【技术实现步骤摘要】
本公开涉及教育，具体地，涉及一种用户报课意向预测方法、装置、设备及存储介质。
技术介绍
1、目前，用户报课意向是数据挖局在教育招生领域的热门应用场景。基于招生数据对用户报课意向的预测组件可以赋能客户关系管理（customer relationshipmanagement，crm）等基于业务人员和用户沟通的招生系统。然而在现有用户报课意向的预测方案中大多采用以下两种方案：
2、第一种，基于crm的数据挖掘方案：以用户线索为单位，收集针对用户报课意向的相关数据后，再进行人工分类和统计，例如通常采用逻辑回归、梯度增强xgboost等机器学习分类算法进行预测。
3、第二种，基于行课数据的数据挖掘方案：通过线上教育平台采集学生的上课数据及相关的课程信息、老师评价、师生交互等维度的数据生成相关特征，采用循环神经网络（recurrent neural networks，rnn）等时序模型与传统机器学习模型结合来进行预测。
4、在实践中发现，上述两种预测方案均可能存在采集的数据范围较窄或数据较少，而难以对用户报课意向进行全面的分析及对用户潜在的报课需求进行挖掘。因此，如何提出一种更全面、精准地用户报课意向预测方案是目前亟需解决的重要问题。
技术实现思路
1、本公开的目的是提供一种用户报课意向预测方法、装置、设备及存储介质，能够更为全面、精细化地对用户报课意向进行预测，从而有利于提升用户报课意向预测的准确性或精确性。
2、为了实现上述目的，本公开第一方
3、获取用户报课数据，所述用户报课数据至少包括用户行为数据和用户画像数据；
4、基于所述用户行为数据和所述用户画像数据进行第一次的报课意向预测，得到所述用户的报课意向。
5、可选地，所述获取用户报课数据包括：
6、确定用户报课时间；
7、采集距离所述用户报课时间前m个和后n个单位时间内的用户行为数据，m和n均为正整数，所述用户行为数据用于指示所述用户是否已报课；
8、在所述用户行为数据指示所述用户已报课时，对所述用户行为数据和所述用户的用户画像数据进行数据增强，得到所述用户课程数据。
9、可选地，所述基于所述用户行为数据和所述用户画像数据进行第一次的报课意向预测，得到所述用户的报课意向包括：
10、调用意向综合预测模型，分别按照用户参与维度、活动评价维度及关联课程维度对所述用户行为数据进行标化和特征处理，得到用户处理数据；
11、基于所述用户处理数据和所述用户画像数据进行全连接和报课意向预测，得到所述用户的报课意向。
12、可选地，所述调用意向综合预测模型，分别按照用户参与维度、活动评价维度及关联课程维度对所述用户行为数据进行标化和特征处理，得到用户处理数据还包括：
13、在所述用户行为数据指示缺少预设时间差值内的行为数据时，对所述缺少预设时间差值内的所述用户行为数据进行屏蔽处理。
14、可选地，所述方法还包括：
15、基于所述用户处理数据进行第二次的报课意向预测，以确定所述用户是否与指定课程匹配。
16、可选地，所述基于所述用户处理数据进行第二次的报课意向预测，以确定所述用户是否与指定课程匹配之前，所述方法还包括：
17、获取所述用户对应的目标客户关系管理crm数据，所述crm数据包括以下中的至少一项：crm的渠道数据、课程数据和团队数据；
18、所述基于所述用户处理数据进行第二次的报课意向预测，以确定所述用户是否与指定课程匹配包括：
19、调用课程意向预测模型对所述用户处理数据和所述目标crm数据进行课程匹配预测，以确定所述用户是否与指定课程匹配。
20、可选地，所述获取所述用户对应的目标客户关系管理crm数据包括：
21、获取所述用户对应的初始crm数据；
22、对所述初始crm数据进行标化处理，得到所述目标crm数据。
23、本公开第二方面提供一种用户报课意向预测装置，包括：
24、获取模块，被配置为获取用户报课数据，所述用户报课数据至少包括用户行为数据和用户画像数据；
25、预测模块，被配置为基于所述用户行为数据和所述用户画像数据进行第一次的报课意向预测，得到所述用户的报课意向。
26、关于本公开实施例中未介绍或未描述的内容可对应参考前述方法实施例中的相关介绍，这里不再赘述。
27、本公开第三方面提供一种电子设备，包括存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现上述第一方面所提供的所述方法的步骤。
28、本公开第四方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一方面所提供的所述方法的步骤。
29、通过上述技术方案，电子设备获取用户报课数据，所述用户报课数据至少包括用户行为数据和用户画像数据；基于所述用户行为数据和所述用户画像数据进行第一次的报课意向预测，得到所述用户的报课意向。可见，电子设备能够基于真实的用户报课数据中的例如用户行为数据和用户画像数据等来进行用户报课意向的实时/周期性预测，从而有利于提升用户报课意向预测的准确性和全面性。同时也解决了现有技术中存在的难以对用户报课意向进行全面的分析及对用户潜在的报课需求进行挖掘等技术问题。
30、本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种用户报课意向预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取用户报课数据包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述用户行为数据和所述用户画像数据进行第一次的报课意向预测，得到所述用户的报课意向包括：
4.根据权利要求3所述的方法，其特征在于，所述调用意向综合预测模型，分别按照用户参与维度、活动评价维度及关联课程维度对所述用户行为数据进行标化和特征处理，得到用户处理数据还包括：
5.根据权利要求3或4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述用户处理数据进行第二次的报课意向预测，以确定所述用户是否与指定课程匹配之前，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述获取所述用户对应的目标客户关系管理CRM数据包括：
8.一种用户报课意向预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有计算机程
...【技术特征摘要】
1.一种用户报课意向预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取用户报课数据包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述用户行为数据和所述用户画像数据进行第一次的报课意向预测，得到所述用户的报课意向包括：
4.根据权利要求3所述的方法，其特征在于，所述调用意向综合预测模型，分别按照用户参与维度、活动评价维度及关联课程维度对所述用户行为数据进行标化和特征处理，得到用户处理数据还包括：
5.根据权利要求3或4所述的方法，其特征在于，所...
【专利技术属性】
技术研发人员：翟海旭，陈毓林，何妙涵，王丹，
申请(专利权)人：新东方教育科技集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。