[發明專利]基于機器學習的用戶挖掘方法及裝置、電子設備、介質

在審

• 申請號: 201811062830.1
• 申請日: 2018-09-12
• 公開（公告）號: CN110059112A
• 公開（公告）日: 2019-07-26
• 發明（設計）人: 林凌軍
• 申請（專利權）人: 中國平安人壽保險股份有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06N20/00;G06K9/62
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

本公開是關于一種基于機器學習的用戶挖掘方法及裝置、電子設備、存儲介質，涉及人工智能技術領域，該方法包括：通過多個維度特征獲取所有用戶的歷史數據；對所述多個維度特征進行特征選擇，得到與測試對象關聯的至少一個目標維度特征；通過所述至少一個目標維度特征的歷史數據對預設模型進行訓練建立用于進行用戶預測的多個挖掘模型，并基于所述多個挖掘模型確定目標挖掘模型；通過所述目標挖掘模型從所有用戶中確定目標用戶。本公開通過基于大數據分析的智能預測和計算，能夠通過模型從多個維度進行用戶挖掘，提高用戶挖掘的準確率。

技術領域

本公開涉及人工智能技術領域，具體而言，涉及一種基于機器學習的用戶挖掘方法、基于機器學習的用戶挖掘裝置、電子設備以及計算機可讀存儲介質。

背景技術

在互聯網交易過程中，使用平臺的用戶數量非常多，且這些用戶中可能存在多個高價值的用戶。如果能在多個用戶中準確地定位到高價值用戶，非常有利于平臺的推進和推廣。

現有技術中，通常是根據某一種維度的數據進行判斷。例如，只通過資金維度或者是只通過學歷維度建立定位高價值用戶。針對高價值用戶的挖掘角度比較單一；除此之外，只通過一個模型來確定高價值用戶，并不能保證該模型中的性能最優，進而導致確定的高價值用戶并不準確。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種基于機器學習的用戶挖掘方法及裝置、電子設備、存儲介質，進而至少在一定程度上克服由于相關技術的限制和缺陷而導致的用戶挖掘準確率低的問題。

本公開的其他特性和優點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

根據本公開的一個方面，提供一種基于機器學習的用戶挖掘方法，包括：通過多個維度特征獲取所有用戶的歷史數據；對所述多個維度特征進行特征選擇，得到與測試對象關聯的至少一個目標維度特征；通過所述至少一個目標維度特征的歷史數據對預設模型進行訓練建立用于進行用戶預測的多個挖掘模型，并基于所述多個挖掘模型確定目標挖掘模型；通過所述目標挖掘模型從所有用戶中確定目標用戶。

在本公開的一種示例性實施例中，所述方法還包括：對所有用戶的歷史數據進行數據清洗。

在本公開的一種示例性實施例中，對所述多個維度特征進行特征選擇，得到與測試對象關聯的至少一個目標維度特征包括：通過隨機森林算法計算所述多個維度特征相對于所述測試對象的重要性分值，并按照所述重要性分值從大到小的順序確定所述至少一個目標維度特征。

在本公開的一種示例性實施例中，通過所述至少一個目標維度特征的歷史數據對預設模型進行訓練建立用于進行用戶預測的多個挖掘模型包括：通過每個目標維度特征的歷史數據對所述預設模型進行訓練，為每個所述目標維度特征分別建立一個挖掘模型，以得到多個挖掘模型；或將所述至少一個目標維度特征作為組合特征，并根據組合特征對應的歷史數據對所述預設模型進行訓練，以建立多個挖掘模型。

在本公開的一種示例性實施例中，基于所述多個挖掘模型確定目標挖掘模型包括：對所述多個挖掘模型進行測試，將測試值大于預設值的所述挖掘模型確定為所述目標挖掘模型。

在本公開的一種示例性實施例中，將測試值大于預設值的所述挖掘模型確定為所述目標挖掘模型包括：通過預設用戶的數據對所述多個挖掘模型進行測試，以得到測試值；將所述測試值大于所述預設值的挖掘模型確定為所述目標挖掘模型。

在本公開的一種示例性實施例中，通過所述目標挖掘模型從所有用戶中確定目標用戶包括：通過所述目標挖掘模型對所有用戶的歷史數據進行分析，以計算分類概率；通過所述分類概率確定針對所述測試對象的目標用戶。