针对用户分类模型进行特征处理的方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111291816A(43)申请公布日2020.06.16(21)申请号202010097814.7(22)申请日2020.02.17(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人张屹綮张天翼王维强(74)专利代理机构北京亿腾知识产权代理事务所(普通合伙)11309代理人陈霁周良玉(51)Int.Cl.G06K9/62(2006.01)G06N20/00(2019.01)G06Q30/02(2012.01)G06Q40/02(2012.01)权利要求书3页说明书15页附图5页(54)发明名称针对用户分类模型进行特征处理的方法及装置(57)摘要本说明书实施例提供一种针对用户分类模型进行特征处理的方法和装置。方法包括，首先获取标签数据表和第一特征表，每个第一特征表记录用户的若干项特征。针对各个第一特征表中的各项特征，计算特征IV值，并基于IV值对特征进行第一筛选操作，得到对应的第二特征表。然后，将第二特征表和其中的特征分别作为第一类节点和第二类节点，构建二部图，在该二部图中确定出，连接到所有第二类节点的最小数目的第一类节点，进而得到对应的M个第二特征表。接着，合并该M个第二特征表，得到综合特征表，并基于该综合特征表，计算特征之间的相关系数；基于相关系数，对特征进行第二筛选操作，得到多项选中特征，用于训练用户分类模型。CN111291816ACN111291816A权利要求书1/3页1.一种针对用户分类模型进行特征处理的方法，包括：获取标签数据表以及获取N个第一特征表，所述标签数据表中包括用户的类别标签，每个所述第一特征表记录用户的若干项特征；针对每个第一特征表，结合所述标签数据表确定各项特征的信息价值IV，基于所述信息价值IV对特征进行第一筛选操作，得到对应的第二特征表；以各个第二特征表为第一类节点，以所述第二特征表中包含的特征为第二类节点，以第二特征表与特征的包含关系为连接边，构建二部图；在所述二部图中确定出第一节点集合，其中包含连接到所有第二类节点的最小数目的第一类节点，从而得到与该第一节点集合中的第一类节点对应的M个第二特征表；合并所述M个第二特征表，得到综合特征表，并基于该综合特征表，计算特征之间的相关系数；基于所述相关系数，对特征进行第二筛选操作，得到多项选中特征，用于训练所述用户分类模型。2.根据权利要求1所述的方法，其中，获取N个第一特征表包括，从多个数据平台获取其各自统计的用户特征表，作为所述第一特征表。3.根据权利要求1所述的方法，其中，所述标签数据表中还包括用户的至少一项特征；所述获取N个第一特征表包括：基于所述至少一项特征，生成第一特征表。4.根据权利要求1所述的方法，其中，所述用户的类别标签包括以下之一：用户的风险等级标签，用户所属的营销人群标签，用户的信用等级标签。5.根据权利要求1所述的方法，其中，在结合所述标签数据表确定各项特征的信息价值IV之前，还包括对各个第一特征表进行预处理，所述预处理包括：统计各项特征的特征值缺失率，将缺失率大于预定缺失阈值的特征剔除；对于各个第一特征表中保留的特征，用统一的缺省值替代缺失的特征值。6.根据权利要求1所述的方法，其中，所述第一特征表和所述标签数据表均以用户标识信息为主键，所述用户标识信息包括以下之一：账户ID，手机号，邮箱地址。7.根据权利要求6所述的方法，其中，结合所述标签数据表确定各项特征的信息价值IV，包括：从任意一个第一特征表中获取各个用户针对任意的第一特征的第一特征值，将各个第一特征值排序形成第一特征值序列；利用用户标识信息关联标签数据表和该第一特征表，得到标签值序列，该标签值序列与第一特征值序列关于用户顺序相对齐；根据所述第一特征值序列对用户进行分箱；基于所述标签值序列，统计各个分箱中所述类别标签的标签值分布情况；根据各个分箱的标签值分布情况，确定所述第一特征的信息价值IV。8.根据权利要求7所述的方法，其中，所述标签数据表还包括，所述类别标签的标注时间；所述第一特征表包括，用户针对所述第一特征在不同采集时间采集的多个特征值，以及该多个特征值对应的采集时间戳；从任意一个第一特征表中获取各个用户针对任意的第一特征的第一特征值，包括：对于每个用户，在针对第一特征采集的多个特征值中，确定采集时间戳早于所述标注时间，且2CN111291816A权利要求书2/3页距离所述标注时间最近的特征值，作为该用户针对第一特征的特征值。9.根据权利要求1所述的方法，其中，在所述二部图中确定出第一节点集合，包括：在当前二部图包含的第一类节点中，确定出连接边数目最大的节点作为选中节点，将该选中节点添加到选中节点集合；更新