本發(fā)明提供了一種用戶價(jià)值的確定方法及系統(tǒng)，該方法為：獲取目標(biāo)用戶的常規(guī)特征和電話文本；對常規(guī)特征進(jìn)行預(yù)處理得到第一特征向量，以及對電話文本進(jìn)行預(yù)處理得到第二特征；將第一特征向量和第二特征輸入預(yù)設(shè)的價(jià)值評估模型中進(jìn)行價(jià)值評估，得到目標(biāo)用戶的用戶價(jià)值。在本方案中，分別對目標(biāo)用戶的常規(guī)特征和電話文本進(jìn)行預(yù)處理得到第一特征向量和第二特征，并將第一特征向量和第二特征輸入價(jià)值評估模型進(jìn)行評估，得到目標(biāo)用戶的用戶價(jià)值，利用目標(biāo)用戶的多種類型的特征數(shù)據(jù)，結(jié)合價(jià)值評估模型確定用戶價(jià)值，提高確定用戶價(jià)值的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)分析技術(shù)領(lǐng)域，具體涉及一種用戶價(jià)值的確定方法及系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)的發(fā)展，越來越多的用戶傾向于通過網(wǎng)絡(luò)在線課程進(jìn)行學(xué)習(xí)，為向用戶提供更好的服務(wù)，通常需要確定用戶的用戶價(jià)值。

目前確定用戶價(jià)值的方式為：對用戶的用戶特征進(jìn)行分析，進(jìn)而根據(jù)分析結(jié)果確定用戶的用戶價(jià)值。但是，用戶在使用網(wǎng)絡(luò)在線課程的過程中會產(chǎn)生多種類型的特征數(shù)據(jù)，僅對用戶特征進(jìn)行分析而忽略其它類型的特征數(shù)據(jù)，會導(dǎo)致確定用戶價(jià)值的準(zhǔn)確率較低。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實(shí)施例提供一種用戶價(jià)值的確定方法及系統(tǒng)，以解決現(xiàn)有確定用戶價(jià)值的方式的準(zhǔn)確率較低等問題。

為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例提供如下技術(shù)方案：

本發(fā)明實(shí)施例第一方面公開一種用戶價(jià)值的確定方法，所述方法包括：

獲取目標(biāo)用戶的常規(guī)特征和電話文本，所述常規(guī)特征包括：屬性特征、行為特征和聚合特征中的一種或任意組合，所述電話文本由所述目標(biāo)用戶與指定人員的電話溝通錄音確定得到；

對所述常規(guī)特征進(jìn)行預(yù)處理得到第一特征向量，以及對所述電話文本進(jìn)行預(yù)處理得到第二特征；

將所述第一特征向量和所述第二特征輸入預(yù)設(shè)的價(jià)值評估模型中進(jìn)行價(jià)值評估，得到所述目標(biāo)用戶的用戶價(jià)值，所述用戶價(jià)值指示所述目標(biāo)用戶購買目標(biāo)產(chǎn)品的概率，所述價(jià)值評估模型根據(jù)樣本數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型得到。

優(yōu)選的，所述將所述第一特征向量和所述第二特征輸入預(yù)設(shè)的價(jià)值評估模型中進(jìn)行價(jià)值評估，得到所述目標(biāo)用戶的用戶價(jià)值，包括：

將所述第一特征向量和所述第二特征輸入所述價(jià)值評估模型；

利用所述價(jià)值評估模型中的長短期記憶LSTM層對所述第二特征進(jìn)行處理，得到第三特征向量；

利用所述價(jià)值評估模型的拼接層，將所述第一特征向量和所述第三特征向量進(jìn)行拼接，得到組合特征向量；

通過所述價(jià)值評估模型的中間層，對所述組合特征向量進(jìn)行處理，得到所述目標(biāo)用戶的用戶價(jià)值。

優(yōu)選的，所述對所述常規(guī)特征進(jìn)行預(yù)處理得到第一特征向量，包括：

對所述常規(guī)特征進(jìn)行去除非法值處理、去除異常值處理和one-hot編碼處理，得到第一特征向量。

優(yōu)選的，所述對所述電話文本進(jìn)行預(yù)處理得到第二特征，包括：

對所述電話文本依次進(jìn)行去除異常字符處理、修復(fù)錯(cuò)別字處理和分詞處理，得到分詞結(jié)果；

利用預(yù)設(shè)的詞向量模型將所述分詞結(jié)果映射成向量，得到第二特征。

優(yōu)選的，根據(jù)樣本數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型得到所述價(jià)值評估模型的過程，包括：

構(gòu)建神經(jīng)網(wǎng)絡(luò)模型；

利用樣本用戶對應(yīng)的常規(guī)特征、電話文本和真實(shí)購買結(jié)果，結(jié)合交叉熵?fù)p失函數(shù)訓(xùn)練所述神經(jīng)網(wǎng)絡(luò)模型直至所述神經(jīng)網(wǎng)絡(luò)模型收斂，得到價(jià)值評估模型，所述真實(shí)購買結(jié)果指示所述樣本用戶是否購買所述目標(biāo)產(chǎn)品。