摘要
本申请实施例提供一种基于时间序列的用户量化方法、装置、设备及介质,涉及数据处理技术领域。所述方法包括:获取与目标用户对应的交互事件时间序列数据;基于预设的特征提取模型对所述交互事件时间序列数据进行特征提取,得到对应于所述目标用户的序列特征信息;将所述序列特征信息与对应于所述目标用户的基础特征信息进行特征融合,得到融合特征数据;基于所述融合特征数据获取对应于所述目标用户的用户量化结果。本申请实施例通过获取目标用户的交互事件时间序列数据,提取时间序列数据的特征并融合至用户的基础特征中,最后根据融合的特征数据获取用户的量化结果,从而能够有效提高用户量化模型处理复杂客户行为数据的适用性。
技术关键词
序列特征
融合特征
特征提取模型
长短期记忆网络
隐马尔可夫模型
基础
可读存储介质
特征提取模块
数据处理技术
数据获取模块
处理器
格式
样本
存储器
计算机
电子设备
系统为您推荐了相关专利信息
深度学习模型优化
代码开发方法
训练样本集
强化学习框架
沙箱环境
多模态特征融合
模型误差
模型训练模块
融合特征
自检机制
数值天气预报数据
皮尔逊相关系数
功率
风机轮毂
风速
识别策略
电子白板
手写输入方法
特征提取模型
手写输入系统