目标物品确定方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115455298A(43)申请公布日2022.12.09(21)申请号202211189057.1(22)申请日2022.09.28(71)申请人中国农业银行股份有限公司地址100005北京市东城区建国门内大街69号(72)发明人胡正迪闻连臣(74)专利代理机构北京品源专利代理有限公司11332专利代理师苏舒音(51)Int.Cl.G06F16/9535(2019.01)G06F16/906(2019.01)G06Q30/06(2012.01)权利要求书2页说明书12页附图3页(54)发明名称目标物品确定方法、装置、电子设备及存储介质(57)摘要本发明公开了一种目标物品确定方法、装置、电子设备及存储介质，其中，该方法包括：获取包括至少三个目标用户的原始特征数据集，并基于原始特征数据集构建信任关系矩阵；基于预设聚合维度对原始特征数据集进行聚合，得到与各聚合维度相对应的影响因子，并基于影响因子构成影响因子集；基于信任关系矩阵对原始特征数据集进行处理，得到未标记数据集；基于目标分类器和影响因子集对未标记数据集进行分类得到分类结果，并基于分类结果确定至少一个目标物品。基于上述技术方案，实现了根据用户之间的信任关系完成用户的分类，进而基于分类结果确定对应的目标物品，进而可以更加快速的为用户推荐目标物品，提升了物品推荐的准确度。CN115455298ACN115455298A权利要求书1/2页1.一种目标物品确定方法，其特征在于，包括：获取包括至少三个目标用户的原始特征数据集，并基于所述原始特征数据集构建信任关系矩阵；基于预设聚合维度对所述原始特征数据集进行聚合，得到与各聚合维度相对应的影响因子，并基于所述影响因子构成影响因子集；其中，所述影响因子集包括相似维度、活跃维度以及关注维度；基于所述信任关系矩阵对所述原始特征数据集进行处理，得到未标记数据集；基于所述目标分类器和所述影响因子集对所述未标记数据集进行分类得到分类结果，并基于所述分类结果确定至少一个目标物品；其中，所述目标分类器是基于训练样本中的影响因子集、已标记数据集、信任标签集以及未标记数据集进行训练得到的。2.根据权利要求1所述的方法，其特征在于，所述基于预设聚合维度对所述原始特征数据集进行聚合，得到与各聚合维度相对应的影响因子，包括：获取至少两个目标用户的历史物品数据；基于所述历史物品数据确定所述至少两个目标用户之间的相似度，并将所述相似度作为与相似维度对应的影响因子。3.根据权利要求1所述的方法，其特征在于，所述基于预设聚合维度对所述原始特征数据集进行聚合，得到与各聚合维度相对应的影响因子，包括：获取当前目标用户的历史评估数据；若所述历史评估数据大于预先设置的数量阈值，则确定所述当前目标用户的活跃度为预设值；若所述历史评估数据小于预先设置的数量阈值，则基于所述历史评估数据和所述数量阈值确定当前用户的活跃度，并将所述活跃度作为与活跃维度对应的影响因子。4.根据权利要求1所述的方法，其特征在于，所述基于预设聚合维度对所述原始特征数据集进行聚合，得到与各聚合维度相对应的影响因子，包括：基于所述信任关系矩阵获取与当前目标用户存在信任关系的用户数量；将所述与当前目标用户存在信任关系的用户数量作为所述当前用户的关注度，并将所述关注度作为与关注维度对应的影响因子。5.根据权利要求1所述的方法，其特征在于，在基于所述目标分类器对所述未标记数据集进行分类得到分类结果，并基于所述分类结果确定至少一个目标物品之前，包括：基于所述影响因子集中的各影响因子，确定所述未标记数据集中部分数据的信任标签；根据所述未标记数据集中部分数据的信任标签对所述已标记数据集进行更新得到目标数据集，以基于所述目标数据集得到所述目标分类器。6.根据权利要求5所述的方法，其特征在于，所述基于所述目标数据集得到所述目标分类器，包括：将未标记数据集输入至所述待训练分类器中，并获取所述待训练分类器的输出结果；基于信任标签集对所述输出结果进行筛选，得到目标输出结果；根据所述目标输出结果对所述待训练分类器的损失函数进行迭代得到目标分类器。7.根据权利要求6所述的方法，其特征在于，所述根据所述目标输出结果对所述待训练2CN115455298A权利要求书2/2页分类器的损失函数进行迭代得到目标分类器，包括：检测所述损失函数中未标记数据集和已标记数据集的比重系数；若所述未标记数据集的比重系数小于已标记数据集的比重系数，则增大未标记数据集的比重系数后，再次对所述损失函数进行迭代；若所述未标记数据集的比重系数等于已标记数据集的比重系数，则将当前分类器作为目标分类器。8.一种目标物品确定装置，其特征在于，包括：信任关系矩阵构建模块，用于获取包括至少三个目标用户的原始特征数据集，并