[发明专利]用户类型的预测方法、装置、电子设备及可读存储介质

说明书

本公开的实施例提供了一种用户类型的预测方法、装置、电子设备及可读存储介质，所述方法包括：依据目标用户在当前时间的行为数据和场景信息，生成所述目标用户的当前特征；依据目标用户在目标历史时间段的行为数据和历史用户类型，生成所述目标用户的历史特征序列；将所述当前特征以及所述历史特征序列输入至预先训练的用户类型预测模型，得到所述目标用户的类型，所述用户类型预测模型使用用户类型样本对基于时序的机器学习模型训练得到，所述用户类型样本包括参考特征、历史特征序列、参考用户类型。可以通过历史特征序列和当前特征共同预测用户类型，有助于提高预测的准确度。

技术领域

本公开的实施例涉及计算机技术领域，尤其涉及一种用户类型的预测方法、装置、电子设备及可读存储介质。

背景技术

个性化推荐根据用户特征、实时场景特征向不同用户推荐不同的对象，例如商品、商家、服务等，以提高商品、服务的访问率、转化率等。其中，用户特征包括用户类型，不同用户类型的偏好对象有一定特征，使得确定用户类型成为个性化推荐的重要部分。

现有技术中，申请号为CN107644047A的专利申请提出了一种标签预测方法及装置，可以采用标签描述用户类型。主要步骤包括：选取目标标签，并确定目标标签的历史标签时间序列的起始时间点，目标标签为待预测的标签，确定与目标标签存在因果关系的变量，变量包括标签和/或属性，根据预设的时间序列预测出目标标签在目标时间点的值，预设的时间序列包括目标标签的历史标签时间序列和变量的历史时间序列，或者，预设的时间序列包括变量的历史时间序列，变量的历史时间序列的起始时间点与目标标签的历史标签时间序列的起始时间点相同，目标时间点为当前时间点或当前时间点之后的时间点。

综上所述，上述方案仅通过历史标签和变量确定当前时间点或当前时间点之后的时间点对应的标签，并未考虑预测时间点的当前特征，导致标签的预测准确度较低。

发明内容

本公开的实施例提供一种用户类型的预测方法、装置、电子设备及可读存储介质，可以通过历史特征序列和当前特征共同预测用户类型，有助于提高预测的准确度。

根据本公开的实施例的第一方面，提供了一种用户类型的预测方法，所述方法包括：

依据目标用户在当前时间的行为数据和场景信息，生成所述目标用户的当前特征；

依据目标用户在目标历史时间段的行为数据和历史用户类型，生成所述目标用户的历史特征序列；

将所述当前特征以及所述历史特征序列输入至预先训练的用户类型预测模型，得到所述目标用户的类型，所述用户类型预测模型使用用户类型样本对基于时序的机器学习模型训练得到，所述用户类型样本包括参考特征、历史特征序列、参考用户类型。

根据本公开的实施例的第二方面，提供了一种用户类型的预测装置，所述装置包括：

当前特征生成模块，用于依据目标用户在当前时间的行为数据和场景信息，生成所述目标用户的当前特征；

历史特征序列生成模块，用于依据目标用户在目标历史时间段的行为数据和历史用户类型，生成所述目标用户的历史特征序列；

用户类型预测模块，用于将所述当前特征以及所述历史特征序列输入至预先训练的用户类型预测模型，得到所述目标用户的类型，所述用户类型预测模型使用用户类型样本对基于时序的机器学习模型训练得到，所述用户类型样本包括参考特征、历史特征序列、参考用户类型。

根据本公开的实施例的第三方面，提供了一种电子设备，包括：

处理器、存储器以及存储在所述存储器上并可在所述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程序时实现前述用户类型的预测方法。