[發明專利]一種用戶行為分類方法、系統及存儲介質

在審

• 申請號: 201910857638.X
• 申請日: 2019-09-09
• 公開（公告）號: CN110659678A
• 公開（公告）日: 2020-01-07
• 發明（設計）人: 許可;趙沛霖;黃俊洲
• 申請（專利權）人: 騰訊科技(深圳)有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00
• 代理公司: 44202 廣州三環專利商標代理有限公司
• 代理人: 郝傳鑫;賈允

本申請公開了一種用戶行為分類方法、系統及存儲介質，所述方法包括：服務器訓練用于進行用戶行為分類的行為分類模型；服務器向第二終端發送行為分類模型；第二終端將目標對象的行為數據輸入行為分類模型，對目標對象的行為進行預測；其中，服務器訓練用于進行用戶行為分類的行為分類模型包括：服務器構建預設機器學習模型，并將預設機器學習模型確定為當前機器學習模型；服務器基于所述當前機器學習模型，確定至少兩個第一終端的損失平均值以及每個第一終端的量化梯度，并對當前機器學習模型進行更新；通過迭代訓練得到符合預設條件的行為分類模型。采用本申請的技術方案，實現了對用戶的行為進行快速預測。

技術領域

本申請涉及互聯網通信技術領域，尤其涉及一種用戶行為分類方法、系統及存儲介質。

背景技術

利用分布式數據并行化計算加速模型訓練，是近些年包括互聯網企業，國內外高校在內的多家機構的研究重點。在大數據場景下，將整個數據集分成小塊，分別存儲到集群中的計算節點上進行計算，再通過一個參數服務器將各節點的計算結果進行同步，可以在一定程度上解決訓練時長過長的問題。上述訓練方式的時間消耗主要分為：各計算節點的并行計算消耗和節點與參數服務器之間的通信消耗。增加計算節點可以減少整體的計算時間消耗，但在網絡延遲較高的集群中，計算節點與參數服務器之間的通信時間消耗則會造成用戶行為分類的延遲。

因此，有必要提供一種用戶行為分類方法、系統及存儲介質，對用戶的行為進行快速預測。

發明內容

本申請提供了一種用戶行為分類方法、系統及存儲介質，可以對用戶的行為進行快速預測。

一方面，本申請提供了一種用戶行為分類方法，所述方法包括：

服務器訓練用于進行用戶行為分類的行為分類模型；

所述服務器向第二終端發送所述行為分類模型；

所述第二終端將目標對象的行為數據輸入所述行為分類模型，對所述目標對象的行為進行分類；

其中，所述服務器訓練用于進行用戶行為分類的行為分類模型包括：

所述服務器構建預設機器學習模型，并將所述預設機器學習模型確定為當前機器學習模型；

所述服務器基于所述當前機器學習模型，確定至少兩個第一終端的損失平均值以及每個第一終端的量化梯度；

當所述至少兩個第一終端的損失平均值大于預設閾值時，所述服務器基于所述每個第一終端的量化梯度，對所述當前機器學習模型進行更新以得到更新后機器學習模型，將所述更新后機器學習模型重新確定為所述當前機器學習模型；重復步驟：所述服務器向至少兩個第一終端發送所述當前機器學習模型；

當所述至少兩個第一終端的損失平均值小于或等于所述預設閾值時，所述服務器將所述當前機器學習模型確定為所述行為分類模型。

另一方面提供了一種用戶行為分類方法，所述方法包括：

訓練用于進行用戶行為分類的行為分類模型；

向第二終端發送所述行為分類模型，以使所述第二終端將目標對象的行為數據輸入所述行為分類模型，對所述目標對象的行為進行分類；

其中，所述訓練用于進行用戶行為分類的行為分類模型包括：

構建預設機器學習模型，并將所述預設機器學習模型確定為當前機器學習模型；

基于所述當前機器學習模型，確定至少兩個第一終端的損失平均值以及每個第一終端的量化梯度；