[發(fā)明專(zhuān)利]用戶(hù)特征群中用戶(hù)特征尋優(yōu)方法、裝置、介質(zhì)及電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201910533729.8
• 申請(qǐng)日: 2019-06-19
• 公開(kāi)（公告）號(hào): CN110348581B
• 公開(kāi)（公告）日: 2023-08-18
• 發(fā)明（設(shè)計(jì)）人: 鄧悅;金戈;徐亮
• 申請(qǐng)（專(zhuān)利權(quán)）人: 平安科技（深圳）有限公司
• 主分類(lèi)號(hào): G06N20/00
• 分類(lèi)號(hào): G06N20/00
• 代理公司: 深圳市聯(lián)鼎知識(shí)產(chǎn)權(quán)代理有限公司 44232
• 代理人: 李鎮(zhèn)江

本公開(kāi)是關(guān)于一種用戶(hù)特征群中用戶(hù)特征尋優(yōu)方法、裝置、介質(zhì)及電子設(shè)備，屬于機(jī)器學(xué)習(xí)應(yīng)用技術(shù)領(lǐng)域，該方法包括：初始化生成多個(gè)用戶(hù)特征組合；將每個(gè)用戶(hù)特征組合及尋優(yōu)目標(biāo)輸入第一機(jī)器學(xué)習(xí)模型，得到評(píng)價(jià)分?jǐn)?shù)；獲取多個(gè)第一分?jǐn)?shù)范圍的用戶(hù)特征組合，及多個(gè)第二分?jǐn)?shù)范圍的用戶(hù)特征組合；獲取每個(gè)第一分?jǐn)?shù)范圍的用戶(hù)特征組合與第二分?jǐn)?shù)范圍的用戶(hù)特征組合的用戶(hù)特征區(qū)別；將多個(gè)用戶(hù)特征區(qū)別及尋優(yōu)目標(biāo)輸入第二機(jī)器學(xué)習(xí)模型，得到預(yù)測(cè)優(yōu)化用戶(hù)特征組合；獲取目標(biāo)優(yōu)化用戶(hù)特征組合。本公開(kāi)通過(guò)機(jī)器學(xué)習(xí)模型根據(jù)部分用戶(hù)特征組合的區(qū)別特征預(yù)測(cè)尋優(yōu)目標(biāo)對(duì)應(yīng)的用戶(hù)特征組合，進(jìn)而保證目標(biāo)用戶(hù)特征組合獲取的高效性和準(zhǔn)確性。

背景技術(shù)

用戶(hù)特征群中用戶(hù)特征尋優(yōu)就是從擁有大量用戶(hù)特征的用戶(hù)特征群中尋找滿(mǎn)足需求的特殊用途的用戶(hù)特征組合，即從用戶(hù)特征群中尋找優(yōu)化用戶(hù)特征。例如，從用戶(hù)特征用戶(hù)特征群中尋找滿(mǎn)足需求的用戶(hù)特征組合，以求得到可以滿(mǎn)足預(yù)定目的的一群用戶(hù)組合。

目前，進(jìn)行用戶(hù)特征群中用戶(hù)特征尋優(yōu)的主要是通過(guò)從用戶(hù)用戶(hù)特征群中爬去關(guān)鍵字，基于不同的關(guān)鍵字設(shè)置對(duì)應(yīng)的權(quán)重系數(shù)，然后通過(guò)權(quán)重系數(shù)計(jì)算出滿(mǎn)足需求的用戶(hù)特征組合。這樣，在用戶(hù)特征尋優(yōu)過(guò)程中，不能夠考慮到所有用戶(hù)特征群中用戶(hù)特征之間的區(qū)別，獲取到的用戶(hù)特征組合存在組合不合理的問(wèn)題，且用戶(hù)特征組合獲取的過(guò)程需要進(jìn)行大量數(shù)據(jù)的統(tǒng)計(jì)，算法負(fù)荷大，獲取效率低。

需要說(shuō)明的是，在上述背景技術(shù)部分公開(kāi)的信息僅用于加強(qiáng)對(duì)本公開(kāi)的背景的理解，因此可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

本公開(kāi)的目的在于提供一種用戶(hù)特征群中用戶(hù)特征尋優(yōu)方案，進(jìn)而至少在一定程度上通過(guò)機(jī)器學(xué)習(xí)模型根據(jù)部分用戶(hù)特征組合的區(qū)別特征準(zhǔn)確、高效預(yù)測(cè)尋優(yōu)目標(biāo)對(duì)應(yīng)的用戶(hù)特征組合，進(jìn)而保證目標(biāo)用戶(hù)特征組合獲取的高效性和準(zhǔn)確性。

根據(jù)本公開(kāi)的一個(gè)方面，提供一種用戶(hù)特征群中用戶(hù)特征尋優(yōu)方法，包括：

基于目標(biāo)用戶(hù)特征群，初始化生成多個(gè)用戶(hù)特征組合；

將每個(gè)所述用戶(hù)特征組合及尋優(yōu)目標(biāo)分別輸入預(yù)先訓(xùn)練好的第一機(jī)器學(xué)習(xí)模型，得到每個(gè)所述用戶(hù)特征組合的評(píng)價(jià)分?jǐn)?shù)；

獲取多個(gè)第一分?jǐn)?shù)范圍中的評(píng)價(jià)分?jǐn)?shù)對(duì)應(yīng)的用戶(hù)特征組合，及多個(gè)第二分?jǐn)?shù)范圍中的評(píng)價(jià)分?jǐn)?shù)對(duì)應(yīng)的用戶(hù)特征組合，其中，所述多個(gè)第一分?jǐn)?shù)范圍中的評(píng)價(jià)分?jǐn)?shù)大于第一預(yù)定閾值，所述多個(gè)多個(gè)第二分?jǐn)?shù)范圍中的評(píng)價(jià)分?jǐn)?shù)低于第二預(yù)定閾值；

獲取每個(gè)所述第一分?jǐn)?shù)范圍的用戶(hù)特征組合與每個(gè)第二分?jǐn)?shù)范圍的用戶(hù)特征組合的用戶(hù)特征區(qū)別，得到多個(gè)用戶(hù)特征區(qū)別；

將所述多個(gè)用戶(hù)特征區(qū)別及尋優(yōu)目標(biāo)輸入預(yù)先訓(xùn)練好的第二機(jī)器學(xué)習(xí)模型，得到所述目標(biāo)用戶(hù)特征群的預(yù)測(cè)優(yōu)化用戶(hù)特征組合；

基于所述預(yù)測(cè)優(yōu)化用戶(hù)特征組合，從所述目標(biāo)用戶(hù)特征群中獲取目標(biāo)優(yōu)化用戶(hù)特征組合。

在本公開(kāi)的一種示例性實(shí)施例中，所述基于目標(biāo)用戶(hù)特征群，初始化生成多個(gè)用戶(hù)特征組合，包括：

從所述目標(biāo)用戶(hù)特征群中，依次分別獲取預(yù)定數(shù)目個(gè)用戶(hù)特征，其中，每次獲取時(shí)的所述預(yù)定數(shù)目比前一次多預(yù)定個(gè)數(shù)個(gè)；

依次分別將獲取的所述預(yù)定數(shù)目個(gè)用戶(hù)特征，按照所述目標(biāo)用戶(hù)特征群的排列規(guī)則排列成用戶(hù)特征串，得到多個(gè)用戶(hù)特征組合。

在本公開(kāi)的一種示例性實(shí)施例中，所述基于目標(biāo)用戶(hù)特征群，初始化生成多個(gè)用戶(hù)特征組合，包括：

基于目標(biāo)用戶(hù)特征群，隨機(jī)初始化生成預(yù)定數(shù)目個(gè)用戶(hù)特征組合。

在本公開(kāi)的一種示例性實(shí)施例中，在所述獲取多個(gè)第一分?jǐn)?shù)范圍中的評(píng)價(jià)分?jǐn)?shù)對(duì)應(yīng)的用戶(hù)特征組合，及多個(gè)第二分?jǐn)?shù)范圍中的評(píng)價(jià)分?jǐn)?shù)對(duì)應(yīng)的用戶(hù)特征組合，其中，所述多個(gè)第一分?jǐn)?shù)范圍中的評(píng)價(jià)分?jǐn)?shù)大于第一預(yù)定閾值，所述多個(gè)多個(gè)第二分?jǐn)?shù)范圍中的評(píng)價(jià)分?jǐn)?shù)低于第二預(yù)定閾值之后，所述方法還包括：