[发明专利]目标用户识别模型建立、目标用户识别方法及装置

权利要求书

1.一种目标用户识别模型建立方法，其特征在于，包括：

获取至少两个用户的历史拉新活动信息；

提取与所述历史拉新活动信息关联的注册数据信息；

采用二元分类器算法，根据与所述历史拉新活动信息对应的用户类型及所述注册数据信息，对设定预测模型进行训练，生成目标用户识别模型，其中，所述用户类型包括目标用户和非目标用户。

2.根据权利要求1所述的方法，其特征在于，所述注册数据信息包括用户账号相似度、用户密码重复次数、用户联系方式重复次数、收货人重复次数、用户收货地址重复次数、用户注册时间与活动上线时间差中的至少一个。

3.根据权利要求1所述的方法，其特征在于，所述历史拉新活动信息还包括：用户参与活动数据信息；

所述采用二元分类器算法，根据与所述历史拉新活动信息对应的用户类型及所述注册数据信息，对设定预测模型进行训练，生成目标用户识别模型，包括：

采用二元分类器算法，根据与所述历史拉新活动信息对应的用户类型、所述注册数据信息及所述用户参与活动数据信息，对设定预测模型进行训练，生成目标用户识别模型。

4.根据权利要求3所述的方法，其特征在于，所述用户参与活动数据信息包括：用户参与活动总时长、用户下单前浏览网页页面总量、用户在活动页面停留总时长中的至少一个。

5.根据权利要求1-4任一所述的方法，其特征在于，所述设定预测模型为逻辑回归模型。

6.一种目标用户识别方法，其特征在于，包括：

获取待识别用户的注册数据信息；

将所述注册数据信息输入至预先训练的目标用户识别模型中，获取所述待识别用户的识别结果，其中，所述目标用户识别模型由与至少两个用户的历史拉新活动信息关联的注册数据信息以及与所述历史拉新活动信息对应的用户类型训练生成；

根据所述识别结果判断所述待识别用户是否为目标用户。

7.根据权利要求6所述的方法，其特征在于，所述注册数据信息包括用户账号相似度、用户密码重复次数、用户联系方式重复次数、收货人重复次数、用户收货地址重复次数、用户注册时间与活动上线时间差中的至少一个。

8.根据权利要求6或7所述的方法，其特征在于，所述目标用户识别模型的输入参数还包括：用户参与活动数据信息；

其中，所述用户参与活动数据信息包括用户参与活动总时长、用户下单前浏览网页页面总量、用户在活动页面停留总时长中的至少一个。

9.一种目标用户识别模型建立装置，其特征在于，包括：

活动信息获取模块，用于获取至少两个用户的历史拉新活动信息；

注册数据信息提取模块，用于提取与所述历史拉新活动信息关联的注册数据信息；

目标用户识别模型生成模块，用于采用二元分类器算法，根据与所述历史拉新活动信息对应的用户类型及所述注册数据信息，对设定预测模型进行训练，生成目标用户识别模型，其中，所述用户类型包括目标用户和非目标用户。

10.根据权利要求9所述的装置，其特征在于，所述注册数据信息包括用户账号相似度、用户密码重复次数、用户联系方式重复次数、收货人重复次数、用户收货地址重复次数、用户注册时间与活动上线时间差中的至少一个。

11.根据权利要求9所述的装置，其特征在于，所述历史拉新活动信息还包括：用户参与活动数据信息；

所述目标用户识别模型生成模块，用于：

采用二元分类器算法，根据与所述历史拉新活动信息对应的用户类型、所述注册数据信息及所述用户参与活动数据信息，对设定预测模型进行训练，生成目标用户识别模型。

12.根据权利要求11所述的装置，其特征在于，所述用户参与活动数据信息包括：用户参与活动总时长、用户下单前浏览网页页面总量、用户在活动页面停留总时长中的至少一个。