[發明專利]使用類別識別模型來確定用戶的類別標簽的方法和裝置

有效

• 申請號: 202010045891.8
• 申請日: 2020-01-16
• 公開（公告）號: CN111274907B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 管楚;潘健民
• 申請（專利權）人: 支付寶（中國）網絡技術有限公司
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V20/40;G06V10/764
• 代理公司: 北京永新同創知識產權代理有限公司 11376
• 代理人: 林錦輝;劉景峰

1.一種用于使用類別識別模型來確定用戶的類別標簽的方法，所述類別識別模型包括邏輯分布抽取模型和標簽分類模型，并且所述類別識別模型應用于多類別識別，所述方法包括：

對用戶的動態行為數據進行向量化處理，以得到所述用戶的動態行為向量表示；

將所述動態行為向量表示提供給邏輯分布抽取模型，以得到所述用戶的行為邏輯向量表示，所述行為邏輯向量表示反映所述用戶的與所述用戶的行為目標構成對應關系的行為邏輯分布，所述行為邏輯分布用于表征用戶行為所對應的各種行為邏輯的概率分布；以及

將所述行為邏輯向量表示提供給標簽分類模型，確定所述用戶的類別標簽。

2.如權利要求1所述的方法，其中，所述動態行為數據包括指定時段內的行為序列數據。

3.如權利要求2所述的方法，其中，所述行為序列數據包括交易行為序列數據。

4.如權利要求1所述的方法，其中，對用戶的動態行為數據進行向量化處理，以得到所述用戶的動態行為向量表示包括：

對用戶的動態行為數據和靜態行為數據進行向量化處理，以得到所述用戶的動態行為向量表示和靜態行為向量表示；

將所述行為邏輯向量表示提供給標簽分類模型，確定所述用戶的類別標簽包括：

將所述行為邏輯向量表示和所述靜態行為向量表示提供給標簽分類模型，確定所述用戶的類別標簽。

5.如權利要求4所述的方法，其中，將所述行為邏輯向量表示和所述靜態行為向量表示提供給標簽分類模型，確定所述用戶的類別標簽包括：

將所述行為邏輯向量表示和所述靜態行為向量表示級聯后提供給標簽分類模型，確定所述用戶的類別標簽。

6.如權利要求4或5所述的方法，其中，所述靜態行為數據包括歷史類別標簽數據、關系特征數據和用戶屬性數據中的至少一種。

7.如權利要求6所述的方法，其中，所述類別標簽包括類罪標簽，所述用戶屬性數據還包括高頻高危地點數據和/或高頻行為發生時間數據。

8.如權利要求1所述的方法，其中，所述邏輯分布抽取模型包括基于注意力機制的邏輯分布抽取模型。

9.如權利要求1所述的方法，其中，所述邏輯分布抽取模型和所述用戶分類模型作為整體模型一起訓練。

10.如權利要求1所述的方法，其中，用作所述邏輯分布抽取模型的訓練樣本數據的動態行為數據基于是否屬于特定類別標簽而被劃分為第一行為序列數據和第二行為序列數據，以用于模型訓練，所述第一行為序列數據包括具有特定類別標簽的動態行為數據，所述第二行為序列數據包括不具有特定類別標簽的動態行為數據。

11.一種用于使用類別識別模型來確定用戶的類別標簽的裝置，所述類別識別模型包括邏輯分布抽取模型和標簽分類模型，并且所述類別識別模型應用于多類別識別，所述裝置包括：

向量表示單元，對用戶的動態行為數據進行向量化處理，以得到所述用戶的動態行為向量表示；

邏輯分布抽取單元，將所述動態行為向量表示提供給邏輯分布抽取模型，得到所述用戶的行為邏輯向量表示，所述行為邏輯向量表示反映所述用戶的與所述用戶的行為目的構成對應關系的行為邏輯分布，所述行為邏輯分布用于表征用戶行為所對應的各種行為邏輯的概率分布；以及

標簽確定單元，將所述行為邏輯向量表示提供給標簽分類模型，確定所述用戶的類別標簽。

12.如權利要求11所述的裝置，其中，所述向量表示單元對所述用戶的動態行為數據和靜態行為數據進行向量化處理，以得到所述用戶的動態行為向量表示和靜態行為向量表示；

所述標簽確定單元將所述行為邏輯向量表示和所述靜態行為向量表示提供給標簽分類模型，確定所述用戶的類別標簽。