[發(fā)明專利]用戶類別確定方法及裝置、推薦內(nèi)容確定方法、電子設(shè)備

有效

• 申請?zhí)枺?/td>: 202011377521.0
• 申請日: 2020-11-30
• 公開（公告）號: CN112364937B
• 公開（公告）日: 2021-12-14
• 發(fā)明（設(shè)計）人: 鐘子宏
• 申請（專利權(quán)）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(lián)鼎知識產(chǎn)權(quán)代理有限公司 44232
• 代理人: 葉虹

本公開提供一種用戶類別確定方法及裝置、推薦內(nèi)容確定方法、電子設(shè)備；涉及人工智能領(lǐng)域。用戶類別確定方法包括：基于歷史推薦內(nèi)容的特征以及多個候選中心數(shù)，對所述歷史推薦內(nèi)容進(jìn)行聚類，得到各所述候選中心數(shù)對應(yīng)的聚類模型；根據(jù)各所述聚類模型的聚類效果評估數(shù)據(jù)，從所述多個候選中心數(shù)中確定出目標(biāo)中心數(shù)；根據(jù)樣本用戶的聯(lián)合特征以及所述目標(biāo)中心數(shù)訓(xùn)練得到目標(biāo)聚類模型；利用所述目標(biāo)聚類模型基于預(yù)測用戶的聯(lián)合特征，對所述預(yù)測用戶進(jìn)行聚類，并將屬于同一聚類簇的所述預(yù)測用戶確定為同一類別；其中，用戶的聯(lián)合特征是根據(jù)所述用戶的用戶特征以及與所述用戶關(guān)聯(lián)的歷史推薦內(nèi)容的特征而確定。本公開能夠提高用戶分類的準(zhǔn)確性。

技術(shù)領(lǐng)域

本公開涉及人工智能技術(shù)領(lǐng)域，具體而言，涉及基于人工智能的一種用戶類別確定方法、用戶類別確定方法裝置、推薦內(nèi)容確定方法、電子設(shè)備以及計算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

在很多場景中，需要通過人工智能技術(shù)對用戶進(jìn)行分類，例如可以通過有監(jiān)督機(jī)器學(xué)習(xí)方法或者無監(jiān)督機(jī)器學(xué)習(xí)方法進(jìn)行用戶類別確定。舉例而言，聚類算法屬于一種常用的無監(jiān)督機(jī)器學(xué)習(xí)方法，能夠把相似的用戶劃分到相同的聚類簇，不相似的用戶劃分到不同的聚類簇。

然而，對于如K均值聚類法等需要預(yù)先指定中心數(shù)的聚類算法，其中的中心數(shù)通常是人為設(shè)定的固定值，不一定是最優(yōu)的聚類簇數(shù)量，進(jìn)而導(dǎo)致最終的聚類結(jié)果不夠準(zhǔn)確。此外，在部分技術(shù)中，僅基于用戶的用戶特征進(jìn)行聚類，同樣可能導(dǎo)致最終的聚類結(jié)果不夠準(zhǔn)確。

需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強(qiáng)對本公開的背景的理解，因此可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

本公開實施例的目的在于提供一種用戶類別確定方法、用戶類別確定方法裝置、推薦內(nèi)容確定方法、推薦內(nèi)容確定裝置、電子設(shè)備以及計算機(jī)可讀存儲介質(zhì)，進(jìn)而能夠更加準(zhǔn)確的確定用戶類別。

根據(jù)本公開的一個方面，提供一種用戶類別確定方法，包括：

基于歷史推薦內(nèi)容的特征以及多個候選中心數(shù)，對所述歷史推薦內(nèi)容進(jìn)行聚類，得到各所述候選中心數(shù)對應(yīng)的聚類模型；根據(jù)各所述聚類模型的聚類效果評估數(shù)據(jù)，從所述多個候選中心數(shù)中確定出目標(biāo)中心數(shù)；根據(jù)樣本用戶的聯(lián)合特征以及所述目標(biāo)中心數(shù)訓(xùn)練得到目標(biāo)聚類模型；利用所述目標(biāo)聚類模型基于預(yù)測用戶的聯(lián)合特征，對所述預(yù)測用戶進(jìn)行聚類，并將屬于同一聚類簇的所述預(yù)測用戶確定為同一類別；其中，用戶的聯(lián)合特征是根據(jù)所述用戶的用戶特征以及與所述用戶關(guān)聯(lián)的歷史推薦內(nèi)容的特征而確定。

在本公開的一種示例性實施例中，基于歷史推薦內(nèi)容的特征以及多個候選中心數(shù)，對所述歷史推薦內(nèi)容進(jìn)行聚類，包括：

遍歷候選中心數(shù)2至N，對于候選中心數(shù)i執(zhí)行下述過程：

基于歷史推薦內(nèi)容的特征以及該所述候選中心數(shù)i，對所述預(yù)測用戶進(jìn)行聚類，得到候選中心數(shù)i對應(yīng)的聚類模型；其中，N為大于2的整數(shù)，i為整數(shù)且i∈[2,N]。

在本公開的一種示例性實施例中，從所述多個候選中心數(shù)中確定出目標(biāo)中心數(shù)，包括：

分別計算各候選中心數(shù)i對應(yīng)的聚類模型中聚類簇間的類間方差S_i；選擇對應(yīng)的類間方差最大的候選中心數(shù)為所述目標(biāo)中心數(shù)。

在本公開的一種示例性實施例中，從所述多個候選中心數(shù)中確定出目標(biāo)中心數(shù)，包括：

分別計算各候選中心數(shù)i對應(yīng)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(shù)i對應(yīng)的類間方差增量S_i-S_i-1；在對應(yīng)的類間方差增量小于預(yù)設(shè)值的候選中心數(shù)中，選擇數(shù)值最小的候選中心數(shù)為所述目標(biāo)中心數(shù)。

在本公開的一種示例性實施例中，根據(jù)樣本用戶的聯(lián)合特征以及所述目標(biāo)中心數(shù)訓(xùn)練得到目標(biāo)聚類模型，包括：