[發明專利]信息推送對象預測模型獲取方法、終端及存儲介質

在審

• 申請號: 201910341062.1
• 申請日: 2019-04-25
• 公開（公告）號: CN110097170A
• 公開（公告）日: 2019-08-06
• 發明（設計）人: 賴浩哲;刁奇標
• 申請（專利權）人: 深圳市豪斯萊科技有限公司
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06N3/08
• 代理公司: 深圳信科專利代理事務所(普通合伙) 44500
• 代理人: 吳軍

1.一種信息推送對象預測模型獲取方法，其特征在于，包括：

接收初始脫敏數據集；

根據預設的數據篩選策略在所述初始脫敏數據集中進行數據篩選，以得到篩選數據集；

將所述篩選數據集中具有相同用戶識別信息的數據進行合并，得到合并后數據集；

根據預先設置的字段篩選策略在所述合并后數據集中進行目標數據獲取，以得到訓練集；

將所述訓練集中的輸入字段值作為待訓練深度神經網絡的輸入，將所述訓練集中的輸出字段值為待訓練深度神經網絡的輸出對待訓練深度神經網絡進行訓練，得到用于預測信息的目標推送對象的深度神經網絡。

2.根據權利要求1所述的信息推送對象預測模型獲取方法，其特征在于，所述根據預設的數據篩選策略在所述初始脫敏數據集中進行數據篩選，以得到篩選數據集，包括：

獲取所述初始脫敏數據集中數據的字段缺失個數未超出預設的個數閾值的數據，已組成篩選數據集。

3.根據權利要求1所述的信息推送對象預測模型獲取方法，其特征在于，所述將所述篩選數據集中具有相同用戶識別信息的數據進行合并，得到合并后數據集，包括：

判斷所述篩選數據集中是否存在有數據對應的身份證號相同；

若所述篩選數據集中存在有數據對應的身份證號相同，將具有相同的身份證號的數據作為具有相同用戶識別信息的數據進行合并，以得到合并后數據集。

4.根據權利要求1所述的信息推送對象預測模型獲取方法，其特征在于，所述根據預先設置的字段篩選策略在所述合并后數據集中進行目標數據獲取，以得到訓練集，包括：

獲取所述字段篩選策略中所設置的各字段權重值中排名位于預先設置的排名閾值之前的字段，以組成目標字段集合；

根據所述目標字段集合在所述合并后數據集中各數據進行目標字段值獲取，以得到訓練集。

5.根據權利要求1所述的信息推送對象預測模型獲取方法，其特征在于，所述將所述訓練集中的輸入字段值作為待訓練深度神經網絡的輸入，將所述訓練集中的輸出字段值為待訓練深度神經網絡的輸出對待訓練深度神經網絡進行訓練，得到用于預測信息的目標推送對象的深度神經網絡之前，還包括：

根據預先設置的目標字段獲取所述訓練集中的對應字段值，以作為所述訓練集中的輸出字段值；

將所述訓練集中各條數據的所述目標字段進行刪除，得到訓練集輸入集以作為所述訓練集中的輸入字段值。

6.一種終端，其特征在于，包括：

數據接收模塊，用于接收初始脫敏數據集；

數據篩選模塊，用于根據預設的數據篩選策略在所述初始脫敏數據集中進行數據篩選，以得到篩選數據集；

數據合并模塊，用于將所述篩選數據集中具有相同用戶識別信息的數據進行合并，得到合并后數據集；

訓練集獲取模塊，用于根據預先設置的字段篩選策略在所述合并后數據集中進行目標數據獲取，以得到訓練集；

模型訓練模塊，用于將所述訓練集中的輸入字段值作為待訓練深度神經網絡的輸入，將所述訓練集中的輸出字段值為待訓練深度神經網絡的輸出對待訓練深度神經網絡進行訓練，得到用于預測信息的目標推送對象的深度神經網絡。

7.根據權利要求6所述的終端，其特征在于，所述數據合并模塊，包括：

身份證號比對模塊，用于判斷所述篩選數據集中是否存在有數據對應的身份證號相同；

合并處理模塊，用于若所述篩選數據集中存在有數據對應的身份證號相同，將具有相同的身份證號的數據作為具有相同用戶識別信息的數據進行合并，以得到合并后數據集。

8.根據權利要求6所述的終端，其特征在于，還包括：

輸出字段獲取模塊，用于根據預先設置的目標字段獲取所述訓練集中的對應字段值，以作為所述訓練集中的輸出字段值；

輸入字段集合獲取模塊，用于將所述訓練集中各條數據的所述目標字段進行刪除，得到訓練集輸入集以作為所述訓練集中的輸入字段值。