[發明專利]用戶信息獲取方法、裝置、電子設備及存儲介質

有效

• 申請號: 202010172307.5
• 申請日: 2020-03-12
• 公開（公告）號: CN111401433B
• 公開（公告）日: 2023-10-17
• 發明（設計）人: 林岳;劉洪;張潔
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F18/2415
• 分類號: G06F18/2415;G06F18/25;G06N3/0442;G06N3/047;G06N3/08;G06F17/18
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 祝亞男

本申請公開了一種用戶信息獲取方法、裝置、電子設備及存儲介質，屬于網絡技術領域。本申請通過獲取用戶的個人特征、用戶活躍度的時間序列以及該時間序列的統計特征，將該個人特征、該時間序列以及該統計特征輸入信息獲取模型，通過該信息獲取模型預測該用戶屬于不同活躍標簽的預測概率，將預測概率符合目標條件的活躍標簽確定為該用戶的活躍信息，不僅能夠在預測過程中綜合用戶的個人特征、用戶活躍度隨著時間推移的變化規律以及上述變換規律的統計特征，而且信息獲取模型能夠精準地分類出用戶的活躍標簽，無需在聚類后進行人工標注，使得用戶的活躍信息的獲取方式具有更高的準確性，從而滿足業務發展的需求。

技術領域

本申請涉及網絡技術領域，特別涉及一種用戶信息獲取方法、裝置、電子設備及存儲介質。

背景技術

隨著網絡技術的發展，用戶信息對于互聯網產品及業務的增長起著基石作用，隨著產品的更新迭代以及用戶對產品的使用時長的增長，用戶針對產品的用戶類型、活躍度以及參與度都會隨之發生變化，與之相關的用戶信息衡量指標包括用戶活躍周期，是指用戶從開始接觸產品到離開產品的整個過程，是用戶信息中至關重要的一項信息，用戶活躍周期可以劃分為成長、活躍、衰退、流失以及回流這五個階段。

目前，在針對用戶活躍周期進行分析時，通常會統計用戶在最近一段時間內在產品上的活躍度數據，通過對活躍度數據聚類的方式對用戶進行分類，并為聚類后的用戶添加用戶生命周期的標注，在上述過程中，由于聚類方式是無法事先定義分類結果的，只能在聚類完成之后針對聚類后的用戶添加標注，導致容易存在錯分、漏分的情況，也即是說，獲取用戶信息的過程準確性不高，無法滿足業務發展的需求。

發明內容

本申請實施例提供了一種用戶信息獲取方法、裝置、電子設備及存儲介質，能夠提供獲取用戶信息過程的準確性，滿足業務發展的需求。該技術方案如下：

一方面，提供了一種用戶信息獲取方法，該方法包括：

獲取用戶的個人特征、用戶活躍度的時間序列以及所述時間序列的統計特征，所述時間序列用于表示用戶活躍度在統計周期內的變化規律，所述統計特征用于表示所述時間序列在統計學上的數據特征；

將所述個人特征、所述時間序列以及所述統計特征輸入信息獲取模型，通過所述信息獲取模型預測所述用戶屬于不同活躍標簽的預測概率，所述活躍標簽用于表示所述用戶在用戶活躍周期中所處的階段；

將預測概率符合目標條件的活躍標簽確定為所述用戶的活躍信息。

一方面，提供了一種用戶信息獲取裝置，該裝置包括：

獲取模塊，用于獲取用戶的個人特征、用戶活躍度的時間序列以及所述時間序列的統計特征，所述時間序列用于表示用戶活躍度在統計周期內的變化規律，所述統計特征用于表示所述時間序列在統計學上的數據特征；

預測模塊，用于將所述個人特征、所述時間序列以及所述統計特征輸入信息獲取模型，通過所述信息獲取模型預測所述用戶屬于不同活躍標簽的預測概率，所述活躍標簽用于表示所述用戶在用戶活躍周期中所處的階段；

確定模塊，用于將預測概率符合目標條件的活躍標簽確定為所述用戶的活躍信息。

在一種可能實施方式中，所述裝置還包括：

訓練模塊，用于獲取樣本用戶的樣本個人特征、樣本時間序列、所述樣本時間序列的樣本統計特征以及所述樣本用戶的參考標簽；基于所述樣本個人特征、所述樣本時間序列、所述樣本統計特征以及所述參考標簽，對初始獲取模型進行訓練，得到所述信息獲取模型。

一方面，提供了一種電子設備，該電子設備包括一個或多個處理器和一個或多個存儲器，該一個或多個存儲器中存儲有至少一條程序代碼，該至少一條程序代碼由該一個或多個處理器加載并執行以實現如上述任一種可能實現方式的用戶信息獲取方法所執行的操作。