[發明專利]構建用戶畫像標簽的方法及其系統

有效

• 申請號: 201910816219.1
• 申請日: 2019-08-30
• 公開（公告）號: CN110674178B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 于興彬;溫億明
• 申請（專利權）人: 創新先進技術有限公司
• 主分類號: G06F16/2457
• 分類號: G06F16/2457
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 許振新;朱文杰

1.一種構建用戶畫像標簽的方法，包括：

獲取包括多個用戶特征的用戶特征庫，所述用戶特征庫包括多個維度的用戶特征和不同維度的用戶特征交叉形成的用戶特征，所述用戶特征庫用于不同的用戶畫像標簽的構建；

獲取被預先標定用戶畫像標簽的樣本數據的樣本集合，根據所述樣本集合中的樣本數據計算所述用戶特征的穩定性指標和有效性指標，所述穩定性指標為群體穩定性指標，所述有效性指標為信息價值；

根據所述穩定性指標和所述有效性指標從所述用戶特征庫中選擇N個用戶特征，其中N為大于1的整數，所述N個用戶特征是先根據所述信息價值從所述用戶特征庫中選出候選用戶特征，再根據所述群體穩定性指標從所述候選用戶特征中確定的；或者，所述N個用戶特征是先根據所述群體穩定性指標從所述用戶特征庫中選出候選用戶特征，再根據所述信息價值從所述候選用戶特征中確定的；

使用所述樣本集合中樣本數據的所述N個用戶特征在機器學習模型中進行有監督訓練；

將非樣本數據的所述N個用戶特征輸入訓練好的所述機器學習模型，所述機器學習模型輸出所述非樣本數據的用戶畫像標簽。

2.如權利要求1所述的構建用戶畫像標簽的方法，其中，所述根據所述穩定性指標和所述有效性指標從所述用戶特征庫中選擇N個用戶特征，進一步包括：

從所述用戶特征庫的用戶特征中選擇群體穩定性指標值大于預定門限且信息價值的值排名前N的用戶特征。

3.如權利要求1所述的構建用戶畫像標簽的方法，其中，所述使用所述樣本集合中樣本數據的所述N個用戶特征在機器學習模型中進行有監督訓練，包括：

預先為所述機器學習模型的至少一個超參數設置多個選項；

根據所述多個選項建立超參數不同的多個機器學習模型；

將所述樣本集合中樣本數據的所述N個用戶特征和標簽分別輸入到所述多個機器學習模型中進行有監督訓練；

從所述多個機器學習模型中選擇一個訓練效果最好的，作為最終使用的機器學習模型。

4.如權利要求3所述的構建用戶畫像標簽的方法，其中，所述機器學習模型是包括以下任一：隨機森林模型、xgboost、lightGBM、深度神經網絡模型。

5.如權利要求1所述的構建用戶畫像標簽的方法，其中，所述用戶特征庫中的用戶特征是根據歷史累積的業務數據預先構建的通用用戶特征。

6.如權利要求1所述的構建用戶畫像標簽的方法，其中，構建多個不同的用戶畫像標簽時使用同一個所述用戶特征庫。

7.一種構建用戶畫像標簽的系統，包括：

存儲用戶特征庫的存儲器，該用戶特征庫包括多個用戶特征，所述用戶特征庫包括多個維度的用戶特征和不同維度的用戶特征交叉形成的用戶特征，所述用戶特征庫用于不同的用戶畫像標簽的構建；

存儲樣本集合的存儲器，該樣本集合包括被預先標定用戶畫像標簽的樣本數據；

指標計算模塊，用于根據所述樣本集合中的樣本數據計算所述用戶特征的穩定性指標和有效性指標，所述穩定性指標為群體穩定性指標，所述有效性指標為信息價值；

特征選擇模塊，用于根據所述穩定性指標和所述有效性指標從所述用戶特征庫中選擇N個用戶特征，其中N為大于8的整數，所述N個用戶特征是先根據所述信息價值從所述用戶特征庫中選出候選用戶特征，再根據所述群體穩定性指標從所述候選用戶特征中確定的；或者，所述N個用戶特征是先根據所述群體穩定性指標從所述用戶特征庫中選出候選用戶特征，再根據所述信息價值從所述候選用戶特征中確定的；

機器學習模型，該機器學習模型使用所述樣本集合中樣本數據的所述N個用戶特征進行有監督訓練，訓練完成后，根據輸入的非樣本數據的所述N個用戶特征輸出該非樣本數據的用戶畫像標簽。

8.如權利要求7所述的構建用戶畫像標簽的系統，其中，所述特征選擇模塊從所述用戶特征庫的用戶特征中選擇群體穩定性指標值大于預定門限且信息價值的值排名前N的用戶特征。