[發(fā)明專利]針對聚類模型的數(shù)據(jù)預(yù)處理方法及裝置

有效

• 申請?zhí)枺?/td>: 202011409579.9
• 申請日: 2020-12-06
• 公開（公告）號: CN112541530B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設(shè)計）人: 熊濤;趙文龍;吳若凡;漆遠(yuǎn)
• 申請（專利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司
• 主分類號: G06F18/10
• 分類號: G06F18/10;G06F18/23213;G06N3/0464;G06N3/0455;G06N3/084;G06N3/088
• 代理公司: 北京億騰知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 陳霽;周良玉

1.一種針對聚類模型的數(shù)據(jù)預(yù)處理方法，所述聚類模型用于利用屬性圖進(jìn)行業(yè)務(wù)實體聚類，所述業(yè)務(wù)實體為用戶，其中，所述屬性圖包括與多個業(yè)務(wù)實體一一對應(yīng)的多個節(jié)點，各個節(jié)點具有基于相應(yīng)業(yè)務(wù)實體的屬性確定的特征向量，通過社交行為關(guān)聯(lián)的用戶對應(yīng)的節(jié)點之間具有連接邊，所述聚類模型包括編碼模塊、映射模塊以及判別模塊，所述多個節(jié)點包括第一節(jié)點；所述方法包括：

利用所述編碼模塊處理所述屬性圖，得到各個用戶分別對應(yīng)的各個表征向量，所述第一節(jié)點對應(yīng)的用戶通過第一表征向量進(jìn)行描述；

通過所述映射模塊，利用所述第一表征向量確定所述第一節(jié)點對應(yīng)的用戶向若干用戶群體進(jìn)行分類的第一映射向量，其中，所述第一映射向量基于分別表征各個用戶群體的各個原型向量按照與所述第一表征向量的關(guān)聯(lián)關(guān)系進(jìn)行組合而成；

基于所述判別模塊對所述第一表征向量與所述第一映射向量的相似程度的檢測，確定所述聚類模型針對所述第一節(jié)點對應(yīng)的用戶分類到相應(yīng)用戶群體的聚類損失，其中，所述第一表征向量與所述第一映射向量之間的相似程度經(jīng)由表征向量和映射向量的經(jīng)驗分布代替總體分布，從而基于判別函數(shù)構(gòu)造經(jīng)驗互信息確定，所述聚類損失與所述第一表征向量同所述第一映射向量之間的相似程度負(fù)相關(guān)；

以最小化所述聚類損失為目標(biāo)，調(diào)整所述編碼模塊的模型參數(shù)、各個原型向量及所述判別模塊中判別函數(shù)中的中間向量，從而基于對用戶和用戶群體的表征進(jìn)行的調(diào)整訓(xùn)練所述聚類模型，以將訓(xùn)練好的聚類模型用于進(jìn)行用戶分群業(yè)務(wù)處理。

2.根據(jù)權(quán)利要求1所述的方法，所述編碼模塊為圖神經(jīng)網(wǎng)絡(luò)，所述第一表征向量基于所述第一節(jié)點的特征向量與其鄰居節(jié)點的特征向量的融合結(jié)果確定。

3.根據(jù)權(quán)利要求1所述的方法，其中，所述第一映射向量通過以下方式確定：

基于所述第一表征向量與各個原型向量，確定各個原型向量分別對應(yīng)的各個重要度系數(shù)；

按照各個重要度系數(shù)確定的組合參數(shù)對各個原型向量以加權(quán)求和的方式組合，得到所述第一映射向量。

4.根據(jù)權(quán)利要求3所述的方法，其中，各個重要度系數(shù)基于注意力機(jī)制確定，各個原型向量包括第一原型向量，所述第一原型向量對應(yīng)的第一重要度系數(shù)，與第一原型向量和第一表征向量的相似度正相關(guān)，與各個原型向量和第一表征向量的相似度之和負(fù)相關(guān)。

5.根據(jù)權(quán)利要求1所述的方法，其中，所述判別模塊對所述第一表征向量與所述第一映射向量的相似程度的檢測包括：

基于所述第一表征向量、所述判別函數(shù)的中間向量、所述第一映射向量的乘積，確定所述第一表征向量與所述第一映射向量的相似度。

6.根據(jù)權(quán)利要求1所述的方法，其中，所述聚類損失還與所述第一表征向量同其他節(jié)點對應(yīng)的其他映射向量之間的相似程度正相關(guān)。

7.根據(jù)權(quán)利要求1所述的方法，其中，所述判別模塊對所述第一表征向量與所述第一映射向量的相似程度的檢測包括：

利用所述第一表征向量與所述第一映射向量的加權(quán)向量，更新所述第一表征向量；

基于所述判別模塊，檢測更新后的第一表征向量與所述第一映射向量的相似程度。