一种多任务学习LSTM-Attention框架的LTV预测方法及系统

摘要文本

本发明涉及游戏用户大数据分析领域，尤其涉及一种多任务学习LSTM‑Attention框架的LTV预测方法及系统，通过获取LTV基础数据，并进行数据特征提取，得到LTV基础数据特征；构建LSTM神经网络模型，并引入Attention机制，得到LSTM‑Attention框架的LTV预测模型；利用LTV预测模型将LTV基础数据特征分别进行数据特征预处理；将预处理后的LTV基础数据特征进行特征合并，并进行卷积层、最大池化层和池化扁平化处理，得到特征聚合结果；将特征聚合结果作为输入，进行LTV预测模型的训练，得到训练好的LTV预测模型；将待预测的LTV数据输入到训练好的LTV预测模型中，输出LTV预测结果。采用本发明提供的预测方法不仅提高了模型的泛化能力和模型训练学习效率，还提高了LTV预测模型的准确性和实用性。