[发明专利]用户标签生成方法、装置、存储介质和计算机设备

权利要求书

1.一种用户标签生成方法，包括：

获取多于一个特征域下分别与目标用户标识对应的离散用户数据；

根据各所述特征域下的离散用户数据，得到各所述特征域各自相应的、且与所述目标用户标识对应的域内特征；

融合各所述域内特征得到与所述目标用户标识对应的域间特征；

对所述域间特征中的子特征进行特征交叉处理，获得交叉特征；

根据所述域间特征和所述交叉特征，从候选用户标签中筛选出与所述目标用户标识对应的目标用户标签。

2.根据权利要求1所述的方法，其特征在于，所述根据各所述特征域下的离散用户数据，得到各所述特征域各自相应的、且与所述目标用户标识对应的域内特征，包括：

将各所述离散用户数据输入机器学习模型；

通过所述机器学习模型的输入层向量化各所述离散用户数据，得到各所述离散用户数据各自相应的离散特征向量；

通过所述机器学习模型的域内融合层融合各所述特征域下的离散特征向量，得到各所述特征域相应的、且与所述目标用户标识对应的域内特征向量。

3.根据权利要求2所述的方法，其特征在于，所述通过所述机器学习模型的域内融合层融合各所述特征域下的离散特征向量，得到各所述特征域相应的、且与所述目标用户标识对应的域内特征向量，包括：

在所述机器学习模型的域内融合层中，分别获取各所述特征域下的各离散特征向量各自对应的注意力分配权重；

通过所述域内融合层，将各所述特征域下的各离散特征向量按照各自对应的注意力分配权重进行线性融合，得到各所述特征域各自相应的、且与所述目标用户标识对应的域内特征向量。

4.根据权利要求2所述的方法，其特征在于，所述融合各所述域内特征得到与所述目标用户标识对应的域间特征，包括：

在所述机器学习模型的域间融合层中，分别获取各所述域内特征向量各自对应的注意力分配权重；

通过所述域间融合层，将各所述域内特征向量按照各自对应的注意力分配权重进行线性融合，得到与所述目标用户标识对应的域间特征向量。

5.根据权利要求2所述的方法，其特征在于，所述对所述域间特征中的子特征进行特征交叉处理，获得交叉特征，包括：

通过所述机器学习模型的特征交叉层，对所述域间特征向量进行去稀疏处理得到稠密化的域间特征向量；

对所述稠密化的域间特征向量中的子特征进行二阶交叉处理，获得交叉特征。

6.根据权利要求5所述的方法，其特征在于，所述通过所述机器学习模型的特征交叉层，对所述域间特征向量进行去稀疏处理得到稠密化的域间特征向量，包括：

通过所述机器学习模型的特征交叉层，将所述域间特征向量中的子特征分别映射为预设维度的隐层空间向量；

所述对所述稠密化的域间特征向量中的子特征进行二阶交叉处理，获得交叉特征，包括：

对于所述域间特征向量中任意的两个子特征，将所述两个子特征以及所述两个子特征所映射得到的隐层空间向量的乘积，作为所述两个子特征的二阶交叉特征向量；

组合各所述二阶交叉特征向量，得到交叉特征向量。

7.根据权利要求2所述的方法，其特征在于，所述根据所述域间特征和所述交叉特征，从候选用户标签中筛选出与所述目标用户标识对应的目标用户标签，包括：

通过所述机器学习模型的第一全连接层，将所述交叉特征向量的维度调整至与所述域间特征向量的维度一致后，与所述域间特征向量拼接得到中间特征向量；

通过所述机器学习模型的第二全连接层，将所述中间特征向量映射为目标特征向量；

根据所述目标特征向量，从候选用户标签中筛选出与所述目标用户标识对应的目标用户标签。