摘要
本申请公开了一种客户购买力预测方法及相关装置,涉及人工智能领域,通过将获取客户在购买产品时风险等级的购买力数据、基于评分问卷和最终交易操作得到的购买力数据以及序列化购买权重数据,分别预处理为客户侧和产品侧的数据。基于注意力机制的深度学习模型对客户侧数据和产品侧数据分别进行非线性特征提取,得到客户侧隐式因子模型和产品侧隐式因子模型。再基于概率矩阵分解模型对两个隐式因子模型分别进行结构特征提取,客户侧隐式因子模型和产品侧隐式因子模型。联合上述各个隐式因子模型,对深度学习模型和概率矩阵分解模型进行优化。使用概率矩阵分解模型对目标用户的购买力进行预测。提供更加精准的购买力参考,提升用户体验。
技术关键词
概率矩阵分解模型
购买力预测方法
序列化特征
客户
因子
深度学习模型
非线性特征提取
卷积解码器
卷积编码器
结构特征提取
评分问卷
特征数据提取
多头注意力机制
解码单元
电子设备
系统为您推荐了相关专利信息
深度学习模型
多源监测数据
风险
数值模拟技术
岩土层
员工评价方法
综合评价模型
因子
指标
逻辑回归模型
ARIMA模型
空调负荷预测
空调系统负荷
残差预测
天气预报数据