[发明专利]一种数据处理方法、装置及服务器

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

获取目标用户的历史行为对象，利用所述历史行为对象确定所述目标用户的用户行为特征向量；

获取多个待选择对象的行为用户，利用每一待选择对象的行为用户确定所述待选择对象的对象行为特征向量，从而以行为用户表征行为对象特征；所述待选择对象的行为用户为对每一待选择对象进行了一种或多种行为操作的用户；

将所述用户行为特征向量和每一待选择对象的对象行为特征向量输入行为识别模型进行行为识别处理，得到所述目标用户对待选择对象的行为概率；

基于所述目标用户对待选择对象的行为概率从所述多个待选择对象中确定所述目标用户的目标行为对象；

其中，所述行为识别模型包括基于用户行为特征向量、用户无行为特征向量和对象行为特征向量进行行为识别训练得到的预测模型。

2.根据权利要求1所述的方法，其特征在于，所述行为识别模型具体包括采用下述方式确定：

获取多个样本用户的历史行为对象和预设数量的无行为对象；

利用每一样本用户的历史行为对象确定所述样本用户的用户行为特征向量，以及利用所述样本用户的无行为对象确定所述样本用户的用户无行为特征向量；

获取每一样本用户的历史行为对象的行为用户和所述预设数量的无行为对象的行为用户；

利用每一样本用户的历史行为对象的行为用户确定所述历史行为对象的对象行为特征向量，以及利用每一样本用户的无行为对象的行为用户确定所述无行为对象的对象无行为特征向量；

将每一样本用户的用户行为特征向量和历史行为对象的对象行为特征向量进行横向拼接处理，得到正样本数据；

将每一样本用户的用户无行为特征向量和无行为对象的对象无行为特征向量进行横向拼接处理，得到负样本数据；

基于所述正样本数据和负样本数据进行行为识别训练，得到行为识别模型。

3.根据权利要求1所述的方法，其特征在于，所述利用所述历史行为对象确定所述目标用户的用户行为特征向量包括：

利用所述历史行为对象的标识信息组成第一长度的矩阵，所述第一长度的矩阵包括所述历史行为对象的标识信息；

将所述第一长度的矩阵展开为多维的矩阵，所述多维的矩阵的维度与所述待选择对象的数量相同；

对所述多维的矩阵进行稀疏线性嵌入降维处理，得到降维处理后的矩阵；

将所述降维处理后的矩阵进行平均处理，得到所述目标用户的用户行为特征向量。

4.根据权利要求1所述的方法，其特征在于，当所述历史行为对象所对应的行为包括多种行为时，所述利用所述历史行为对象确定所述目标用户的用户行为特征向量包括：

利用每一种行为所对应的历史行为对象的标识信息组成所述行为所对应的第二长度的矩阵，所述第二长度的矩阵包括所述行为所对应的待选择对象的标识信息；

将每一第二长度的矩阵展开为多维的矩阵，所述多维的矩阵的维度与所述待选择对象的数量相同；

对每一多维的矩阵进行稀疏线性嵌入降维处理，得到降维处理后的矩阵；

将每一降维处理后的矩阵进行平均处理，得到平均处理后的特征向量；

将多个平均处理后的特征向量进行横向拼接处理，得到所述目标用户的用户行为特征向量。

5.根据权利要求1所述的方法，其特征在于，所述利用每一待选择对象的行为用户确定所述待选择对象的对象行为特征向量包括：

利用每一待选择对象的行为用户的标识信息组成第三长度的矩阵，所述第三长度的矩阵包括所述行为用户的标识信息；

将所述第三长度的矩阵展开为多维的矩阵，所述多维的矩阵的维度与所述目标用户的数量相同；

对所述多维的矩阵进行稀疏线性嵌入降维处理，得到降维处理后的矩阵；

将所述降维处理后的矩阵进行平均处理，得到所述待选择对象的对象行为特征向量。