[发明专利]用于输出信息的方法和装置

说明书

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于输出信息的方法和装置。

背景技术

随着互联网以及数据挖掘技术的发展，目前存在对用户的互联网相关数据进行数据挖掘所得到的各种用户特征信息。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，该方法包括：获取目标用户的至少一种人属性特征；根据所获取的至少一种人属性特征，确定目标用户在预设属性下的用户类型；输出所确定的用户类型。

在一些实施例中，至少一种人属性特征包括以下至少一项：自然人属性特征和网络行为特征，网络行为特征包括以下至少一项：电子地图导航特征、兴趣画像特征、地址特征、常用应用特征、信用评分特征和网络搜索主题特征。

在一些实施例中，根据所获取的至少一种人属性特征，确定目标用户在预设属性下的用户类型，包括：将所获取的至少一种人属性特征导入预先训练的用户类型确定模型，得到目标用户在预设属性下的用户类型，其中，用户类型确定模型用于表征至少一种人属性特征与用户类型之间的对应关系。

在一些实施例中，用户类型包括第一用户类型和第二用户类型。

在一些实施例中，根据所获取的至少一种人属性特征，确定目标用户在预设属性下的用户类型，包括：将所获取的至少一种人属性特征导入预先训练的车辆事故发生频率计算模型，得到目标用户的预测车辆事故发生频率，其中，车辆事故发生频率计算模型用于表征至少一种人属性特征与车辆事故发生频率之间的对应关系；响应于确定预测车辆事故发生频率大于预设车辆事故发生频率阈值，确定目标用户在预设属性下的用户类型为第一用户类型；响应于确定预测车辆事故发生频率不大于预设车辆事故发生频率阈值，确定目标用户在预设属性下的用户类型为第二用户类型。

在一些实施例中，根据所获取的至少一种人属性特征，确定目标用户在预设属性下的用户类型，包括：将所获取的至少一种人属性特征导入预先训练的车辆事故赔付率计算模型，得到目标用户的预测车辆事故赔付率，其中，车辆事故赔付率计算模型用于表征至少一种人属性特征与车辆事故赔付率之间的对应关系；响应于确定预测车辆事故赔付率大于预设车辆事故赔付率阈值，确定目标用户在预设属性下的用户类型为第一用户类型；响应于确定预测车辆事故赔付率不大于预设车辆事故赔付率阈值，确定目标用户在预设属性下的用户类型为第二用户类型。

在一些实施例中，用户类型确定模型是通过如下第一训练步骤训练得到的：获取初始用户类型确定模型和预先确定的第一样本数据集合，其中，第一样本数据集合中每个样本数据包括用户的至少一种人属性特征以及该用户在预设属性下的用户类型；利用机器学习方法，以第一样本数据集合中的每个样本数据中的用户的至少一种人属性特征作为输入数据，以该样本数据中的该用户在预设属性下的用户类型作为相应的输出数据，训练初始用户类型确定模型；将训练后的初始用户类型确定模型确定为预先训练的用户类型确定模型。

在一些实施例中，车辆事故发生频率计算模型是通过如下第二训练步骤训练得到的：获取初始车辆事故发生频率计算模型和预先确定的第二样本数据集合，其中，第二样本数据集合中每个样本数据包括用户的至少一种人属性特征以及该用户的历史车辆事故发生频率；利用机器学习方法，以第二样本数据集合中的每个样本数据中的用户的至少一种人属性特征作为输入数据，以该样本数据中的该用户的历史车辆事故发生频率作为相应的输出数据，训练初始车辆事故发生频率计算模型；将训练后的初始车辆事故发生频率计算模型确定为预先训练的车辆事故发生频率计算模型。

在一些实施例中，车辆事故赔付率计算模型是通过如下第三训练步骤训练得到的：获取初始车辆事故赔付率计算模型和预先确定的第三样本数据集合，其中，第三样本数据集合中每个样本数据包括用户的至少一种人属性特征以及该用户的历史车辆事故赔付率；利用机器学习方法，以第三样本数据集合中的每个样本数据中的用户的至少一种人属性特征作为输入数据，以该样本数据中的该用户的历史车辆事故赔付率作为相应的输出数据，训练初始车辆事故赔付率计算模型；将训练后的初始车辆事故赔付率计算模型确定为预先训练的车辆事故赔付率计算模型。

第二方面，本申请实施例提供了一种用于输出信息的装置，该装置包括：获取单元，配置用于获取目标用户的至少一种人属性特征；确定单元，配置用于根据所获取的至少一种人属性特征，确定目标用户在预设属性下的用户类型；输出单元，配置用于输出所确定的用户类型。