用户标注和分类方法、装置、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116028882A(43)申请公布日2023.04.28(21)申请号202310320115.8(22)申请日2023.03.29(71)申请人深圳市傲天科技股份有限公司地址518054广东省深圳市南山区粤海街道高新区科技中二路软件园3栋6楼601(72)发明人邓理平(74)专利代理机构深圳市恒程创新知识产权代理有限公司44542专利代理师张小容(51)Int.Cl.G06F18/2415(2023.01)G06N3/0442(2023.01)G06N3/09(2023.01)G06Q30/0202(2023.01)权利要求书2页说明书11页附图3页(54)发明名称用户标注和分类方法、装置、设备及存储介质(57)摘要本发明公开了一种用户标注和分类方法、装置、设备及存储介质，本发明通过对用户的历史行为指标依次进行聚合运算、差分运算、符号运算以及求和运算并获得用户分类标签；然后利用用户历史行为指标和用户分类标签构建和训练时间序列模型，再将获取的预设时间段内目标用户的用户历史行为指标输入至预设时间序列模型中，获得对应的预测分类标签和预测分类概率，最后根据预测分类标签和预测分类概率对目标用户进行标签分类。由于本发明通过构建预设时间序列模型对用户历史行为指标进行预测，获得对应的预测分类标签和预测分类概率，从而可以对目标用户进行准确分类，进而运营人员可以采取精准营销策略，提高用户的活跃度，最大化挖掘用户的潜在价值。CN116028882ACN116028882A权利要求书1/2页1.一种用户标注和分类方法，其特征在于，所述用户标注和分类方法包括：对用户的历史行为指标进行预处理，并根据预处理结果获得用户分类标签，其中，预处理过程包括对所述历史行为指标依次进行聚合运算、差分运算、符号运算以及求和运算；获取目标用户在预设时间段内的用户历史行为指标；将所述用户历史行为指标输入至预设时间序列模型中，获得所述目标用户对应的预测分类标签和预测分类概率，所述预设时间序列模型基于所述历史行为指标和所述用户分类标签进行构建和训练获得，所述预设时间序列模型用于根据所述用户历史行为指标对所述目标用户进行预测分类并输出预测结果；根据所述预测分类标签和所述预测分类概率对所述目标用户进行标签分类。2.如权利要求1所述的用户标注和分类方法，其特征在于，所述获取目标用户在预设时间段内的用户历史行为指标的步骤之前，还包括：从预设标签数据集中获取样本训练集，所述预设标签数据集基于所述历史行为指标和所述用户分类标签构造获得；将所述样本训练集按比例划分为训练集和测试集，所述训练集用于模型训练，所述测试集用于模型测验；将所述训练集和所述用户分类标签输入至初始循环神经网络模型中进行迭代训练，获得训练模型；将所述测试集输入至所述训练模型，并根据输出结果测验所述训练模型的优劣；在所述输出结果达到最优模型参数时，将所述输出结果达到最优模型参数所对应的训练模型作为预设时间序列模型。3.如权利要求2所述的用户标注和分类方法，其特征在于，所述对用户的历史行为指标进行预处理，并根据预处理结果获得用户分类标签的步骤包括：获取用户的历史行为指标；按预设时间周期对所述历史行为指标进行数据预处理，并基于处理结果确定所述用户对应的行为趋势和用户分类标签；根据所述行为趋势和所述用户分类标签对所述用户进行标注，获得标注结果，所述用户分类标签包括潜力用户、高危用户和平稳用户；根据所述历史行为指标和所述标注结果构建预设标签数据集。4.如权利要求3所述的用户标注和分类方法，其特征在于，在所述预设标签数据集中标记的用户标签类别分布不均匀时，所述从预设标签数据集中获取样本训练集的步骤包括：通过下采样方式对所述预设标签数据集中平稳用户对应的历史行为指标进行随机抽取，获得平稳指标数据；通过上采样方式对所述预设标签数据集中潜力用户对应的历史行为指标进行重采样，获得潜力指标数据；通过上采样方式对所述预设标签数据集中高危用户对应的历史行为指标进行重采样，获得高危指标数据；在所述平稳指标数据、所述潜力指标数据和所述高危指标数据的样本数量达到预设数量时，根据所述样本数量达到所述预设数量时所对应的平稳指标数据、潜力指标数据和高危指标数据构建样本训练集。2CN116028882A权利要求书2/2页5.如权利要求3所述的用户标注和分类方法，其特征在于，所述按预设时间周期对所述历史行为指标进行数据预处理，并基于处理结果确定所述用户对应的行为趋势和用户分类标签的步骤包括：按预设时间周期对所述历史行为指标进行聚合运算，获得所述历史行为指标对应的聚合运算结果；对所述聚合运算结果进行差分运算，获得所述聚合运算结果对应的差分运算结果；对所述差分运算结果进行符号运算，获得所述历史行为指标