预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115098768A(43)申请公布日2022.09.23(21)申请号202210608831.1(22)申请日2022.05.31(71)申请人北京沃东天骏信息技术有限公司地址101116北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人李靖恺(74)专利代理机构北京唯智勤实知识产权代理事务所(普通合伙)11557专利代理师史立状(51)Int.Cl.G06F16/9535(2019.01)G06F16/906(2019.01)G06K9/62(2022.01)权利要求书2页说明书10页附图5页(54)发明名称用户分类模型生成方法、装置、设备和计算机可读介质(57)摘要本公开的实施例公开了用户分类模型生成方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括:获取标注样本集和未标注用户行为特征向量集;对于标注样本集中的每个标注样本,从未标注用户行为特征向量集中,确定与标注样本的样本用户行为特征向量的相似度满足预设条件的至少一个未标注用户行为特征向量;将各个样本用户行为特征向量和所确定的各个未标注用户行为特征向量作为顶点,两个顶点的相似度作为连接两个顶点的边的权重,构建用户关系网络;将用户关系网络转化为图嵌入矩阵,以及利用图嵌入矩阵训练得到用户分类模型。该实施方式与人工智能有关,实现了提高模型分类精度。CN115098768ACN115098768A权利要求书1/2页1.一种用户分类模型生成方法,包括:获取标注样本集和未标注用户行为特征向量集,其中,所述标注样本集中的每个标注样本包括样本用户行为特征向量和用户分类标签;对于所述标注样本集中的每个标注样本,从所述未标注用户行为特征向量集中,确定与所述标注样本的样本用户行为特征向量的相似度满足预设条件的至少一个未标注用户行为特征向量;将各个样本用户行为特征向量和所确定的各个未标注用户行为特征向量作为顶点,两个顶点的相似度作为连接两个顶点的边的权重,构建用户关系网络;将所述用户关系网络转化为图嵌入矩阵,以及利用所述图嵌入矩阵训练得到所述用户分类模型。2.根据权利要求1所述的方法,其中,所述将所述用户关系网络转化为图嵌入矩阵,包括:将两个顶点间的统计检验作为偏移概率,以及根据所述偏移概率进行采样,得到所述用户关系网络中每个顶点对应的序列;将所述序列输入词向量生成模型,得到每个顶点的顶点向量,各个顶点的顶点向量组成所述图嵌入矩阵。3.根据权利要求1所述的方法,其中,所述统计检验为卡方检验。4.根据权利要求1所述的方法,其中,所述从所述未标注用户行为特征向量集中,确定与所述标注样本的样本用户行为特征向量的相似度满足预设条件的至少一个未标用户行为注特征向量,包括:基于所述各个样本用户行为特征向量和所确定的各个未标注用户行为特征向量,确定用户编码矩阵;基于所述用户编码矩阵确定签名矩阵;基于所述签名矩阵,确定与所述标注样本的样本用户行为特征向量的相似度满足预设条件的至少一个未标用户行为注特征向量。5.根据权利要求1‑4中任一所述的方法,其中,所述方法还包括:通过目标评价指标对所述用户分类模型进行检验,以得到所述用户分类模型的检验值,所述目标评价指标包括基于预测为负的正样本数量、预测为正的负样本数量、预测为正的正样本数量以及所述预测为正的正样本数量对应的权重确定的。6.一种用户分类模型生成装置,包括:获取单元,被配置成获取标注样本集和未标注用户行为特征向量集,其中,所述标注样本集中的每个标注样本包括样本用户行为特征向量和用户分类标签;确定单元,被配置成对于所述标注样本集中的每个标注样本,从所述未标注用户行为特征向量集中,确定与所述标注样本的样本用户行为特征向量的相似度满足预设条件的至少一个未标注用户行为特征向量;网络构建单元,被配置成将各个样本用户行为特征向量和所确定的各个未标注用户行为特征向量作为顶点,两个顶点的相似度作为连接两个顶点的边的权重,构建用户关系网络;转化及训练单元,被配置成将所述用户关系网络转化为图嵌入矩阵,以及利用所述图2CN115098768A权利要求书2/2页嵌入矩阵训练得到所述用户分类模型。7.根据权利要求6所述的装置,其中,所述转化及训练单元进一步被配置成:将两个顶点间的统计检验作为偏移概率,以及根据所述偏移概率进行采样,得到所述用户关系网络中每个顶点对应的序列;将所述序列输入词向量生成模型,得到每个顶点的顶点向量,各个顶点的顶点向量组成所述图嵌入矩阵。8.根据权利要求6所述的装置,其中,所述确定单元进一步配被配置成:基于所述各个样本用户行为特征向量和所确定的各个未标注用户行为特征向量,确定用户编码矩阵;基于所述用户编码矩阵确定签名矩阵