[發(fā)明專利]用戶識別方法、裝置、存儲介質(zhì)和處理器

在審

• 申請?zhí)枺?/td>: 201910339945.9
• 申請日: 2019-04-25
• 公開（公告）號: CN110188796A
• 公開（公告）日: 2019-08-30
• 發(fā)明（設(shè)計）人: 李剛毅;文詩奇;李瑋巍
• 申請（專利權(quán)）人: 博彥科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/906;G06F16/9535
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責(zé)任公司 11240
• 代理人: 趙囡囡

本發(fā)明公開了一種用戶識別方法、裝置、存儲介質(zhì)和處理器。其中，該方法包括：獲取用戶的多維特征信息；將多維特征信息轉(zhuǎn)換為多維數(shù)組，其中，多維數(shù)組中的數(shù)值處于預(yù)定取值區(qū)間內(nèi)；根據(jù)預(yù)定機器學(xué)習(xí)模型對多維數(shù)組進行分析，識別多維數(shù)組對應(yīng)的用戶類型，其中，該預(yù)定機器學(xué)習(xí)模型為通過機器學(xué)習(xí)對至少一組訓(xùn)練數(shù)據(jù)進行訓(xùn)練得到的，每組訓(xùn)練數(shù)據(jù)包括：多維數(shù)組和多維數(shù)組對應(yīng)的用戶類型。本發(fā)明解決了傳統(tǒng)機器學(xué)習(xí)算法在進行用戶分類時特征提取困難、不準(zhǔn)確，學(xué)習(xí)效率低下，且容易過擬合的技術(shù)問題。

技術(shù)領(lǐng)域

本發(fā)明涉及計算機領(lǐng)域，具體而言，涉及一種用戶識別方法、裝置、存儲介質(zhì)和處理器。

背景技術(shù)

在大數(shù)據(jù)背景下，可以根據(jù)用戶的歷史信息進行分析，并根據(jù)分析結(jié)果構(gòu)建精確的用戶分類，分析用戶的消費能力，向用戶推薦用戶感興趣的商品，從而進行有針對性的商品銷售。

傳統(tǒng)的用戶分類過程數(shù)據(jù)特征提取困難、不準(zhǔn)確，學(xué)習(xí)效率低下、易于過擬合。

針對上述傳統(tǒng)機器學(xué)習(xí)算法在進行用戶分類時特征提取困難、不準(zhǔn)確，學(xué)習(xí)效率低下，且容易過擬合的問題，目前尚未提出有效的解決方案。

針對上述傳統(tǒng)機器學(xué)習(xí)算法在進行用戶分類時特征提取困難、不準(zhǔn)確，學(xué)習(xí)效率低下，且容易過擬合的問題，目前尚未提出有效的解決方案。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種用戶識別方法、裝置、存儲介質(zhì)和處理器，以至少解決傳統(tǒng)機器學(xué)習(xí)算法在進行用戶分類時特征提取困難、不準(zhǔn)確，學(xué)習(xí)效率低下，且容易過擬合的技術(shù)問題。

根據(jù)本發(fā)明實施例的一個方面，提供了一種用戶識別方法，包括：獲取用戶的多維特征信息；將所述多維特征信息轉(zhuǎn)換為多維數(shù)組，其中，所述多維數(shù)組中的數(shù)值處于預(yù)定取值區(qū)間內(nèi)；根據(jù)預(yù)定機器學(xué)習(xí)模型對所述多維數(shù)組進行分析，識別所述多維數(shù)組對應(yīng)的用戶類型，其中，所述預(yù)定機器學(xué)習(xí)模型為通過機器學(xué)習(xí)對至少一組訓(xùn)練數(shù)據(jù)進行訓(xùn)練得到的，每組所述訓(xùn)練數(shù)據(jù)包括：多維數(shù)組和多維數(shù)組對應(yīng)的用戶類型。

進一步地，所述多維特征信息包括：第一特征信息、第二特征信息和第三特征信息，將所述多維特征信息轉(zhuǎn)換為多維數(shù)組包括：根據(jù)所述第一特征信息和所述第二特征信息確定所述多維數(shù)組的平面尺寸；根據(jù)所述第三特征信息確定所述多維數(shù)組的深度。

進一步地，獲取用戶的多維特征信息包括：獲取所述用戶的歷史活躍數(shù)據(jù)，其中，所述歷史活躍數(shù)據(jù)至少包括：時間信息、特征類型、和用戶在不同時間，針對不同特征類型的多個特征參數(shù)；過濾所述歷史活躍數(shù)據(jù)中的無效數(shù)據(jù)，并篩選所述特征參數(shù)，得到所述多維特征信息。

進一步地，獲取所述用戶的歷史活躍數(shù)據(jù)之后，所述方法還包括：根據(jù)所述時間信息和所述特征參數(shù)的統(tǒng)計分布特征對所述歷史活躍數(shù)據(jù)進行歸一化處理，得到歸一化數(shù)據(jù)，其中，所述歸一化數(shù)據(jù)用于表示所述用戶基于同一時間線，針對不同特征類型的特征參數(shù)。

根據(jù)本發(fā)明實施例的另一個方面，還提供了一種用戶識別裝置，包括：獲取單元，用于獲取用戶的多維特征信息；轉(zhuǎn)換單元，用于將所述多維特征信息轉(zhuǎn)換為多維數(shù)組，其中，所述多維數(shù)組中的數(shù)值處于預(yù)定取值區(qū)間內(nèi)；識別單元，用于根據(jù)預(yù)定機器學(xué)習(xí)模型對所述多維數(shù)組進行分析，識別所述多維數(shù)組對應(yīng)的用戶類型，其中，所述預(yù)定機器學(xué)習(xí)模型為通過機器學(xué)習(xí)對至少一組訓(xùn)練數(shù)據(jù)進行訓(xùn)練得到的，每組所述訓(xùn)練數(shù)據(jù)包括：多維數(shù)組和多維數(shù)組對應(yīng)的用戶類型。

進一步地，所述多維特征信息包括：第一特征信息、第二特征信息和第三特征信息，所述轉(zhuǎn)換單元包括：第一確定模塊，用于根據(jù)所述第一特征信息和所述第二特征信息確定所述多維數(shù)組的平面尺寸；第二確定模塊，用于根據(jù)所述第三特征信息確定所述多維數(shù)組的深度。