CN109815980B 用户类型的预测方法、装置、电子设备及可读存储介质 （北京三快在线科技有限公司）

本公开的实施例提供了一种用户类型的预目标用户在目标历史时间段的行为数据和历史将所述当前特征以及所述历史特征序列输入至2依据目标用户在目标历史时间段的行为数据和历史用户类型，生成将所述当前特征以及所述历史特征序列输入至用户类型预测模型，得到所述的类型，所述用户类型预测模型使用用户类型样本对基于时序的机器学习模型训练得到，所述用户类型预测模型通过如下步骤训练得针对每个候选用户，确定所述候选用户在多个候选时间所处地址针对每个候选用户的每个地址类型，根据所述候选时间计算所述地址类型的置信得将所述候选用户的历史特征序列输入至级联网络中，得到用户类型的第一预测向量，将所述第一预测向量、第二预测向量拼接为第三预测向量，并在所述损失值小于预设损失阈值的情况下，结束训练，当前在所述损失值大于或等于预设损失阈值的情况下，调整根据所述候选时间和预设基准时间计算所述地址类型根据所述地址类型的数目和所述候选用户其余地址类型的数目3针对每个候选用户，选取所述置信得分大于预设置信得分阈值针对每个候选用户，依据所述候选用户在参考时间的行为针对每个候选用户，依据所述候选用户在参考历史时间段的行为数据和真实用户类将所述候选用户的参考特征、历史特征序列、参考用户类型作历史特征序列生成模块，用于依据目标用户在目标历史时间段的行用户类型预测模块，用于将所述当前特征以及所述用户类型预测模型通过如下步骤训练得针对每个候选用户，确定所述候选用户在多个候选时间所处地址针对每个候选用户的每个地址类型，根据所述候选时间计算所述地址类型的置信得将所述候选用户的历史特征序列输入至级联网络中，得到用户类型的第一预测向量，将所述第一预测向量、第二预测向量拼接为第三预测向量，并在所述损失值小于预设损失阈值的情况下，结束训练，当前在所述损失值大于或等于预设损失阈值的情况下，调整4地址类型确定模块，用于针对每个候选用户，确定所述候选用户在置信得分确定模块，用于针对每个候选用户的每个地址类时间权重参数计算子模块，用于根据所述候选时间和用户类型选取子模块，用于针对每个候选用阈值，且所述置信得分最大的地址类型对应的用户类型作为所述候选用户的参考用户类参考特征生成子模块，用于针对每个候选用户，依据所述候选用候选历史特征序列生成子模块，用于针对每个候选用户，依据所述候选第一预测子模块，用于将所述候选用户的历史特征序列输入至级联网第二预测子模块，用于将所述候选用户的参考特征输入至多层感知网5训练继续子模块，用于在所述损失值大于或等处理器、存储器以及存储在所述存储器上并可在所述处理器上运行特征在于，所述处理器执行所述程序时实现如权利要求1-3中任意一项所述的用户类型的6[0003]现有技术中，申请号为CN107644047A的专利申请提出了一种标签预测方法及装[0007]依据目标用户在当前时间的行为数据和场景信息，生成所述目标用户的当前特7[0015]处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程户的类型，所述用户类型预测模型使用用户类型样本对基于时序的机器学习模型训练得[0026]下面将结合本公开的实施例中的附图，对本公开的实施例中的技术方案进行清8[0031]蜂窝类型为根据移动通信网络的类型划分，例如，GSM(GlobalSystemfor[0041]步骤103，将所述当前特征以及所述历史特征序列输入至预先训练的用户类型预9[0049]参照图2，其示出了在本公开的另一种实施例中的用户类型的预测方法的具体步[0058]步骤2021，根据所述候选时间和预设基准时间计算所述地址类型的时间权重参λ均可以根据实际应用场景设定，本公开的实施例对其选时间2018年4月10号对应的时间权[0069]j为第j个地址类型的标识，zi为第i个订单对应的地址类型的取值，[0070]在实际应用中，为了避免占比参数出现0的情况，可以采用拉普拉斯进行平滑处述置信得分最大的地址类型对应的用户类型作为所述候选用户的参考[0098]本公开的实施例可以使用FM(FactorizationMachines，因子分解器)、RNN[0119]步骤207，将所述当前特征以及所述历史特征序列输入至预先训练的用户类型预[0125]历史特征序列生成模块302，用于依据目标用户在目标历史时间段的行为数据和[0126]用户类型预测模块303，用于将所述当前特征以及所述历史特征序列输入至预先征以及所述历史特征序列输入至预先训练的用户类型预测模型，得到所述目标用户的类[0136]历史特征序列生成模块406，用于依据目标用户在目标历史时间段的行为数据和[0137]用户类型预测模块407，用于将所述当前特征以及所述历史特征序列输入至预先用户类型的第一预测向量，所述级联网络由多个因子分解器和多个循环神经网络单元组的输入为最后一个循环神经网络单元的输出和所述当前特征，输出为所述目标用户的类[0160]在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开的实施例的用户类型的预[0165]应该注意的是上述实施例对本公开的实施例进行说明而不是对本公开的实施例进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词排除存在多个这样的元件。本公开的实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求