[發(fā)明專利]用戶挖掘方法、裝置、電子設備及計算機可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201710948943.0
• 申請日: 2017-10-12
• 公開（公告）號: CN107729469A
• 公開（公告）日: 2018-02-23
• 發(fā)明（設計）人: 殷良鷹;邱野;蔣凡
• 申請（專利權(quán)）人: 北京小度信息科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京智信四方知識產(chǎn)權(quán)代理有限公司11519
• 代理人: 宋海龍,鐘文芳

技術(shù)領域

本公開涉及計算機技術(shù)領域，具體涉及一種用戶挖掘方法、裝置、電子設備及計算機可讀存儲介質(zhì)。

背景技術(shù)

離群點檢測是數(shù)據(jù)挖掘中重要的一部分，其主要是用于發(fā)現(xiàn)與大部分對象顯著不同的對象。大部分數(shù)據(jù)挖掘方法都將這種差異信息視為噪聲而丟棄，然而在一些應用中，罕見的數(shù)據(jù)可能蘊含著更大的研究價值。離群點檢測已經(jīng)被廣泛應用于電信和信用卡的詐騙檢測、貸款審批、電子商務、網(wǎng)絡入侵、天氣預報等領域，如可以利用離群點檢測分析運動員的統(tǒng)計數(shù)據(jù)，以發(fā)現(xiàn)異常的運動員。常用離群點檢測方法有基于統(tǒng)計，基于鄰近度，基于密度，基于聚類等方法。基于統(tǒng)計模型的離群點檢測方法需要滿足統(tǒng)計學原理，如果分布已知，則檢驗可能非常有效。通過估計概率分布的參數(shù)來建立一個數(shù)據(jù)模型，如果一個數(shù)據(jù)對象不能不能很好的跟該模型擬合，即如果它很可能不服從該分布，則它是一個離群點。

發(fā)明內(nèi)容

本公開實施例提供一種用戶挖掘方法、裝置、電子設備及計算機可讀存儲介質(zhì)。。

第一方面，本公開實施例中提供了一種用戶挖掘方法。

具體的，所述用戶挖掘方法，包括：

獲取第一用戶的第一身份數(shù)據(jù)，所述第一用戶為在預設時間周期內(nèi)在第一系統(tǒng)平臺中新注冊的用戶；

根據(jù)所述第一用戶的第一身份數(shù)據(jù)以及第二系統(tǒng)平臺確定所述第一用戶的第一用戶畫像數(shù)據(jù)；

利用所述第一用戶畫像數(shù)據(jù)訓練所述第一系統(tǒng)平臺的用戶挖掘模型；

利用訓練好的所述用戶挖掘模型對待篩選用戶進行評估；

根據(jù)評估結(jié)果確定所述待篩選用戶是否為潛在用戶。

結(jié)合第一方面，本公開在第一方面的第一種實現(xiàn)方式中，根據(jù)所述第一用戶的第一身份數(shù)據(jù)以及第二系統(tǒng)平臺確定所述第一用戶的第一用戶畫像數(shù)據(jù)，包括：

根據(jù)所述第一身份數(shù)據(jù)獲取在所述第二系統(tǒng)平臺中與所述第一用戶相關聯(lián)的第二用戶；

獲取所述第二用戶在所述第二系統(tǒng)平臺中的第二用戶畫像數(shù)據(jù)；

將所述第二用戶畫像數(shù)據(jù)設置為第一用戶畫像數(shù)據(jù)。

結(jié)合第一方面，本公開在第一方面的第二種實現(xiàn)方式中，獲取所述第二用戶在所述第二系統(tǒng)平臺中的第二用戶畫像數(shù)據(jù)，包括：

確定與所述第二用戶相關聯(lián)的所述第一用戶在所述第一系統(tǒng)平臺的注冊時間；

確定在所述第二系統(tǒng)平臺中所述第二用戶在所述注冊時間之前的最新第二用戶畫像數(shù)據(jù)。

結(jié)合第一方面的第二種實現(xiàn)方式，本公開在第一方面的第三種實現(xiàn)方式中，根據(jù)所述第一身份數(shù)據(jù)獲取在所述第二系統(tǒng)平臺中與所述第一用戶相關聯(lián)的第二用戶，包括：

獲取所述第二系統(tǒng)平臺中用戶身份數(shù)據(jù)與所述第一用戶的第一身份數(shù)據(jù)具有預設關系的第二用戶。

結(jié)合第一方面的第三種實現(xiàn)方式，本公開在第一方面的第四種實現(xiàn)方式中，獲取所述第二系統(tǒng)平臺中用戶身份數(shù)據(jù)與所述第一用戶的第一身份數(shù)據(jù)具有預設關系的第二用戶，包括：

獲取所述第二系統(tǒng)平臺中用戶身份數(shù)據(jù)與所述第一用戶的第一身份數(shù)據(jù)相同的第二用戶。

結(jié)合第一方面，本公開在第一方面的第五種實現(xiàn)方式中，利用所述第一用戶畫像數(shù)據(jù)訓練所述第一系統(tǒng)平臺的用戶挖掘模型，包括：

將所述第一用戶畫像數(shù)據(jù)設置為正樣本數(shù)據(jù)訓練所述用戶挖掘模型。

結(jié)合第一方面，本公開在第一方面的第六種實現(xiàn)方式中，還包括：

在所述待篩選用戶為潛在用戶時，對所述待篩選用戶執(zhí)行預設的拉新處理方法。

第二方面，本公開實施例提供了一數(shù)據(jù)挖掘裝置，包括：

獲取模塊，被配置為獲取第一用戶的第一身份數(shù)據(jù)，所述第一用戶為在預設時間周期內(nèi)在第一系統(tǒng)平臺中新注冊的用戶；

第一確定模塊，被配置為根據(jù)所述第一用戶的第一身份數(shù)據(jù)以及第二系統(tǒng)平臺確定所述第一用戶的第一用戶畫像數(shù)據(jù)；

訓練模塊，被配置為利用所述第一用戶畫像數(shù)據(jù)訓練所述第一系統(tǒng)平臺的用戶挖掘模型；

預測模塊，被配置為利用訓練好的所述用戶挖掘模型對待篩選用戶進行評估；

第二確定模塊，被配置為根據(jù)評估結(jié)果確定所述待篩選用戶是否為潛在用戶。

結(jié)合第二方面，本公開在第二方面的第一種實現(xiàn)方式中，所述第一確定模塊包括：

第一獲取子模塊，被配置為根據(jù)所述第一身份數(shù)據(jù)獲取在所述第二系統(tǒng)平臺中與所述第一用戶相關聯(lián)的第二用戶；

第二獲取子模塊，被配置為獲取所述第二用戶在所述第二系統(tǒng)平臺中的第二用戶畫像數(shù)據(jù)；