随着智能电视的普及,用户付费成为电视生产企业或视频内容企业最重要的利润来源之一。挖掘潜在付费用户,促使用户付费购买增值服务越来越成为企业亟待解决的问题。企业人员需要了解用户付费情况、用户日常行为习惯等,同时适时地对潜在付费用户进行促销以促使更多用户付费,需开发一套智能电视潜在付费用户预测系统为此项业务做系统支撑。智能电视潜在付费用户预测系统中的一个关键是建立准确的潜在付费用户预测模型,本文首先基于国内最大的电视厂家之一的海信公司日志数据的特点,提出了对日志信息扩展、特征衍生以及特征提取的解决方案。结合深度模型在高阶抽象特征学习上的优势以及线性模型在低阶特征学习上的优势,应用SWD模型进行训练预测。为了验证模型的性能,和传统分类模型进行了比较,实验结果表明,SWD模型在智能电视潜在付费用户预测中的F1测度上优于传统的分类模型,F1值能够达到0.8401。在对系统的开发背景、国内外研究现状进一步分析之后,通过需求分析确定各个模块的功能和业务,应用B/S架构、前后端分离模式、Spring MVC等Java Web开发技术完成智能电视潜在付费用户预测系统的后台管理部分。同时应用Spark大数据技术进行数据的统计分析工作,为系统提供数据准备。后台管理系统分为用户今日消费、用户历史消费、用户行为分析、潜在用户预测、用户活动促销五大功能模块,其中潜在用户预测模块包含了用户预测分析和用户预测详情子功能模块,用户活动促销模块包含了促销活动和活动设置子功能模块。系统通过实时数据、统计分析数据、模型预测数据,为企业提供了一个快速、直观了解用户付费相关各方面情况的一个窗口,有助于指导企业做出正确的商业决策;并且企业可以方便地进行潜在用户付费促销活动,提高会员购买转化率,从而提高企业利润。