[發(fā)明專(zhuān)利]一種用戶(hù)分群處理方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110130812.8
• 申請(qǐng)日: 2021-01-29
• 公開(kāi)（公告）號(hào): CN112819527A
• 公開(kāi)（公告）日: 2021-05-18
• 發(fā)明（設(shè)計(jì)）人: 麥浩前
• 申請(qǐng)（專(zhuān)利權(quán)）人: 百果園技術(shù)（新加坡）有限公司
• 主分類(lèi)號(hào): G06Q30/02
• 分類(lèi)號(hào): G06Q30/02;G06Q10/06;G06N20/20
• 代理公司: 北京澤方譽(yù)航專(zhuān)利代理事務(wù)所(普通合伙) 11884
• 代理人: 陳照輝

1.一種用戶(hù)分群處理方法，其特征在于，包括：

基于預(yù)設(shè)的用戶(hù)分群規(guī)則，從數(shù)據(jù)庫(kù)中篩選出預(yù)設(shè)數(shù)量的基礎(chǔ)特征數(shù)據(jù)、高級(jí)特征數(shù)據(jù)和用戶(hù)畫(huà)像；

獲取篩選出的基礎(chǔ)特征數(shù)據(jù)、高級(jí)特征數(shù)據(jù)和用戶(hù)畫(huà)像對(duì)應(yīng)的類(lèi)型標(biāo)注的樣本數(shù)據(jù)；

將所述樣本數(shù)據(jù)輸入預(yù)設(shè)的用戶(hù)分群模型得到分群結(jié)果；

若所述樣本數(shù)據(jù)的分群結(jié)果在預(yù)設(shè)的邊界閾值范圍內(nèi)，則獲取所述樣本數(shù)據(jù)對(duì)應(yīng)的重新標(biāo)注數(shù)據(jù)，將所述重新標(biāo)注數(shù)據(jù)輸入至所述用戶(hù)分群模型以對(duì)其進(jìn)行訓(xùn)練。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述用戶(hù)分群模型由梯度提升決策樹(shù)模型和邏輯回歸模型組成，所述梯度提升決策樹(shù)模型用于提取所述樣本數(shù)據(jù)的特征并作為所述邏輯回歸模型的輸入數(shù)據(jù)，所述邏輯回歸模型用于接收所述樣本數(shù)據(jù)的特征并輸出所述樣本數(shù)據(jù)的分群結(jié)果。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述用戶(hù)分群規(guī)則包括基礎(chǔ)特征數(shù)據(jù)、高級(jí)特征數(shù)據(jù)和用戶(hù)畫(huà)像的用戶(hù)分群子規(guī)則，每個(gè)所述用戶(hù)分群子規(guī)則包括流失型用戶(hù)、成長(zhǎng)型用戶(hù)、穩(wěn)定型用戶(hù)、成熟型用戶(hù)和忠誠(chéng)型用戶(hù)的分群子規(guī)則，每種類(lèi)型對(duì)應(yīng)一類(lèi)型閾值范圍；

對(duì)應(yīng)的，所述基于預(yù)設(shè)的用戶(hù)分群規(guī)則，從數(shù)據(jù)庫(kù)中篩選出預(yù)設(shè)數(shù)量的基礎(chǔ)特征數(shù)據(jù)、高級(jí)特征數(shù)據(jù)和用戶(hù)畫(huà)像還包括：

基于所述類(lèi)型閾值范圍，從數(shù)據(jù)庫(kù)中查詢(xún)并篩選出位于所述類(lèi)型閾值范圍內(nèi)的數(shù)據(jù)。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述流失型用戶(hù)、成長(zhǎng)型用戶(hù)、穩(wěn)定型用戶(hù)、成熟型用戶(hù)和忠誠(chéng)型用戶(hù)的類(lèi)型分別對(duì)應(yīng)一分群閾值范圍，相連的分群閾值范圍之間設(shè)置有一邊界閾值范圍。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述基于預(yù)設(shè)的用戶(hù)分群規(guī)則，從數(shù)據(jù)庫(kù)中篩選出預(yù)設(shè)數(shù)量的基礎(chǔ)特征數(shù)據(jù)、高級(jí)特征數(shù)據(jù)和用戶(hù)畫(huà)像之前，還包括：

獲取客戶(hù)端發(fā)送的用戶(hù)行為數(shù)據(jù)，清理所述用戶(hù)行為數(shù)據(jù)中的異常值和空值，得到所述基礎(chǔ)特征數(shù)據(jù)，所述基礎(chǔ)特征數(shù)據(jù)包括注冊(cè)數(shù)據(jù)、播放數(shù)據(jù)、設(shè)備數(shù)據(jù)、反饋數(shù)據(jù)、評(píng)論數(shù)據(jù)和位置數(shù)據(jù)中的至少一種。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，在所述得到所述基礎(chǔ)特征數(shù)據(jù)之后，還包括：

基于所述基礎(chǔ)特征數(shù)據(jù)，提取對(duì)應(yīng)的高級(jí)特征數(shù)據(jù)；

基于所述高級(jí)特征數(shù)據(jù)構(gòu)造對(duì)應(yīng)的用戶(hù)畫(huà)像；

將所述基礎(chǔ)特征數(shù)據(jù)、所述高級(jí)特征數(shù)據(jù)和所述用戶(hù)畫(huà)像存儲(chǔ)至數(shù)據(jù)庫(kù)中。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，若所述基礎(chǔ)特征數(shù)據(jù)為文本數(shù)據(jù)，則對(duì)所述文本數(shù)據(jù)進(jìn)行主題內(nèi)容提取，將提取到的主題內(nèi)容數(shù)據(jù)作為對(duì)應(yīng)的高級(jí)特征數(shù)據(jù)。

8.根據(jù)權(quán)利要求1-7所述的方法，其特征在于，在所述用戶(hù)分群模型的訓(xùn)練結(jié)束之后，還包括：

獲取用戶(hù)行為數(shù)據(jù)，基于該用戶(hù)行為數(shù)據(jù)對(duì)應(yīng)生成用戶(hù)的基礎(chǔ)特征數(shù)據(jù)、高級(jí)特征數(shù)據(jù)和用戶(hù)畫(huà)像；

調(diào)用用戶(hù)分群模型，通過(guò)所述用戶(hù)分群模型分別確定所述用戶(hù)的基礎(chǔ)特征數(shù)據(jù)、高級(jí)特征數(shù)據(jù)和用戶(hù)畫(huà)像的分群結(jié)果；

根據(jù)所述基礎(chǔ)特征數(shù)據(jù)、高級(jí)特征數(shù)據(jù)和用戶(hù)畫(huà)像的分群結(jié)果確定所述用戶(hù)的類(lèi)型。

9.一種用戶(hù)分群處理裝置，其特征在于，包括：

待標(biāo)注數(shù)據(jù)獲取模塊，被配置為基于預(yù)設(shè)的用戶(hù)分群規(guī)則，從數(shù)據(jù)庫(kù)中篩選出預(yù)設(shè)數(shù)量的基礎(chǔ)特征數(shù)據(jù)、高級(jí)特征數(shù)據(jù)和用戶(hù)畫(huà)像；

樣本數(shù)據(jù)獲取模塊，被配置為獲取篩選出的基礎(chǔ)特征數(shù)據(jù)、高級(jí)特征數(shù)據(jù)和用戶(hù)畫(huà)像對(duì)應(yīng)的類(lèi)型標(biāo)注的樣本數(shù)據(jù)；

模型訓(xùn)練模塊，被配置為將所述樣本數(shù)據(jù)輸入預(yù)設(shè)的用戶(hù)分群模型得到分群結(jié)果；

邊界數(shù)據(jù)回收模塊，被配置為若所述樣本數(shù)據(jù)的分群結(jié)果在預(yù)設(shè)的邊界閾值范圍內(nèi)，則獲取所述樣本數(shù)據(jù)對(duì)應(yīng)的重新標(biāo)注數(shù)據(jù)，將所述重新標(biāo)注數(shù)據(jù)輸入至所述用戶(hù)分群模型以對(duì)其進(jìn)行訓(xùn)練。