[发明专利]用户群组推荐方法、装置及存储介质和服务器

权利要求书

1.一种用户群组推荐方法，其特征在于，包括：

采集第一应用程序下已知属性类别的用户群组样本基于机器学习方法进行训练，生成预设分类模型；

获取第二应用程序下建立的各个用户群组中群成员的操作信息和属性类别；

将所述各个用户群组中群成员的操作信息和属性类别输入至所述预设分类模型，得到所述预设分类模型输出的各个用户群组的属性类别；

确定第二应用程序下，自身属性类别与所属用户群组属性类别不匹配的目标群成员，所述自身属性类别与所属用户群组属性类别不匹配包括：自身属性类别与所属用户群组属性类别不同，或者自身属性类别与所属用户群组属性类别不配对；

利用预设分类模型，获取与所述目标群成员匹配的目标用户群组，所述预设分类模型基于机器学习方法由多个已知属性类别的用户群组样本训练生成，用于对用户群组进行属性类别标记；

将所述目标用户群组推送给所述目标群成员所在终端。

2.根据权利要求1所述的用户群组推荐方法，其特征在于，

所述利用预设分类模型，获取所述目标群成员匹配的目标用户群组包括：

对所述各个用户群组的属性类别进行标记；

将属性类别与所述目标群成员属性类别匹配的用户群组确定为目标用户群组。

3.根据权利要求1所述的群组推荐方法，其特征在于，所述应用程序包括社交类应用程序、运动类应用程序和竞技类应用程序。

4.根据权利要求3所述的群组推荐方法，其特征在于，若所述应用程序为社交类应用程序，则属性类别包括活跃、一般和不活跃，若所述应用程序为运动类应用程序，则属性类别包括勤奋、中等和懒惰，若所述应用程序为竞技类应用程序，则属性类别包括初级水平、中级水平和高级水平。

5.根据权利要求1-4任一项所述的用户群组推荐方法，其特征在于，所述机器学习方法包括：神经网络方法、支持向量机方法、决策树方法、逻辑回归方法、贝叶斯方法和随机森林方法。

6.根据权利要求1所述的用户群组推荐方法，其特征在于，所述机器学习方法包括神经网络方法，所述神经网络方法包括输入层、隐藏层和输出层，所述采集第一应用程序下已知属性类别的用户群组样本基于机器学习方法进行训练，生成预设分类模型包括：

采集第一应用程序下已知属性类别的用户群组样本；

将用户群组样本中的各个群成员的实际属性类别和操作信息输入至输入层，并经过与所述隐藏层各层节点对应的激活函数的计算，输出中间属性类别；

利用所述中间属性类别与用户群组样本中的实际属性类别之间的差值，以及优化算法对所述激活函数中的权重进行反复修正，直至所述中间属性类别与所述用户群组样本中的实际属性类别之间的差值在预设范围之内，得到训练完成的各个节点的激活函数，生成预设分类模型。

7.一种用户群组推荐装置，其特征在于，包括：

目标群成员确定模块，用于采集第一应用程序下已知属性类别的用户群组样本基于机器学习方法进行训练，生成预设分类模型；获取第二应用程序下建立的各个用户群组中群成员的操作信息和属性类别；将所述各个用户群组中群成员的操作信息和属性类别输入至所述预设分类模型，得到所述预设分类模型输出的各个用户群组的属性类别；确定第二应用程序下，自身属性类别与所属用户群组属性类别不匹配的目标群成员，所述自身属性类别与所属用户群组属性类别不匹配包括：自身属性类别与所属用户群组属性类别不同，或者自身属性类别与所属用户群组属性类别不配对；

目标用户群组获取模块，用于利用预设分类模型，获取与所述目标群成员匹配的目标用户群组，所述预设分类模型基于机器学习方法由多个已知属性类别的用户群组样本训练生成，用于对用户群组进行属性类别标记；

目标用户群组推荐模块，用于将所述目标用户群组推送给所述目标群成员所在终端。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的用户群组推荐方法。

9.一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6中任一所述的用户群组推荐方法。