(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210706745.4 (22)申请日 2022.06.21 (71)申请人 浪潮通信 信息系统有限公司 地址 250101 山东省济南市高新区浪潮路 1036号浪潮科技园S0 6号楼 (72)发明人 沈林江　崔超　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 肖艳 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 40/02(2012.01) G06N 20/20(2019.01) G06N 5/00(2006.01) (54)发明名称 用户转化率预测方法、 装置及算力网络 (57)摘要 本发明提供一种用户转化率预测方法、 装置 及算力网络， 所述方法包括： 接收目标用户的意 向评分和风控评分； 基于目标用户的意向评分和 风控评分， 确定目标用户的转化率评分； 目标用 户的意向评分是算力节点基于意向模型和目标 用户数据进行用户意向预测所确定的， 目标用户 的风控评分是算力节点基于风控模型和目标用 户数据进行用户风险预测所确定的， 风控模型和 意向模型是算力节点基于通话共享底模型训练 获取的， 通话共享底模型为GBDT树模型。 本发明 实施例通过采用GBDT 树模型， 模型的复杂 度远低 于深度学习模 型， 能够减少对算力网络资源的需 求， 通过较少的样本训练可以获取预测效果较好 的模型， 适用于电话营销场景。 权利要求书3页 说明书16页 附图3页 CN 115170176 A 2022.10.11 CN 115170176 A 1.一种用户转 化率预测方法， 其特 征在于， 应用于中心 节点， 包括： 接收目标用户的意向评分和风控评分； 基于所述目标用户的意向评分和风控评分， 确定所述目标用户的转 化率评分； 所述目标用户的意向评分是算力节点基于意向模型和目标用户数据进行用户意向预 测所确定的， 所述目标用户的风控评分是算力节 点基于风控模型和目标用户数据进行用户 风险预测所确定的， 所述风控模型和所述意向模型是算力节点基于通话共享底模型训练获 取的， 所述 通话共享底模型为GBDT树模型。 2.根据权利要求1所述用户转 化率预测方法， 其特 征在于， 所述方法还 包括： 基于所述通话共享底模型， 确定所述意向模型的初始参数以及所述风控模型的初始参 数； 向第一算力节点发送所述意向模型的初始参数， 以及向第 二算力节点发送所述风控模 型的初始参数， 所述第一算力节点的算力与所述意向模型 的计算复杂度相匹配， 所述第二 算力节点的算力与所述 风控模型的计算复杂度相匹配； 持续接收第 一回传评分和第 二回传评分， 并向第 一算力节点发送第 一模型更新参数以 及向第二 算力节点发送第二模型 更新参数， 直至目标函数收敛或达 到最大迭代次数； 其中， 所述第 一回传评分是所述第 一算力节点基于意向模型进行用户意向预测所确定 的， 所述第二回传评分是所述第二算力节点基于风控模型进行用户风险预测所确定的； 所 述目标函数用于基于所述第一回传评分和所述第二回传评分对所述意向模型和所述风控 模型的性能进行评估。 3.根据权利要求2所述用户转化率预测方法， 其特征在于， 所述持续接收第 一回传评分 和第二回传评 分， 并向第一算力节点 发送第一模型更新参数以及向第二算力节点 发送第二 模型更新参数， 直至目标函数收敛或达 到最大迭代次数， 包括： 接收所述第 一算力节点发送的所述第 一回传评分， 并接收所述第 二算力节点发送的所 述第二回传评分； 基于所述第一回传评分和所述第二回传评分， 确定转 化率评分； 基于所述目标函数和所述转化率评分， 确定所述第 一模型更新参数和所述第 二模型更 新参数， 所述第一模型更新参数包括所述第一回传评分对应的梯度矩阵和汉森矩阵， 所述 第二模型 更新参数包括所述第二回传评分对应的梯度矩阵和汉森矩阵； 向所述第一算力节点发送所述第 一模型更新参数， 并向所述第 二算力节点发送所述第 二模型更新参数。 4.根据权利要求1 ‑3任一项所述用户转 化率预测方法， 其特 征在于， 所述方法还 包括： 基于预设时间点和用户样本数据集中各用户样本数据对应的生成时间， 确定第 一用户 样本数据集， 所述第一用户样本数据集中的各用户样本数据对应的生成时间均早于所述预 设时间点； 基于所述第一用户样本数据集， 对GBDT树模型进行训练， 获取 所述通话共享底模型。 5.一种用户转 化率预测方法， 其特 征在于， 应用于算力节点， 包括： 获取目标用户数据； 基于目标模型和目标用户数据， 获取目标用户评分； 向中心节点发送所述目标用户评分；权　利　要　求　书 1/3 页 2 CN 115170176 A 2所述目标模型为意向模型或风控模型， 所述意向模型用于预测用户意向， 所述风控模 型用于预测用户风险， 所述 目标模型是基于通话共享底模型训练获取 的， 所述通话共享底 模型为GBDT树模型。 6.根据权利要求5所述用户转 化率预测方法， 其特 征在于， 所述方法还 包括： 接收所述中心 节点发送的所述目标模型的初始参数； 基于所述目标模型的初始参数， 获取 所述目标模型； 持续执行更新所述目标模型的操作， 直至目标函数收敛或达 到最大迭代次数； 所述更新所述目标模型的操作包括： 在所述目标模型为所述意向模型的情况下， 对意向用户样本数据集进行预测， 获取第 一回传评 分， 并向中心节点 发送所述第一回传评分； 或， 在所述目标模型为所述风控模型的 情况下， 对风控用户样本数据集进 行预测， 获取第二回传评分， 并向中心节点 发送所述第二 回传评分； 在所述目标模型为所述意向模型的情况下， 接收第一模型更新参数， 并基于所述第一 模型更新参数， 通过生成一棵GBDT树的方式， 更新所述意向模型； 或， 在所述目标模型为所 述风控模 型的情况下， 接收第二模型更新参数， 并基于所述第二模型更新参数， 通过生 成一 棵GBDT树的方式， 更新所述 风控模型； 其中， 目标函数用于基于所述第 一回传评分和所述第 二回传评分对所述意向模型和所 述风控模型的性能进行评估。 7.根据权利要求6所述用户转 化率预测方法， 其特 征在于， 所述方法还 包括： 基于预设时间点和用户样本数据集中各用户样本数据对应的生成时间， 确定第 二用户 样本数据集， 所述第二用户样本数据集中的各用户样本数据对应的生成时间均晚于所述预 设时间点； 在所述目标模型为所述意向模型的情况下， 基于所述第二用户样本数据集， 确定所述 意向用户样本数据集， 所述意向用户样本数据集包括意向正样本和意向负样本， 所述意向 正样本为所述第二用户样本数据集中意向用户对应的样本， 所述意向负样本为所述第二用 户样本数据集中除所述 意向正样本以外的其 他样本； 或， 在所述目标模型为所述风控模型的情况下， 基于所述第 二用户样本数据集， 确定所 述风控用户样本数据集， 所述风控用户样本数据集包括风控正样本和风控负样本， 所述风 控正样本为所述第二用户样本数据集中转化用户对应的样本， 所述风控负样本为所述第二 用户样本数据集中除所述 风控正样本以外的其 他样本。 8.一种用户转 化率预测装置， 其特 征在于， 应用于中心 节点， 包括： 接收模块， 用于 接收目标用户的意向评分和风控评分； 确定模块， 用于基于所述目标用户的意向评分和风控评分， 确定所述目标用户的转化 率评分； 所述目标用户的意向评分是算力节点基于意向模型和目标用户数据进行用户意向预 测所确定的， 所述目标用户的风控评分是算力节 点基于风控模型和目标用户数据进行用户 风险预测所确定的， 所述风控模型和所述意向模型是算力节点基于通话共享底模型训练获 取的， 所述 通话共享底模型为GBDT树模型。 9.一种用户转 化率预测装置， 其特 征在于， 应用于算力节点， 包括：权　利　要　求　书 2/3 页 3 CN 115170176 A 3