[发明专利]目标类型用户的识别方法、装置、电子设备及存储介质

说明书

本发明实施例提供了一种目标类型用户的识别方法、装置、电子设备及存储介质，方法包括：将待识别用户的用户行为特征和第一变量值输入到预先训练好的用户识别模型中；用户识别模型为：预先用实验组训练样本的用户行为特征和第一变量值，及对照组训练样本的用户行为特征和第二变量值训练好的净提升模型Uplift Model；获取模型输出的第一预测概率；将待识别用户的用户行为特征和第二变量值输入到用户识别模型中，获取模型输出的第二预测概率；判断第一预测概率与第二预测概率的差值是否大于预设的阈值；如果是，则确定待识别用户为目标类型用户。可见，应用本发明实施例，可以识别出目标类型用户，采集的样本较全面，对目标类型用户的识别较准确。

技术领域

本发明涉及信息处理的技术领域，特别是涉及一种目标类型用户的识别方法、装置、电子设备及存储介质。

背景技术

目前，很多行业领域都采用大数据处理对商品信息、业务信息及用户信息的不同类型的数据进行处理。

其中，从海量的用户信息数据中，识别出某目标类型的用户是对用户信息进行处理中的一个重要内容。

相关技术中，可以先从大量的用户信息中，获取待识别用户的用户行为数据，从待识别用户的用户行为数据中提取用户行为特征，将待识别用户的用户行为特征输入到按目标类型预设的二分类模型中，判断出该待识别用户是否是目标类型用户。但是，由于在训练二分类模型时所采集的样本是无规律的，导致采集的样本不够全面。因此相关技术中对目标类型用户的识别不够准确。

发明内容

本发明实施例的目的在于提供一种目标类型用户的识别方法、装置、电子设备及存储介质，以较准确的识别出目标类型用户。具体技术方案如下：

第一方面，本发明提供一种目标类型用户的识别方法，所述方法包括：

获得待识别用户的用户行为数据；

从所述用户行为数据中，提取所述待识别用户的用户行为特征；

将所述待识别用户的用户行为特征和第一变量值输入到预先训练好的用户识别模型中；所述用户识别模型为：针对目标类型用户对应的目标行为，预先用实验组训练样本的用户行为特征和第一变量值，及对照组训练样本的用户行为特征和第二变量值训练好的净提升模型Uplift Model；所述实验组训练样本的用户行为特征和对照组训练样本的用户行为特征分别为从实验组训练样本的用户行为数据和对照组训练样本的用户行为数据中提取的；所述实验组训练样本的用户行为数据为：满足预设条件的情况下，用户执行目标行为的正样本数据或不执行目标行为的负样本数据；所述对照组训练样本的用户行为数据为：不满足预设条件的情况下，用户执行目标行为的正样本数据或不执行目标行为的负样本数据；

获取用户识别模型输出的用户执行所述目标行为的第一预测概率；

将所述待识别用户的用户行为特征和第二变量值输入到所述用户识别模型中；

获取用户识别模型输出的用户执行所述目标行为的第二预测概率；

计算所述第一预测概率与所述第二预测概率的差值作为在只有满足预设条件的情况下，用户执行所述目标行为的条件预测概率；

判断所述条件预测概率是否大于预设的阈值；

如果是，则确定所述待识别用户为目标类型用户。

可选的，所述用户识别模型的训练过程包括：

将实验组样本的用户行为数据标记为实验组，将对照组样本的用户行为数据标记为对照组；

将实验组样本的用户行为数据和对照组样本的用户行为数据合并为数据集；

按预设比例抽取数据集中的样本，构成训练样本集；所述训练样本集中包含实验组训练样本和对照组训练样本；