一种用户的产品复购情况预测方法及装置

本发明提供一种用户的产品复购情况预测方法及装置，涉及数据分析技术领域，所述方法通过多维度全域用户行为数据进行分析挖掘，通过整合线上线下订单数据、品牌活动数据，构建一种通用的用户复购行为预测特征群，基于长周期用户连接强度类特征反映用户对品牌注意力的变化情况、基于改进RFM构建短周期的用户价值类特征；然后通过K‑Means++算法对用户进行聚类并进行混合采样实现样本均衡，最后通过GA‑TabNet‑Stacking模型组合进行用户复购概率的预测。本发明解决了现有技术中用户行为预测方法特征构建和特征选择缺少普适性和通用性、样本均衡处理引入过多噪声、预测准确率较低的问题，提高了预测结果的准确性。