[發(fā)明專利]用戶分群方法、裝置、電子設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202011021840.8
• 申請日: 2020-09-25
• 公開（公告）號: CN112115322A
• 公開（公告）日: 2020-12-22
• 發(fā)明（設(shè)計）人: 徐卓揚;趙惟;孫行智;胡崗;左磊;趙婷婷
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/9035
• 分類號: G06F16/9035;G06N3/04;G06N3/08;G06Q10/04
• 代理公司: 深圳市沃德知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44347
• 代理人: 高杰;于志光

本發(fā)明涉及人工智能技術(shù)，揭露了一種用戶分群方法，包括：從數(shù)據(jù)庫中獲取用戶的回訪數(shù)據(jù)，并將所述回訪數(shù)據(jù)進行整理，得到樣本數(shù)據(jù)；對預(yù)構(gòu)建的分群預(yù)測模型進行訓(xùn)練，得到所述樣本數(shù)據(jù)的輸出結(jié)果；基于所述輸出結(jié)果對預(yù)構(gòu)建的用戶分群模型的損失函數(shù)進行調(diào)整，得到優(yōu)化損失函數(shù)；根據(jù)所述優(yōu)化損失函數(shù)，對所述用戶分群模型進行訓(xùn)練，得到優(yōu)化用戶分群模型；利用所述優(yōu)化用戶分群模型對待分群用戶數(shù)據(jù)進行分群，得到分群結(jié)果，并將所述分群結(jié)果通過顯示屏幕輸出。本發(fā)明還涉及區(qū)塊鏈技術(shù)，回訪數(shù)據(jù)可存儲于區(qū)塊鏈中。本發(fā)明還揭露一種用戶分群裝置、電子設(shè)備及計算機可讀存儲介質(zhì)。本發(fā)明可以提高用戶分群的效率和可擴展性。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能技術(shù)領(lǐng)域，尤其涉及一種用戶分群方法、裝置、電子設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)

不同的用戶具有不同的年齡、性別等差異，因此，對不同用戶的服務(wù)方式或者策略也不盡相同。例如，不同的患者即使患的病相同，但是治療方法也會不一樣。因此，需要把患者分成若干的子群，為每個子群制定不一樣的治療方法，達到最佳的治療效果。

目前的用戶分群方法，要么是基于知識的用戶分群方法，要么是基于知識和數(shù)據(jù)的用戶分群方法，這兩種分群方法都需要對專業(yè)的指南知識，如專業(yè)醫(yī)學(xué)知識，進行梳理，這種梳理行為需要耗費大量的人力時間，成本過高，效率較低；且這兩種分群方法以指南知識為基礎(chǔ)，而不是純數(shù)據(jù)驅(qū)動模型，缺乏可擴展性。

發(fā)明內(nèi)容

本發(fā)明提供一種用戶分群方法、裝置、電子設(shè)備及計算機可讀存儲介質(zhì)，其主要目的在于提供一種可擴展、更高效的純數(shù)據(jù)驅(qū)動的用戶分群方法。

為實現(xiàn)上述目的，本發(fā)明提供的一種用戶分群方法，所述方法應(yīng)用于電子設(shè)備中，并包括：

從與所述電子設(shè)備通訊連接的數(shù)據(jù)庫中獲取用戶的回訪數(shù)據(jù)，并將所述回訪數(shù)據(jù)進行整理，得到樣本數(shù)據(jù)；

利用所述樣本數(shù)據(jù)對預(yù)構(gòu)建的分群預(yù)測模型進行訓(xùn)練，并利用訓(xùn)練完成的所述分群預(yù)測模型得到所述樣本數(shù)據(jù)的輸出結(jié)果；

基于所述輸出結(jié)果對預(yù)構(gòu)建的用戶分群模型的損失函數(shù)進行調(diào)整，得到優(yōu)化損失函數(shù)；

根據(jù)所述優(yōu)化損失函數(shù)，利用所述樣本數(shù)據(jù)對所述用戶分群模型進行訓(xùn)練，得到優(yōu)化用戶分群模型；

利用所述優(yōu)化用戶分群模型對待分群用戶數(shù)據(jù)進行分群，得到分群結(jié)果，并將所述分群結(jié)果通過所述電子設(shè)備的顯示屏幕輸出。

可選地，所述將所述回訪數(shù)據(jù)進行整理，得到樣本數(shù)據(jù)，包括：

將所述回訪數(shù)據(jù)按照時間順序進行排序，得到初始樣本數(shù)據(jù)；

將所述初始樣本數(shù)據(jù)中的指標(biāo)數(shù)據(jù)轉(zhuǎn)化為多維特征向量，得到樣本數(shù)據(jù)。

可選地，所述利用所述樣本數(shù)據(jù)對預(yù)構(gòu)建的分群預(yù)測模型進行訓(xùn)練，包括：

利用所述分群預(yù)測模型對所述樣本數(shù)據(jù)執(zhí)行分群操作，得到多個分群方案的預(yù)測概率值；

計算所述預(yù)測概率值與標(biāo)準(zhǔn)分群結(jié)果的交叉熵損失函數(shù)，得到損失值；

根據(jù)損失函數(shù)對所述分群預(yù)測模型的參數(shù)進行修改，并利用修改后的分群預(yù)測模型重新對所述樣本數(shù)據(jù)執(zhí)行分群操作，直到預(yù)設(shè)的停止條件達到。

可選地，所述基于所述輸出結(jié)果對預(yù)構(gòu)建的用戶分群模型的損失函數(shù)進行調(diào)整，包括：

修改所述損失函數(shù)中分群方案的選擇方法；

在所述損失函數(shù)中增加預(yù)設(shè)懲罰項。

可選地，所述修改所述損失函數(shù)中分群方案的選擇方法，包括：

將所述選擇方法修改為如下函數(shù)：