【技术实现步骤摘要】
本专利技术涉及推荐算法领域，特别涉及一种目标用户确定方法及计算设备。
技术介绍
1、在业务营销等多种需求场景下，确定业务营销的目标人群是比较重要的问题。通过圈定业务营销的目标人群，向目标人群实施各种营销策略，能够有效的提高各种业务营销活动的效果。
2、现有技术中，对不同类型的人群添加标签或分类信息，基于相同的标签或相同的分类确定与某用户相似的用户作为目标人群。这种基于用户相似度扩散式的挖掘目标用户，在单一的业务营销场景中有着较好的效果。
3、但用户的兴趣点和用户在平台的使用场景是多种多样的，根据用户在平台的各种各样使用场景下多样化的用户行为设置用户相似度，从而建立目标用户识别模型，在根据这样的模型进行用户挖掘后，最终确定的可能是侧重单一维度或者多维度平均泛化的相似用户，难以满足在平台包括多个业务场景时，对每个业务场景确定目标用户，进行定制化营销活动的需求。
4、为此，需要一种新的目标用户确定方法。
技术实现思路
1、为此，本专利技术提供一种目标用户确定方法，以力图解决或者至少缓解上面存在的问题。
2、根据本专利技术的第一方面，提供一种目标用户确定方法，在计算设备中运行，所述方法包括：根据多个业务分类对用户的历史行为数据集进行筛选，确定包括多个用户的用户集合；根据用户集合中每个用户的历史行为数据生成用户训练数据，得到关于业务分类的用户训练数据集；构建目标用户确定模型，所述目标用户确定模型包括特征处理层和与所述特征处理层连接的专家网络层；
3、可选地，在根据本专利技术的方法中，特征处理层包括特征权重处理模块和与特征权重处理模块连接的特征组合模块、可变形卷积模块和特征权重交互模块。
4、可选地，在根据本专利技术的方法中，专家网络层包括初级网络模块和高级网络模块，初级网络模块包括初级共享专家模块和一个或多个初级任务专家模块，高级网络模块包括高级共享专家模块和一个或多个高级任务专家模块，每个初级任务专家模块对应一个高级任务专家模块，将输出结果输入到对应的高级任务专家模块。
5、可选地，在根据本专利技术的方法中，根据所述用户训练数据集对所述目标用户确定模型进行训练包括：根据所述用户数据训练集的每个用户训练数据生成第一训练样本，得到第一训练样本集，所述第一训练样本包括第一数量的一阶特征向量，每个特征向量用于表征在一个业务分类下的历史行为数据。
6、可选地，在根据本专利技术的方法中，还包括：对每个第一训练样本中一阶特征向量设置相同的第一丢弃概率值；将所述第一训练样本集输入所述目标用户确定模型进行训练，生成每个一阶特征向量的第二丢弃概率值；根据第二丢弃概率值小于预设阈值的第二数量的一阶特征向量生成第二训练样本，得到第二训练样本集；将所述第二训练样本集输入所述目标用户确定模型进行训练。
7、可选地，在根据本专利技术的方法中，将训练样本集输入目标用户确定模型进行训练，包括：将所述训练样本集中的训练样本输入所述特征处理层的特征权重处理模块，根据所述特征权重处理模块对每个一阶特征向量设置第一权重值；根据所述特征组合模块对所述一阶特征向量进行处理生成第一高阶特征向量；根据所述可变形卷积模块对所述一阶特征向量进行处理生成第二高阶特征向量；根据所述特征权重交互模块对所述一阶特征向量进行处理生成第三高阶特征向量；将所述第一高阶特征向量、第二高阶特征向量、第三高阶特征向量输入所述专家网络层进行训练，生成每个一阶特征向量的第二权重值；将所述训练样本集中的训练样本输入所述特征处理层的特征权重处理模块，根据所述特征权重处理模块对每个一阶特征向量设置第二权重值，对所述目标用户确定模型进行训练。
8、可选地，在根据本专利技术的方法中，将所述第一高阶特征向量、第二高阶特征向量、第三高阶特征向量输入所述专家网络层进行训练，包括：将所述第一高阶特征向量、所述第二高阶特征向量和第三高阶特征向量输入所述初级共享专家模块和一个或多个初级任务专家模块；将所述初级共享专家模块和一个或多个初级任务专家模块的输出作为所述高级共享专家模块的输入；将所述初级共享专家模块和每个初级任务专家模块的输出作为所述初级任务专家模块对应的高级任务专家模块的输入；从一个或多个高级任务专家模块中确定一个或多个目标任务专家模块，并根据一个或多个目标任务专家模块和所述高级共享专家模块的输出，从用户集合中确定预设业务分类下的一个或多个训练目标用户；根据一个或多个训练目标用户和预定业务分类下所述用户集合中标定的一个或多个标定目标用户，对所述专家网络层进行参数设置。
9、可选地，在根据本专利技术的方法中，根据所述目标用户确定模型对待分类用户集合进行分类，从待分类用户集合中确定每个预设业务分类下的一个或多个目标用户包括：根据待用户分类集合中待分类用户的用户数据生成待分类样本，所述待分类样本包括第二数量的一阶特征向量；将每个待分类样本输入所述目标用户确定模型，确定每个待分类用户是否为预设业务分类下的目标用户。
10、根据本专利技术的第二方面，提供了一种计算设备，包括：一个或多个处理器；存储器；以及一个或多个程序，其中，一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行根据本专利技术的目标用户确定方法的指令。
11、根据本专利技术的第三方面，提供了一种存储一个或多个程序的计算机可读存储介质，一个或多个程序包括指令，该指令当由计算设备执行时，使得计算设备执行根据本专利技术的目标用户确定方法。
12、根据本专利技术的第四方面，提供了一种计算机程序产品，包括计算机程序/指令，其中，所述计算机程序/指令被处理器执行时实现本专利技术的目标用户确定方法。
13、本专利技术的目标用户确定方法中，构建了目标用户确定模型，并且在训练目标用户确定模型时，先根据业务分类对历史行为数据集进行筛选得到用户数据训练集，使用关于业务分类的用户训练数据集进行训练；训练得到能够进行目标分类的，即能够确定多个业务分类对应目标用户的模型。通过该模型实现准确高效的确定每个业务分类下目标用户，以便根据每个业务分类下的目标用户指导进行精准业务营销，提高业务营销效果。
本文档来自技高网...【技术保护点】
1.一种目标用户确定方法，在计算设备中运行，所述方法包括：
2.如权利要求1所述的方法，其中，所述特征处理层包括特征权重处理模块和与特征权重处理模块连接的特征组合模块、可变形卷积模块和特征权重交互模块。
3.如权利要求1所述的方法，其中，所述专家网络层包括初级网络模块和高级网络模块，初级网络模块包括初级共享专家模块和一个或多个初级任务专家模块，高级网络模块包括高级共享专家模块和一个或多个高级任务专家模块，每个初级任务专家模块对应一个高级任务专家模块，将输出结果输入到对应的高级任务专家模块。
4.如权利要求1-3中任一项所述的方法，其中，所述根据所述用户训练数据集对所述目标用户确定模型进行训练包括：
5.如权利要求4所述的方法，还包括：
6.如权利要求5所述的方法，其中，将训练样本集输入目标用户确定模型进行训练，包括：
7.如权利要求6所述的方法，其中，所述将所述第一高阶特征向量、第二高阶特征向量、第三高阶特征向量输入所述专家网络层进行训练，包括：
8.如权利要求1-7中任一项所述的方法，其中，所述
9.一种计算设备，包括：
10.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1-8中任一项所述的方法。
...【技术特征摘要】
1.一种目标用户确定方法，在计算设备中运行，所述方法包括：
2.如权利要求1所述的方法，其中，所述特征处理层包括特征权重处理模块和与特征权重处理模块连接的特征组合模块、可变形卷积模块和特征权重交互模块。
3.如权利要求1所述的方法，其中，所述专家网络层包括初级网络模块和高级网络模块，初级网络模块包括初级共享专家模块和一个或多个初级任务专家模块，高级网络模块包括高级共享专家模块和一个或多个高级任务专家模块，每个初级任务专家模块对应一个高级任务专家模块，将输出结果输入到对应的高级任务专家模块。
4.如权利要求1-3中任一项所述的方法，其中，所述根据所述用户训练数据集对所述目标用户确定模型进行训练包括：
5.如权利...
【专利技术属性】
技术研发人员：余婷婷，
申请(专利权)人：车智互联北京科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。