zh) * | 2018-08-22 | 2019-01-18 | 中国平安人寿保险股份有限公司 | 用户唤醒方法与装置、计算设备和存储介质 |
CN109389247A (zh) * | 2018-09-27 | 2019-02-26 | 智庭(北京)智能科技有限公司 | 一种基于大数据的区域房屋租金预测方法 |
CN109583651A (zh) * | 2018-12-03 | 2019-04-05 | 焦点科技股份有限公司 | 一种保险电商平台用户流失预测的方法和装置 |
CN109657883A (zh) * | 2019-01-28 | 2019-04-19 | 重庆邮电大学 | 一种基于多源数据驱动的银行网点选址推荐方法 |
CN110210913A (zh) * | 2019-06-14 | 2019-09-06 | 重庆邮电大学 | 一种基于大数据的商家回头客预测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111913940A (zh) * | 2020-06-20 | 2020-11-10 | 武汉海云健康科技股份有限公司 | 一种温度会员标签预测方法、装置、电子设备及存储介质 |
CN111913940B (zh) * | 2020-06-20 | 2024-04-26 | 武汉海云健康科技股份有限公司 | 一种温度会员标签预测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019144892A1 (zh) | 数据处理方法、装置、存储介质和电子装置 | |
CN112231584B (zh) | 基于小样本迁移学习的数据推送方法、装置及计算机设备 | |
US20160162794A1 (en) | Decision tree data structures generated to determine metrics for child nodes | |
CN109923560A (zh) | 使用变分信息瓶颈来训练神经网络 | |
CN111506723B (zh) | 问答响应方法、装置、设备及存储介质 | |
US20180123993A1 (en) | Method and apparatus for filtering a plurality of messages | |
US20240177006A1 (en) | Data processing method and apparatus, program product, computer device, and medium | |
CN111415167B (zh) | 网络欺诈交易检测方法及装置、计算机存储介质和终端 | |
CN110443632A (zh) | 用户画像的用户管理方法、装置、计算机设备及存储介质 | |
CN112837142A (zh) | 一种金融风险模型训练方法和装置 | |
US20190340514A1 (en) | System and method for generating ultimate reason codes for computer models | |
CN114841526A (zh) | 一种高风险用户的检测方法、计算设备及可读存储介质 | |
WO2021174881A1 (zh) | 多维度信息的组合预测方法、装置、计算机设备及介质 | |
CN114066421A (zh) | 基于人工智能的任务催办方法、装置及电子设备 | |
CN112052399B (zh) | 一种数据处理方法、装置和计算机可读存储介质 | |
CN111340574B (zh) | 风险用户的识别方法、装置和电子设备 | |
CN111144935A (zh) | 基于大数据的睡眠会员唤醒方法及系统、服务器及介质 | |
CN112507728A (zh) | 智能对话方法、装置、电子设备及存储介质 | |
CN114266352B (zh) | 模型训练结果优化方法、装置、存储介质及设备 | |
CN116029760A (zh) | 消息推送方法、装置、计算机设备和存储介质 | |
CN109992960A (zh) | 一种伪造参数检测方法、装置、电子设备及存储介质 | |
CN111625720B (zh) | 数据决策项目执行策略的确定方法、装置、设备和介质 | |
CN113902576A (zh) | 基于深度学习的信息推送方法、装置、电子设备及介质 | |
CN113886697A (zh) | 基于聚类算法的活动推荐方法、装置、设备及存储介质 | |
CN113627950A (zh) | 基于动态图的用户交易特征提取的方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |
|
RJ01 | Rejection of invention patent application after publication |