[发明专利]用户与联系人间亲密度判定方法/系统、存储介质及设备

权利要求书

1.一种用户与联系人间亲密度判定方法，其特征在于，所述用户与联系人间亲密度判定方法包括：

针对收集的第一模型样本进行初始建模，以形成初始亲密度模型；所述第一模型样本包括用户与联系人之间联系变量，和用户与联系人之间的亲密度目标变量；

对所述初始亲密度模型进行变量检验，剔除所述第一模型样本中的无效变量，并在所述第一模型样本中增加新的联系变量、或从联系变量中衍生出的衍生变量，形成第二模型样本；

针对所述第二模型样本进行再建模，以形成再建亲密度模型，并对所述再建亲密度模型进行评估，及打分，获取亲密度分值，根据亲密度分值判定出用户与联系人间亲密度。

2.根据权利要求1所述的用户与联系人间亲密度判定方法，其特征在于，所述针对收集的模型样本进行初始建模，以形成初始亲密度模型的步骤包括：

建立第一模型样本的第一棵决策树，并初始化所述第一模型样本的第一棵决策树；所述第一棵决策树的父节点含有所述模型样本；

计算所述第一模型样本的第一棵决策树上用户与联系人之间每个联系变量的信息增益，选择各个联系变量下最大信息增益的分类变量，并生成所述第一棵决策树上联系变量的第一预测函数；

计算生成联系变量的第一预测函数与其对应的亲密度目标变量的残差；

基于该残差及预设学习率，学习第一模型样本的第二棵决策树，并生成所述第二棵决策树上联系变量的第二预测函数；

计算生成联系变量的第二预测函数与其对应的亲密度目标变量的残差；

迭代运行预测函数的生成步骤，残差的计算步骤，及基于计算的残差，学习下一棵决策树的步骤；

将迭代过程中所有决策树的累和定义为初始亲密度模型。

3.根据权利要求1所述的用户与联系人间亲密度判定方法，其特征在于，所述针对所述第二模型样本进行再建模，以形成再建亲密度模型的步骤包括：

建立第二模型样本的第一棵决策树，并初始化所述第二模型样本的第一棵决策树；所述第一棵决策树的父节点含有所述模型样本；

计算所述第二模型样本的第一棵决策树上用户与联系人之间每个联系变量的信息增益，选择各个联系变量下最大信息增益的分类变量，并生成所述第一棵决策树上联系变量的第一预测函数；

计算生成联系变量的第一预测函数与其对应的亲密度目标变量的残差；

基于该残差及预设学习率，学习第二模型样本的第二棵决策树，并生成所述第二棵决策树上联系变量的第二预测函数；

计算生成联系变量的第二预测函数与其对应的亲密度目标变量的残差；

迭代运行预测函数的生成步骤，残差的计算步骤，及基于计算的残差，学习下一棵决策树的步骤；

将迭代过程中所有决策树的累和定义为再建亲密度模型。

4.根据权利要求1所述的用户与联系人间亲密度判定方法，其特征在于，对所述再建亲密度模型进行评估的步骤包括：

获取所述再建亲密度模型的模型差别值和模型区分值，并通过所述模型差别值和模型区分值对所述再建亲密度模型进行评估；

其中，所述模型差别值表示模型的预测能力与随机结果的差别；所述模型区分值表示模型区分有效样本和无效样本。

5.根据权利要求1所述的用户与联系人间亲密度的判定方法，其特征在于，所述对所述再建亲密度模型进行打分的步骤为将再建亲密度模型的函数值转换为亲密度分值。

6.根据权利要求5所述的用户与联系人间亲密度判定方法，其特征在于，所述将再建亲密度模型的函数值转换为亲密度分值的步骤是通过预存打分公式对再建亲密度模型的函数值与亲密度分值的转换；

预存打分公式为：

score＝a-b*log(odds)

其中，score为亲密度分值，p为用户与联系人之间的亲密度目标变量为1时再建亲密度模型的函数值，1-p为用户与联系人之间的亲密度目标变量为0时再建亲密度模型的函数值；a，b为经验值的常数项。