[發明專利]用戶類別確定方法及裝置、推薦內容確定方法、電子設備

有效

• 申請號: 202011377521.0
• 申請日: 2020-11-30
• 公開（公告）號: CN112364937B
• 公開（公告）日: 2021-12-14
• 發明（設計）人: 鐘子宏
• 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;G06F16/9535;G06Q30/02;G06N3/04;G06N3/08
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 葉虹

1.一種用戶類別確定方法，其特征在于，包括：

基于歷史推薦內容的特征以及多個候選中心數，對所述歷史推薦內容進行聚類，得到各所述候選中心數對應的聚類模型；

根據各所述聚類模型的聚類效果評估數據，從所述多個候選中心數中確定出目標中心數；

根據用戶的用戶特征以及與所述用戶關聯的歷史推薦內容的特征得到所述用戶的整體特征；將所述用戶的整體特征根據維度劃分為稀疏特征和稠密特征；對所述用戶的稀疏特征進行降維得到對應的嵌入向量特征；拼接所述嵌入向量特征和所述稠密特征，得到所述用戶的聯合特征；其中，所述用戶為樣本用戶或預測用戶；

根據樣本用戶的聯合特征以及所述目標中心數訓練得到目標聚類模型；

利用所述目標聚類模型基于預測用戶的聯合特征，對所述預測用戶進行聚類，并將屬于同一聚類簇的所述預測用戶確定為同一類別。

2.根據權利要求1所述的用戶類別確定方法，其特征在于，基于歷史推薦內容的特征以及多個候選中心數，對所述歷史推薦內容進行聚類，包括：

遍歷候選中心數2至N，對于候選中心數i執行下述過程：

基于歷史推薦內容的特征以及該所述候選中心數i，對所述預測用戶進行聚類，得到候選中心數i對應的聚類模型；

其中，N為大于2的整數，i為整數且i∈[2,N]。

3.根據權利要求2所述的用戶類別確定方法，其特征在于，從所述多個候選中心數中確定出目標中心數，包括：

分別計算各候選中心數i對應的聚類模型中聚類簇間的類間方差S_i；

選擇對應的類間方差最大的候選中心數為所述目標中心數。

4.根據權利要求2所述的用戶類別確定方法，其特征在于，從所述多個候選中心數中確定出目標中心數，包括：

分別計算各候選中心數i對應的聚類模型中聚類簇間的類間方差S_i；

分別計算各候選中心數i對應的類間方差增量S_i-S_i-1；

在對應的類間方差增量小于預設值的候選中心數中，選擇數值最小的候選中心數為所述目標中心數。

5.根據權利要求1所述的用戶類別確定方法，其特征在于，根據樣本用戶的聯合特征以及所述目標中心數訓練得到目標聚類模型，包括：

將所述樣本用戶分為訓練樣本用戶以及測試樣本用戶；

基于訓練樣本用戶的聯合特征以及所述目標中心數，對所述訓練樣本用戶進行聚類，得到候選聚類模型；

利用所述候選聚類模型基于所述測試樣本用戶的聯合特征，對所述測試樣本用戶進行聚類；

如果對所述測試樣本用戶的聚類結果滿足訓練結束條件，則將所述候選聚類模型確定為所述目標聚類模型。

6.根據權利要求5所述的用戶類別確定方法，其特征在于，利用所述候選聚類模型基于所述測試樣本用戶的聯合特征，對所述測試樣本用戶進行聚類，包括：

獲取所述候選聚類模型中各聚類簇的聚類中心；

計算所述測試樣本用戶的聯合特征與各所述聚類中心的距離值；

將最小距離值對應的聚類中心所在的聚類簇作為所述測試樣本用戶所屬的聚類簇。

7.根據權利要求1所述的用戶類別確定方法，其特征在于，利用所述目標聚類模型基于預測用戶的聯合特征，對所述預測用戶進行聚類，包括：

獲取所述目標聚類模型中各聚類簇的聚類中心；

計算所述預測用戶的聯合特征與各所述聚類中心的距離值；

將最小距離值對應的聚類中心所在的聚類簇作為所述預測用戶所屬的聚類簇。

8.根據權利要求7所述的用戶類別確定方法，其特征在于，所述方法還包括：

將所述預測用戶劃分至對應的聚類簇之后，重新計算該所述聚類簇的聚類中心。