[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

说明书

技术领域

本发明属于社交网络技术领域，涉及一种判定方法和系统，特别是涉及一种用户与联系人间亲密度判定方法/系统、存储介质及设备。

背景技术

随着移动网络，交际网络的迅猛发展，在工作，生活以及各种社交等放人们之间的交互越来越频繁，尤其是在金融业务交互中，例如，银行贷款，保险，理财等，在业务员与用户进行业务交互时，业务员会挑选一些与用户有一定亲密度的联系人进行沟通，但是在挑选时业务员只能根据自身的主观意识或经验来挑选，而这样的挑选会导致目的性不强，工作效率不高，回报率不好，也就是说业务员无法挑选出能够直接影响用户做出业务决定的联系人。

因此，如何提供一种用户与联系人间亲密度判定方法/系统、存储介质及设备，以解决现有技术在业务员与用户进行业务交互时，业务员会挑选一些与用户有一定亲密度的联系人进行沟通，但是在挑选时业务员只能根据自身的主观意识或经验来挑选，而这样的挑选会导致目的性不强，工作效率不高，回报率不好等缺陷，实已成为本领域业务人员亟待解决的技术问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种用户与联系人间亲密度判定方法/系统、存储介质及设备，用于解决现有技术中在业务员与用户进行业务交互时，业务员会挑选一些与用户有一定亲密度的联系人进行沟通，但是在挑选时业务员只能根据自身的主观意识或经验来挑选，而这样的挑选会导致目的性不强，工作效率不高，回报率不好的问题。

为实现上述目的及其他相关目的，本发明一方面提供一种用户与联系人间亲密度判定方法，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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。