[發明專利]用戶標簽的確定方法、裝置和服務器

在審

• 申請號: 202110141802.4
• 申請日: 2021-02-02
• 公開（公告）號: CN112836743A
• 公開（公告）日: 2021-05-25
• 發明（設計）人: 郭宏;陳珊珊;陳李龍
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;G06Q40/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 任默聞;孫乳筍

本說明書提供了用戶標簽的確定方法、裝置和服務器。基于該方法，在確定目標用戶的用戶標簽時，先通過獲取與該目標用戶對應的目標交易數據，以及與目標交易數據關聯的目標行情數據；再根據目標行情數據，從預先通過層次聚類得到的多個預設的行情類別中確定出匹配的目標行情類別；進而可以從預先通過利用基于馬氏距離的改進模型進行對抗訓練得到的多個預設的交易行為特征預測模型中確定出匹配的目標交易行為特征預測模型；再通過調用目標交易行為特征預測模型處理目標交易數據，并根據確定出的交易行為特征，確定該目標用戶的用戶標簽。從而可以準確地獲取并利用交易行為特征，來較為精準地確定出交易數據處理場景下的目標用戶的用戶標簽。

技術領域

本說明書屬于人工智能技術領域，尤其涉及用戶標簽的確定方法、裝置和服務器。

背景技術

在許多交易數據處理場景(例如，股票交易場景或者貴金屬交易場景等)中，常常需要利用預先訓練得到的預測模型預測出用戶標簽，再根據用戶標簽進行后續具體的數據處理。

而基于現有模型訓練方法在訓練上述預測模型時，往往需要先對所獲取的數據量龐大的樣本數據進行人工標注，然后才能夠利用標注后的樣本數據進行具體模型訓練。這樣勢必會使得預測模型的訓練過程成本較高、效率較低。并且，基于上述方式訓練預測模型時，往往是根據人為設定的規則對樣本數據進行標注的，這樣勢必會使得標注過程受到到人的主觀影響，導致標注過程本身就存在不夠全面、客觀，容易出現遺漏等問題，進而使得基于上述標注后的樣本數據訓練得到的預測模型的準確度較低，且不能夠很好地適用于真實的交易數據處理場景。進一步，如果利用上述預測模型來確定用戶標簽，勢必會出現交易數據處理場景下確定用戶標簽誤差大、不精準等技術問題。

針對上述問題，目前尚未提出有效的解決方案。

發明內容

本說明書提供了一種用戶標簽的確定方法、裝置和服務器，以能夠較為精細、準確地確定出交易數據處理場景下的目標用戶的用戶標簽。

本說明書提供了一種用戶標簽的確定方法，包括：

獲取目標交易數據，以及與所述目標交易數據關聯的目標行情數據；其中，所述目標交易數據與目標用戶對應；

根據所述目標行情數據，從多個預設的行情類別中確定出匹配的目標行情類別；其中，所述多個預設的行情類別為預先通過對樣本數據進行層次聚類得到的；

從多個預設的交易行為特征預測模型中確定出與所述目標行情類別匹配的目標交易行為特征預測模型；其中，所述多個預設的交易行為特征預測模型為預先利用基于馬氏距離的改進模型對所對應的行情類別的樣本數據進行對抗訓練得到的；

調用所述目標交易行為特征預測模型處理所述目標交易數據，以確定出所述目標交易數據的交易行為特征；

根據所述目標交易數據的交易行為特征，確定出目標用戶的用戶標簽。

在一個實施例中，在確定出目標用戶的用戶標簽之后，所述方法還包括：

根據目標用戶的用戶標簽，生成與目標用戶匹配的風險提示信息；

向所述目標用發送所述風險提示信息。

在一個實施例中，所述方法還包括：

獲取歷史交易數據作為第二類樣本數據；并獲取與所述歷史交易數據關聯的歷史行情數據作為第一類樣本數據；其中，所述第一類樣本數據中至少存在一個樣本數據攜帶有行情類別標簽；所述第二類樣本數據中至少存在一個樣本數據攜帶有交易行為特征標簽；

根據所述歷史交易數據與歷史行情數據之間的關聯關系，建立第一類樣本數據和第二類樣本數據的對應關系；其中，所述第一類樣本數據對應一個或多個第二類樣本數據；

對第一類樣本數據進行層次聚類，得到多個類別組；其中，所述類別組與一種行情類別對應，所述類別組包括一個或多個第一類樣本數據；