一种转化预测模型的训练方法、转化预测方法及装置与流程

本技术涉及计算机，尤其涉及一种转化预测模型的训练方法、转化预测方法及装置。

背景技术：

1、目前，对于运营商而言，可以通过人工查阅与某一企业相关的文件(例如招标类文件)，从而基于该文件由人工分析确定该企业是否为转化企业。

2、但是，上述方法中，通过人工查阅、人工分析的过程会存在准确度较低的问题，可能不能准确地确定一个企业是否为转化企业。

技术实现思路

1、本技术提供一种转化预测模型的训练方法、转化预测方法及装置，解决了相关技术中，通过人工查阅与某一企业相关的文件，并且基于该文件人工分析确定该企业是否为转化企业的过程不能准确地确定一个企业是否为转化企业的技术问题。

2、第一方面，本技术提供一种转化预测模型的训练方法，包括：获取多个企业各自的维度信息，其中，一个企业的维度信息包括该企业的企业类型、该企业的企业规模、该企业的成立年限、该企业的经营类型、该企业的注册资本、该企业的注册地、该企业的产品类型、该企业的行业类型、该企业的年利润以及该企业的市场份额；基于该多个企业中m个企业的维度信息，生成初始转化预测模型，该初始转化预测模型包括至少一个初始决策树，该至少一个初始决策树中每个初始决策树包括的节点的类型属于该企业的维度信息中包括的信息类型，初始数量小于该企业的维度信息中包括的信息类型的数量，该初始数量为该每个初始决策树中包括的节点的类型的数量，m为大于或等于1的整数；将其他企业的维度信息输入该初始转化预测模型，得到该其他企业的预测结果，该其他企业为该多个企业中除该m个企业以外的企业；基于该其他企业的预测结果，更新该初始数量，以生成目标转化预测模型，该目标转化预测模型用于预测一个企业是否为转化企业。

3、可选地，上述至少一个初始决策树包括第一初始决策树，该第一初始决策树包括的节点的类型为第一类型和第二类型，该目标转化预测模型方法还包括：在该第一类型的优先级高于该第二类型的优先级的情况下，确定优先对该第一类型进行分裂处理，以生成该第一初始决策树。

4、本技术中，在第一类型的优先级高于第二类型的优先级的情况下，说明第一类型(或第一类型的节点)的重要程度高于第二类型(或第二类型的节点)的重要程度，此时电子设备可以优先对第一类型进行分裂处理。即对于某一个初始决策树而言，电子设备可以优先分裂该决策树中包括的优先级较高(或者重要程度较高)的类型，从而能够生成准确度较高的决策树。进而，电子设备可以基于准确度较高的决策树生成准确度较高的转化预测模型。

5、可选地，该目标转化预测模型方法还包括：基于该m个企业的维度信息，确定该第一类型的基尼指数以及该第二类型的基尼指数；在该第一类型的基尼指数小于该第二类型的基尼指数的情况下，确定该第一类型的优先级高于该第二类型的优先级。

6、本技术中，电子设备可以基于m个企业的维度信息确定一个决策树对应的不同的类型(具体为该决策树包括的节点的类型)的基尼指数，从而为不同的类型分配不同的优先级，能够方便、快捷地确定出每一个类型的优先级高低。进而电子设备可以基于不同的类型的优先级确定该不同的类型的分裂处理顺序，可以生成准确度较高的决策树。

7、可选地，上述基于该其他企业的预测结果，更新该初始数量，以生成目标转化预测模型具体包括：确定异常企业的数量，该异常企业为该其他企业中预测结果与真实结果不相同的企业；将该异常企业的数量与该其他企业的数量之间的比值，确定为该初始转化预测模型的错误率；更新该初始数量以使得该初始转化预测模型的错误率小于或等于错误率阈值，并且将更新后的初始转化预测模型，确定为该目标转化预测模型。

8、本技术中，电子设备可以确定异常企业的数量，并且将该异常企业的数量与其他企业的数量之间的比值确定为初始转化预测模型的错误率。在该初始转化预测模型的错误率大于错误率阈值的情况下，说明该初始转化预测模型的预测准确度较低，此时电子设备可以更新初始数量(即初始转化预测模型中每个初始决策树中包括的节点的类型的数量)以对初始转化预测模型进行训练，能够得到预测准确度较高的目标转化预测模型。

9、第二方面，本技术提供一种转化预测方法，包括：获取待预测企业的维度信息，该待预测企业的维度信息包括该待预测企业的企业类型、该待预测企业的企业规模、该待预测企业的成立年限、该待预测企业的经营类型、该待预测企业的注册资本、该待预测企业的注册地、该待预测企业的产品类型、该待预测企业的行业类型、该待预测企业的年利润以及该待预测企业的市场份额；将该待预测企业的维度信息输入目标转化预测模型，以得到该待预测企业的预测结果，该预测结果为转化企业或非转化企业，该目标转化预测模型是上述第一方面中任一种可选地转化预测模型的训练方法训练得到的。

10、本技术中，由于目标转化预测模型为已经训练完成的、预测准确度(或精度)较高的转化预测模型，因此电子设备基于该目标转化预测模型对企业进行预测，无需依赖人工查阅和人工分析，能够准确、有效地确定出企业是否为转化企业，提升了转化预测的有效性。

11、可选地，上述目标转化预测模型包括至少一个目标决策树，该至少一个目标决策树中每个目标决策树包括的节点的类型属于该待预测企业的维度信息中包括的信息类型，目标数量小于该目标企业的维度信息中包括的信息类型的数量，该目标数量为该每个目标决策树中包括的节点的类型的数量，上述将该待预测企业的维度信息输入目标转化预测模型，以得到该待预测企业的预测结果具体包括：将该待预测企业的维度信息输入该每个目标决策树，得到该待预测企业在该每个目标决策树中的预测结果；基于该待预测企业在该每个目标决策树中的预测结果，确定该待预测企业的预测结果。

12、本技术中，电子设备可以将待预测企业的维度信息输入目标转化预测模型中包括的每个目标决策树，得到该待预测企业在该每个目标决策树中的预测结果；之后，电子设备可以基于该待预测企业在该每个目标决策树中的预测结果，确定该待预测企业的预测结果。能够基于目标转化预测模型中包括的决策树准确、有效地确定出待预测企业是否为转化企业，提升了转化预测的准确度。

13、可选地，该转化预测方法还包括：在该待预测企业的预测结果为转化企业的情况下，确定目标管理账户与目标客户账户之间的相似度，该目标管理账户为该待预测企业的管理账户；在该目标管理账户与该目标客户账户之间的相似度大于或等于相似度阈值的情况下，向该目标客户账户推荐该待预测企业以及该目标管理账户。

14、本技术中，在待预测企业的预测结果为转化企业的情况下，电子设备可以确定目标管理账户与目标客户账户之间的相似度；在该目标管理账户与该目标客户账户之间的相似度大于或等于相似度阈值的情况下，说明目标管理账户(或目标管理账户的账户特征)与目标客户账户(或目标客户账户的账户特征)之间的相似度较大，即目标管理账户(或目标管理账户的账户信息)与目标客户账户(或目标客户账户的账户信息)较为相似。此时电子设备可以向目标客户账户推荐目标管理账户以及该目标管理账户对应(或管理)的企业(即待预测企业)，能够准确、有效地为客户账户推荐相关的管理账户和企业，提升账户之间的匹配程度，可以实现效率更高地商机推荐。

15、第三方面，本技术提供一种转化预测模型的训练装置，包括：获取模块和处理模块；该获取模块，用于获取多个企业各自的维度信息，其中，一个企业的维度信息包括该企业的企业类型、该企业的企业规模、该企业的成立年限、该企业的经营类型、该企业的注册资本、该企业的注册地、该企业的产品类型、该企业的行业类型、该企业的年利润以及该企业的市场份额；该处理模块，用于基于该多个企业中m个企业的维度信息，生成初始转化预测模型，该初始转化预测模型包括至少一个初始决策树，该至少一个初始决策树中每个初始决策树包括的节点的类型属于该企业的维度信息中包括的信息类型，初始数量小于该企业的维度信息中包括的信息类型的数量，该初始数量为该每个初始决策树中包括的节点的类型的数量，m为大于或等于1的整数；该处理模块，还用于将其他企业的维度信息输入该初始转化预测模型，得到该其他企业的预测结果，该其他企业为该多个企业中除该m个企业以外的企业；该处理模块，还用于基于该其他企业的预测结果，更新该初始数量，以生成目标转化预测模型，该目标转化预测模型用于预测一个企业是否为转化企业。

16、可选地，上述至少一个初始决策树包括第一初始决策树，该第一初始决策树包括的节点的类型为第一类型和第二类型，该转化预测模型的训练装置还包括确定模块；该确定模块，用于在该第一类型的优先级高于该第二类型的优先级的情况下，确定优先对该第一类型进行分裂处理，以生成该第一初始决策树。

17、可选地，该确定模块，还用于基于该m个企业的维度信息，确定该第一类型的基尼指数以及该第二类型的基尼指数；该确定模块，还用于在该第一类型的基尼指数小于该第二类型的基尼指数的情况下，确定该第一类型的优先级高于该第二类型的优先级。

18、可选地，该确定模块，用于确定异常企业的数量，该异常企业为该其他企业中预测结果与真实结果不相同的企业；该确定模块，还用于将该异常企业的数量与该其他企业的数量之间的比值，确定为该初始转化预测模型的错误率；该处理模块，还用于更新该初始数量以使得该初始转化预测模型的错误率小于或等于错误率阈值；该确定模块，还用于将更新后的初始转化预测模型，确定为该目标转化预测模型。

19、第四方面，本技术提供一种转化预测装置，包括：获取模块和处理模块；该获取模块，用于获取待预测企业的维度信息，该待预测企业的维度信息包括该待预测企业的企业类型、该待预测企业的企业规模、该待预测企业的成立年限、该待预测企业的经营类型、该待预测企业的注册资本、该待预测企业的注册地、该待预测企业的产品类型、该待预测企业的行业类型、该待预测企业的年利润以及该待预测企业的市场份额；该处理模块，用于将该待预测企业的维度信息输入目标转化预测模型，以得到该待预测企业的预测结果，该预测结果为转化企业或非转化企业，该目标转化预测模型是基于上述第一方面中任一种可选地转化预测模型的训练方法训练得到的。

20、可选地，上述目标转化预测模型包括至少一个目标决策树，该至少一个目标决策树中每个目标决策树包括的节点的类型属于该待预测企业的维度信息中包括的信息类型，目标数量小于该目标企业的维度信息中包括的信息类型的数量，该目标数量为该每个目标决策树中包括的节点的类型的数量，该转化预测装置还包括确定模块；该处理模块，具体用于将该待预测企业的维度信息输入该每个目标决策树，得到该待预测企业在该每个目标决策树中的预测结果；该确定模块，用于基于该待预测企业在该每个目标决策树中的预测结果，确定该待预测企业的预测结果。

21、可选地，该转化预测装置还包括推荐模块；该确定模块，用于在该待预测企业的预测结果为转化企业的情况下，确定目标管理账户与目标客户账户之间的相似度，该目标管理账户为该待预测企业的管理账户；该推荐模块，用于在该目标管理账户与该目标客户账户之间的相似度大于或等于相似度阈值的情况下，向该目标客户账户推荐该待预测企业以及该目标管理账户。

22、第五方面，本技术提供一种电子设备，包括：处理器和被配置为存储处理器可执行指令的存储器；其中，处理器被配置为执行上述指令，以实现上述第一方面中任一种可选地转化预测模型的训练方法以及第二方面中任一种可选地转化预测方法。

23、第六方面，本技术提供一种计算机可读存储介质，计算机可读存储介质上存储有指令，当该计算机可读存储介质中的指令由电子设备执行时，使得该电子设备能够执行上述第一方面中任一种可选地转化预测模型的训练方法以及第二方面中任一种可选地转化预测方法。

24、本技术提供一种转化预测模型的训练方法、转化预测方法及装置，电子设备可以获取多个企业各自的维度信息，并且基于该多个企业中m个企业的维度信息生成初始转化预测模型；之后，电子设备可以将其他企业(即该多个企业中除该m个企业以外的企业)的维度信息输入初始转化预测模型，得到该其他企业的预测结果，并且基于该其他企业的预测结果，更新初始数量，可以生成目标转化预测模型。本技术中，由于初始数量为初始转化预测模型中包括的至少一个初始决策树中每个初始决策树包括的节点的类型的数量，该初始数量可以理解为该初始转化预测模型中包括的参数。电子设备通过更新初始转化预测模型中包括的参数(即初始数量)，能够生成预测准确度较高的目标转化预测模型。进而，电子设备基于该目标转化预测模型能够准确、有效地确定出一个企业是否为转化企业，提升了转化预测的准确性。