[發明專利]一種用戶分類方法、裝置及電子設備

在審

• 申請號: 201810095690.1
• 申請日: 2018-01-31
• 公開（公告）號: CN110097066A
• 公開（公告）日: 2019-08-06
• 發明（設計）人: 張祺
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q30/02
• 代理公司: 北京清源匯知識產權代理事務所(特殊普通合伙) 11644
• 代理人: 馮德魁;竇曉慧

1.一種用戶分類方法，其特征在于，包括：

收集用戶的消息訪問記錄，并從所述的消息訪問記錄中提取所述用戶的行為特征數據；

基于所述行為特征數據，采用預先訓練的用戶聚類模型，將所述用戶劃分到對應的用戶類型中。

2.根據權利要求1所述的用戶分類方法，其特征在于，所述預先訓練的用戶聚類模型，采用如下方式訓練獲得：

收集待分類用戶的消息訪問記錄，并從所述消息訪問記錄中提取所述用戶的行為特征數據；

從所述行為特征數據中選取抽樣數據，根據所述抽樣數據采用聚類算法訓練，獲得所述用戶聚類模型。

3.根據權利要求2所述的用戶分類方法，其特征在于，所述收集用戶的消息訪問記錄，包括將用戶識別出來并進行保存；其中，通過下述任一渠道獲取用于識別用戶的信息：用戶注冊ID、郵箱、手機號、第三方登錄信息、cookie。

4.根據權利要求2所述的用戶分類方法，其特征在于，所述用戶來源于下述任意一種用戶群體：

注冊用戶、活躍設備用戶、應用消息推送的目標用戶群體、廣告投放的目標用戶群體、用戶權益投放的目標用戶群體。

5.根據權利要求2所述的用戶分類方法，其特征在于，所述用戶的消息訪問記錄，包括用戶對接收到的消息推送進行響應的消息訪問記錄；所述消息推送至少包括下述任一種消息推送類型：

應用消息推送；

廣告投放推送；

用戶權益推送；

用戶訪問業務時的相似業務推薦；

用戶訪問業務時的相似產品推薦。

6.根據權利要求2所述的用戶分類方法，其特征在于，所述收集用戶的消息訪問記錄，包括如下渠道的至少一種：

從日志服務器收集所述用戶的消息訪問記錄；

從消息服務器收集所述用戶的消息訪問記錄；

從存儲設備或單元上收集所述用戶的消息訪問記錄。

7.根據權利要求2所述的用戶分類方法，其特征在于，所述的提取所述用戶的行為特征數據，包括：從以下維度中的至少一個維度提取所述用戶的行為特征數據：

推送消息發送時間、消息到達至用戶打開時間、消息的推送渠道、用戶頁面停留時長、用戶機型、用戶打開消息使用的網絡類型、推送消息內容的業務類型。

8.根據權利要求7所述的用戶分類方法，其特征在于，所述的提取所述用戶的行為特征數據，還包括按照預定格式對所述行為特征數據進行數據轉換，至少包括下述數據轉換方式的一種：

所述的消息的推送渠道的特征取值預定格式采用離散化數值表示；

所述的用戶頁面停留時長的特征取值采用以秒標記的正整數格式；

所述的用戶機型的特征采用離散化數值表示；

所述的用戶打開消息使用的網絡類型采用離散化數值表示。

9.根據權利要求1所述的用戶分類方法，其特征在于，所述的聚類算法，采用高斯混合模型作為用戶聚類模型。

10.根據權利要求9所述的用戶分類方法，其特征在于，所述用戶聚類模型的參數包括：所述用戶聚類模型的各個聚類的概率中心、所述各個聚類的協方差、所述各個聚類概率在所述用戶聚類模型中的權重；所述根據所述抽樣數據采用聚類算法訓練用戶聚類模型，包括下述步驟：

確定所述的用戶聚類模型參數的初始化值；

確定所述用戶聚類模型的收斂條件；

基于所述抽樣數據和所述初始化值，通過迭代方法計算所述用戶聚類模型的參數，直到所述用戶聚類模型滿足所述收斂條件；

其中，所述收斂條件中包括相似性值和收斂性判斷閾值；所述收斂性判斷閾值，是根據所述用戶聚類模型的精度要求和計算成本定義的常量；所述的相似性值，是評定本輪迭代和上一輪迭代得到的用戶聚類模型的相似程度的數據。