数据处理方法、装置、设备及存储介质与流程

本公开涉及计算机领域，尤其涉及一种数据处理方法、装置、设备及存储介质。

背景技术：

1、对象流失是指减少对象账户操作应用程序的频率，并最终长期不登陆应用程序的过程。该对象流失的流失类型与应用程序相关，例如游戏玩家流失、购物买家账户流失、直播主播流失等。

2、相关技术中，主要通过针对对象流失的特征重要程度的高低，来进行对象流失分析处理，然而，该分析处理结果往往存在不准确的问题。

技术实现思路

1、本公开提供了一种数据处理、装置、设备及存储介质，以解决现有技术中至少一种技术问题。

2、一方面，本公开提供了一种数据处理方法，包括：

3、获取待识别对象在至少一个历史时间周期的对象信息；

4、对已训练的对象流失预测模型进行模块分解处理，得到分解模块序列；所述分解模块序列中各模块的排列顺序与所述对象流失预测模型中对应的模块的连接顺序相同；

5、基于所述对象流失预测模型分别对各所述对象信息进行预测处理，得到预测结果和所述分解模块序列中各目标模块所中间输出的模块特征信息；所述目标模块为所述分解模块序列中除用于输出所述预测结果的预测模块之外的模块；

6、获取所述分解模块序列中相邻的两个模块之间的输出影响力；所述输出影响力表征所述分解模块序列中各目标模块的各模块特征信息对各自对应的下一个模块的贡献程度；

7、根据所述预测结果、所述模块特征信息、所述输出影响力以及所述对象流失预测模型对应的各模块特征信息之间的连接关系，构建用于可视化展示的对象流失识别图。

8、另一方面还提供了一种数据处理装置，包括：

9、第一获取模块，用于获取待识别对象在至少一个历史时间周期的对象信息；

10、序列确定模块，用于对已训练的对象流失预测模型进行模块分解处理，得到分解模块序列；所述分解模块序列中各模块的排列顺序与所述对象流失预测模型中对应的模块的连接顺序相同；

11、预测模块，用于基于所述对象流失预测模型分别对各所述对象信息进行预测处理，得到预测结果和所述分解模块序列中各目标模块所中间输出的模块特征信息；所述目标模块为所述分解模块序列中除用于输出所述预测结果的预测模块之外的模块；

12、第二获取模块，用于获取所述分解模块序列中相邻的两个模块之间的输出影响力；所述输出影响力表征所述分解模块序列中各目标模块的各模块特征信息对各自对应的下一个模块的贡献程度；

13、构建模块，用于根据所述预测结果、所述模块特征信息、所述输出影响力以及所述对象流失预测模型对应的各模块特征信息之间的连接关系，构建用于可视化展示的对象流失识别图。

14、另一方面还提供了一种电子设备，该电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器通过执行所述计算机程序以实现本公开任一可选实施方式提供的数据处理方法。

15、另一方面还提供了一种计算机可读存储介质，该存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现本公开任一可选实施方式提供的方法。

16、另一方面还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本公开任一可选实施方式提供的数据处理方法。

17、本公开提供的一种数据处理方法、装置、设备及存储介质，具有如下技术效果：

18、本公开实施例通过获取待识别对象在至少一个历史时间周期的对象信息；对已训练的对象流失预测模型进行模块分解处理，得到分解模块序列；所述分解模块序列中各模块的排列顺序与所述对象流失预测模型中对应的模块的连接顺序相同；基于所述对象流失预测模型分别对各所述对象信息进行预测处理，得到预测结果和所述分解模块序列中各目标模块所中间输出的模块特征信息；所述目标模块为所述分解模块序列中除用于输出所述预测结果的预测模块之外的模块；获取所述分解模块序列中相邻的两个模块之间的输出影响力；所述输出影响力表征所述分解模块序列中各目标模块的各模块特征信息对各自对应的下一个模块的贡献程度；根据所述预测结果、所述模块特征信息、所述输出影响力以及所述对象流失预测模型对应的各模块特征信息之间的连接关系，构建用于可视化展示的对象流失识别图。从而基于模块特征信息和预测结果，并结合输出影响力和对象流失预测模型对应的各模块特征信息之间的连接关系来构建可视化展示的对象流失识别图，提高了模型的可解释性，并降低针对对象流失的通用特征重要程度的依赖，提高流失分析的准确率。

技术特征：

1.一种数据处理方法，其特征在于，包括：

2.根据权利要求1的方法，其特征在于，所述对象流失预测模型包括特征提取模块和流失预测模块，所述基于所述对象流失预测模型分别对各所述对象信息进行预测处理，得到预测结果和所述分解模块序列中各目标模块输出的模块特征信息，包括：

3.根据权利要求2的方法，其特征在于，所述基于所述特征提取模块分别对各所述对象信息进行特征提取，得到各所述对象信息对应的初始特征信息，包括：

4.根据权利要求2的方法，其特征在于，在所述历史时间周期的数量为多个的情况下，所述流失预测模块包括第一网络模块、第二网络模块和预测模块，所述基于所述流失预测模块分别对各所述初始特征进行预测处理，得到预测结果和所述流失预测模块中各中间模块的中间输出特征信息，包括：

5.根据权利要求1-4任一的方法，其特征在于，所述根据所述预测结果、所述模块特征信息、所述输出影响力以及所述对象流失预测模型对应的各模块特征信息之间的连接关系，构建用于可视化展示的对象流失识别图，包括：

6.根据权利要求5的方法，其特征在于，所述基于所述输出影响力，按预设筛选顺序对所述模块特征信息进行筛选，得到筛选特征信息，包括：

7.根据权利要求1-4、6任一的方法，其特征在于，所述获取所述分解模块序列中相邻的两个模块之间的输出影响力之后，所述方法还包括：

8.根据权利要求7的方法，其特征在于，所述输出特征值包括具有非负性的第一输出特征值和具有负性的第二输出特征值，所述基于所述输出特征值与对应模块特征信息的各输出影响力，确定每个模块特征信息的影响力类型，包括：

9.根据权利要求1-4、6任一的方法，其特征在于，所述获取所述分解模块序列中相邻的两个模块之间的输出影响力之后，所述方法还包括：

10.根据权利要求1-4、6任一的方法，其特征在于，所述方法还包括：

11.一种数据处理装置，其特征在于，所述装置包括：

12.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器通过执行所述计算机程序以实现权利要求1至10中任一项所述的数据处理方法。

13.一种计算机可读存储介质，其特征在于，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至10中任一项所述的数据处理方法。

技术总结
本公开提供了一种数据处理方法、装置、设备及存储介质，可以应用于云技术、人工智能、智慧交通、辅助驾驶、游戏应用等各种场景。该方法包括基于对象流失预测模型分别对待识别对象在至少一个历史时间周期的各对象信息进行预测处理，得到预测结果和对象流失预测模型对应的分解模块序列中各目标模块输出的模块特征信息；获取分解模块序列中相邻的两个模块之间的输出影响力；根据预测结果、模块特征信息、输出影响力以及对象流失预测模型对应的各模块特征信息之间的连接关系，构建用于可视化展示的对象流失识别图，从而提高了流失分析的准确率。

技术研发人员：吴梓明,林文清,谢莱鑫
受保护的技术使用者：深圳市腾讯信息技术有限公司
技术研发日：
技术公布日：2024/1/15