人群扩量的预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种人群扩量的预测方法、装置、设备及存储介质。其中，人群扩量的预测方法包括：获取第一样本数据、第二样本数据；所述第一样本数据表征测试用户集合中的测试用户对应的画像数据；所述第二样本数据表征测试用户集合中的测试用户针对特定数据源执行特定操作产生的数据；利用第一特征模型分别提取所述第一样本数据的第一特征和所述第二样本数据的第二特征；并利用第二特征模型或第三特征模型提取所述第二样本数据的第三特征；对所述第一特征、第二特征和第三特征进行拼接，得到拼接后的特征；利用对广告种子人群进行扩量的预测模型，对拼接后的特征进行分类处理，以确定当前测试用户是否作为广告种子人群的扩量人群。

【技术实现步骤摘要】
人群扩量的预测方法、装置、设备及存储介质
本专利技术涉及人工智能技术，具体涉及一种人群扩量的预测方法、装置、设备及存储介质。
技术介绍
随着终端技术的快速发展，使用终端的用户越来越多。广告主也越来越倾向于使用终端的用户进行投放广告。通常，广告主会选择适配自身广告的一批广告种子人群，并向选择的广告种子人群进行投放广告。由于广告种子人群的数量较少，因此广告主希望向与广告种子人群相似的人群进行投放广告，从而实现最佳的广告转化效果，因此，如何选取与广告种子人群精准相似的大量人群成了关键技术问题。
技术实现思路
有鉴于此，本专利技术实施例期望提供一种人群扩量的预测方法、装置、设备及存储介质。本专利技术的技术方案是这样实现的：本专利技术实施例提供一种人群扩量的预测方法，所述方法包括：获取第一样本数据、第二样本数据；所述第一样本数据表征测试用户集合中的测试用户对应的画像数据；所述第二样本数据表征测试用户集合中的测试用户针对特定数据源执行特定操作产生的数据；利用第一特征模型分别提取所述第一样本数据的第一特征和所述第二样本数据的第二特征；并利用第二特征模型或第三特征模型提取所述第二样本数据的第三特征；对所述第一特征、第二特征和第三特征进行拼接，得到拼接后的特征；利用对广告种子人群进行扩量的预测模型，对拼接后的特征进行分类处理，以确定当前测试用户是否作为广告种子人群的扩量人群。上述方案中，所述第二样本数据对应用户针对特定数据源执行特定操作产生的多个特征元素；利用所述第一特征模型提取所述第二样本数据的第二特征，包括：从多个特征元素中确定多个第一元素；所述多个第一元素之间没有相关性；利用所述第一特征模型提取所述多个第一元素中每个元素对应的特征，得到多个特征；将得到的多个特征作为所述第二特征。上述方案中，所述第二样本数据对应用户针对特定数据源执行特定操作产生的多个特征元素；利用所述第二特征模型提取所述第二样本数据的第三特征，包括以下之一：从多个特征元素中确定多个第二元素；所述多个第二元素之间通过文本形式进行关联；利用所述第二特征模型提取所述多个第二元素中每个元素对应的特征，得到多个特征；将得到的多个特征作为所述第三特征；从多个特征元素中确定多个第三元素；所述多个第三元素之间通过第一序列形式进行关联；利用所述第二特征模型提取所述多个第三元素中每个元素对应的特征，得到多个特征；将得到的多个特征作为所述第三特征。上述方案中，所述第二样本数据对应用户针对特定数据源执行特定操作产生的多个特征元素；利用所述第三特征模型提取所述第二样本数据的第三特征，包括：从多个特征元素中确定多个第四元素；所述多个第四元素之间通过第二序列形式进行关联；利用所述第三特征模型提取所述多个第四元素中每个元素对应的特征，得到多个特征；将得到的多个特征作为所述第三特征。上述方案中，所述扩量人群的预测模型包括深度学习模型和支持向量机；所述对所述第一特征、第二特征和第三特征进行拼接，得到拼接后的特征，包括：确定所述第一特征对应的第一向量、所述第二特征对应的第二向量和所述第三特征对应的第三向量；对所述第一向量、第二向量和第三向量进行组合，得到组合向量；并将所述组合向量作为拼接后的特征；相应地，所述利用对广告种子人群进行扩量的预测模型，对拼接后的特征进行分类处理，包括：利用所述深度学习模型，对拼接后的特征进行分类处理，得到第一预测结果；并利用所述支持向量机，对拼接后的特征进行分类处理，得到第二预测结果；基于所述第一预测结果和所述第二预测结果，确定当前测试用户是否作为广告种子人群的扩量人群。上述方案中，所述方法还包括：获取第三样本数据和第四样本数据；所述第三样本数据表征训练用户集合中的用户对应的画像数据；所述第四样本数据表征训练用户集合中的用户针对不通过数据源执行特定操作产生的数据；利用所述第一特征模型提取所述第三样本数据的第四特征和所述第四样本数据的第五特征；并利用所述第二特征模型或所述第三特征模型提取所述第四样本数据的第六特征；对所述第四特征、第五特征和第六特征进行拼接，得到拼接后的特征；将拼接后的特征作为训练数据，对预测模型进行训练，得到所述对广告种子人群进行扩量的预测模型。本专利技术实施例提供一种人群扩量的预测方法，应用于对广告种子人群进行扩量领域，所述方法包括：获取第一样本数据、第二样本数据；所述第一样本数据表征测试用户集合中的测试用户的画像数据；所述第二样本数据表征测试用户集合中的测试用户针对特定数据源执行特定操作产生的数据；利用第一特征模型分别提取所述第一样本数据的第一特征和所述第二样本数据的第二特征；并利用第二特征模型和第三特征模型提取所述第二样本数据的第三特征和第四特征；对所述第一特征、第二特征和第三特征进行拼接，得到拼接后的特征；利用对广告种子人群进行扩量的预测模型，对拼接后的特征进行分类处理，以确定当前测试用户是否作为广告种子人群的扩量人群。本专利技术实施例提供一种人群扩量的预测装置，包括：获取单元，用于获取第一样本数据、第二样本数据；所述第一样本数据表征测试用户集合中的测试用户的画像数据；所述第二样本数据表征测试用户集合中的测试用户针对特定数据源执行特定操作产生的数据；第一处理单元，用于利用第一特征模型分别提取所述第一样本数据的第一特征和所述第二样本数据的第二特征；并利用第二特征模型和第三特征模型提取所述第二样本数据的第三特征和第四特征；以及对所述第一特征、第二特征和第三特征进行拼接，得到拼接后的特征；第二处理单元，用于利用对广告种子人群进行扩量的预测模型，对拼接后的特征进行分类处理，以确定当前测试用户是否作为广告种子人群的扩量人群。上述方案中，所述第一处理单元，具体用于：从多个特征元素中确定多个第一元素；所述多个第一元素之间没有相关性；利用所述第一特征模型提取所述多个第一元素中每个元素对应的特征，得到多个特征；将得到的多个特征作为所述第二特征。上述方案中，所述第一处理单元，具体用于执行以下操作之一：从多个特征元素中确定多个第二元素；所述多个第二元素之间通过文本形式进行关联；利用所述第二特征模型提取所述多个第二元素中每个元素对应的特征，得到多个特征；将得到的多个特征作为所述第三特征；从多个特征元素中确定多个第三元素；所述多个第三元素之间通过第一序列形式进行关联；利用所述第二特征模型提取所述多个第三元素中每个元素对应的特征，得到多个特征；将得到的多个特征作为所述第三特征。上述方案中，所述第一处理单元，具体用于：从多个特征元素中确定多个第四元素；所述多个第四元素之间通过第二序列形式进行关联；利用所述第三特征模型提取所述多个第四元素中每个元素对应的特征，得到多个特征；将得到的多个特征作为所述第三特征。上述方案中，所述第一处理单元，具体用于：本文档来自技高网...

【技术保护点】
1.一种人群扩量的预测方法，其特征在于，所述方法包括：/n获取第一样本数据、第二样本数据；所述第一样本数据表征测试用户集合中的测试用户对应的画像数据；所述第二样本数据表征测试用户集合中的测试用户针对特定数据源执行特定操作产生的数据；/n利用第一特征模型分别提取所述第一样本数据的第一特征和所述第二样本数据的第二特征；并利用第二特征模型或第三特征模型提取所述第二样本数据的第三特征；/n对所述第一特征、第二特征和第三特征进行拼接，得到拼接后的特征；/n利用对广告种子人群进行扩量的预测模型，对拼接后的特征进行分类处理，以确定当前测试用户是否作为广告种子人群的扩量人群。/n

【技术特征摘要】
1.一种人群扩量的预测方法，其特征在于，所述方法包括：
获取第一样本数据、第二样本数据；所述第一样本数据表征测试用户集合中的测试用户对应的画像数据；所述第二样本数据表征测试用户集合中的测试用户针对特定数据源执行特定操作产生的数据；
利用第一特征模型分别提取所述第一样本数据的第一特征和所述第二样本数据的第二特征；并利用第二特征模型或第三特征模型提取所述第二样本数据的第三特征；
对所述第一特征、第二特征和第三特征进行拼接，得到拼接后的特征；
利用对广告种子人群进行扩量的预测模型，对拼接后的特征进行分类处理，以确定当前测试用户是否作为广告种子人群的扩量人群。


2.根据权利要求1所述的方法，其特征在于，所述第二样本数据对应用户针对特定数据源执行特定操作产生的多个特征元素；利用所述第一特征模型提取所述第二样本数据的第二特征，包括：
从多个特征元素中确定多个第一元素；所述多个第一元素之间没有相关性；
利用所述第一特征模型提取所述多个第一元素中每个元素对应的特征，得到多个特征；
将得到的多个特征作为所述第二特征。


3.根据权利要求1所述的方法，其特征在于，所述第二样本数据对应用户针对特定数据源执行特定操作产生的多个特征元素；利用所述第二特征模型提取所述第二样本数据的第三特征，包括以下之一：
从多个特征元素中确定多个第二元素；所述多个第二元素之间通过文本形式进行关联；利用所述第二特征模型提取所述多个第二元素中每个元素对应的特征，得到多个特征；将得到的多个特征作为所述第三特征；
从多个特征元素中确定多个第三元素；所述多个第三元素之间通过第一序列形式进行关联；利用所述第二特征模型提取所述多个第三元素中每个元素对应的特征，得到多个特征；将得到的多个特征作为所述第三特征。


4.根据权利要求1所述的方法，其特征在于，所述第二样本数据对应用户针对特定数据源执行特定操作产生的多个特征元素；利用所述第三特征模型提取所述第二样本数据的第三特征，包括：
从多个特征元素中确定多个第四元素；所述多个第四元素之间通过第二序列形式进行关联；
利用所述第三特征模型提取所述多个第四元素中每个元素对应的特征，得到多个特征；
将得到的多个特征作为所述第三特征。


5.根据权利要求1至4任一项所述的方法，其特征在于，所述扩量人群的预测模型包括深度学习模型和支持向量机；所述对所述第一特征、第二特征和第三特征进行拼接，得到拼接后的特征，包括：
确定所述第一特征对应的第一向量、所述第二特征对应的第二向量和所述第三特征对应的第三向量；
对所述第一向量、第二向量和第三向量进行组合，得到组合向量；并将所述组合向量作为拼接后的特征；
相应地，所述利用对广告种子人群进行扩量的预测模型，对拼接后的特征进行分类处理，包括：

【专利技术属性】
技术研发人员：刘曙铭，
申请(专利权)人：深圳市欢太科技有限公司，OPPO广东移动通信有限公司，
类型：发明
国别省市：广东;44