[發明專利]一種標簽的生成方法及系統

在審

• 申請號: 202010125081.3
• 申請日: 2020-02-27
• 公開（公告）號: CN111325280A
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 吳雨
• 申請（專利權）人: 蘇寧云計算有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/215;G06F16/23
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 許峰

1.一種標簽的生成方法，其特征在于，包括：

獲取用戶的基本信息和行為特征數據，并對所述用戶的基本信息和行為特征數據進行清洗；

根據所述清洗后的用戶的基本信息和行為特征數據，選擇邏輯回歸分類模型的特征；

根據所述邏輯回歸分類模型的特征，對邏輯回歸分類模型進行訓練；

使用訓練后的邏輯回歸分類模型進行預測，生成標簽。

2.根據權利要求1所述的方法，其特征在于，所述獲取用戶的基本信息和行為特征數據，并對所述用戶的基本信息和行為特征數據進行清洗，具體包括：

獲取用戶行為和日志信息，過濾處理成用戶的基本信息和行為特征數據；

將所述用戶的基本信息和行為特征數據進行清洗，去除空值、重復值和異常值；

將所述用戶的基本信息和行為特征數據進行預處理。

3.根據權利要求2所述的方法，其特征在于，所述根據所述清洗后的用戶的基本信息和行為特征數據，選擇邏輯回歸分類模型的特征，具體包括：

通過預設特征的方式，選擇邏輯回歸分類模型使用的特征。

4.根據權利要求2所述的方法，其特征在于，所述根據所述清洗后的用戶的基本信息和行為特征數據，選擇邏輯回歸分類模型的特征，具體包括：

根據所述用戶的基本信息和行為特征數據，通過使用GBDT算法，計算得到每個特征的特征重要度；

根據所述特征重要度，選擇特征重要度高的特征作為邏輯回歸分類模型使用的特征。

5.根據權利要求2所述的方法，其特征在于，所述根據所述邏輯回歸分類模型的特征，對邏輯回歸分類模型進行訓練，具體包括：

預設所述邏輯回歸分類模型的超參數至少一個；

根據所述選擇的特征和邏輯回歸分類模型，將所述特征作為邏輯回歸分類模型的參數，結合預處理后的用戶基本信息，將所述預設的超參數一一代入訓練，得到訓練后的邏輯回歸分類模型；

比較不同超參數訓練后的邏輯回歸分類模型，選擇最優的模型和超參數，得到最優邏輯回歸分類模型。

6.一種標簽的生成系統，其特征在于，包括：

清洗模塊，用于獲取用戶的基本信息和行為特征數據，并對所述用戶的基本信息和行為特征數據進行清洗；

選擇模塊，用于根據所述清洗后的用戶的基本信息和行為特征數據，選擇邏輯回歸分類模型的特征；

訓練模塊，用于根據所述邏輯回歸分類模型的特征，對邏輯回歸分類模型進行訓練；

生成模塊，用于使用訓練后的邏輯回歸分類模型進行預測，生成標簽。

7.根據權利要求6所述的系統，其特征在于，所述清洗模塊，具體包括：

過濾單元，用于獲取用戶行為和日志信息，過濾處理成用戶的基本信息和行為特征數據；

清洗單元，用于將所述用戶的基本信息和行為特征數據進行清洗，去除空值、重復值和異常值；

預處理單元，用于將所述用戶的基本信息和行為特征數據進行預處理。

8.根據權利要求7所述的系統，其特征在于，所述選擇模塊，進一步包括：

預設單元，用于通過預設特征的方式，選擇邏輯回歸分類模型使用的特征。

9.根據權利要求7所述的系統，其特征在于，所述選擇模塊，進一步包括：

計算單元，用于根據所述用戶的基本信息和行為特征數據，通過使用GBDT算法，計算得到每個特征的特征重要度；

選擇單元，用于根據所述特征重要度，選擇特征重要度高的特征作為邏輯回歸分類模型使用的特征。

10.根據權利要求7所述的系統，其特征在于，所述訓練模塊，具體包括：

設置單元，用于預設所述邏輯回歸分類模型的超參數至少一個；

訓練單元，用于根據所述選擇的特征和邏輯回歸分類模型，將所述特征作為邏輯回歸分類模型的參數，結合預處理后的用戶基本信息，將所述預設的超參數一一代入訓練，得到訓練后的邏輯回歸分類模型；

調優單元，用于比較不同超參數訓練后的邏輯回歸分類模型，選擇最優的模型和超參數，得到最優邏輯回歸分類模型。