[发明专利]一种目标对象确定方法、装置、计算机设备及存储介质

权利要求书

1.一种目标对象确定方法，其特征在于，包括：

获得当前对象的多个特征；其中，所述多个特征是根据当前对象在业务场景下相关的历史数据确定的，所述多个特征为组合特征，对象是指特定的业务场景中的用户；

根据所述多个特征，从多个评估类别标签中确定所述当前对象所属的目标评估类别标签；其中，每个评估类别标签是在业务场景下对其他样本对象的转化行为具有相同的评估等级的样本对象进行聚类获得的，每个样本对象为在所述业务场景下存在转化行为的对象，所述转化行为是指用户在业务场景进行的实施行为；

将所述当前对象确定为所述目标评估类别标签中的目标对象；

其中，所述多个评估类别标签是通过如下步骤确定的：

获得多个样本对象中每个样本对象的转化行为相关的历史数据；

分别对每个样本对象对应的转化行为在各个指标上的历史数据进行加权，获得每个样本对象的影响力分值，所述影响力分值是指表示一个对象对于其他对象在特定的业务场景下的转化行为的影响力大小；

对获得的各个样本对象的影响力分值进行区间划分，获得至少两个影响力评估区间；

将处于同一影响力评估区间的样本对象划分为同一评估等级的样本对象，并为每个评估等级确定对应的评估类别标签。

2.如权利要求1所述的方法，其特征在于，根据所述多个特征，从多个评估类别标签中确定所述当前对象所属的目标评估类别标签，包括：

将所述多个特征转化为向量，获得组合特征向量；

对所述组合特征向量进行特征提取，获得组合编码特征向量；

确定所述组合编码特征向量属于所述多个评估类别标签中的各个评估类别标签的概率；

将概率满足预设概率的评估类别标签确定为所述当前对象所属的评估类别标签。

3.如权利要求1所述的方法，其特征在于，获得当前对象的多个特征，包括：

获取当前对象在业务场景下各个指标关联的历史数据；

对每个指标关联的历史数据进行编码，获得每个指标关联的转化特征；

确定每个转化特征与各个转化特征之间的平均相关度；

所述多个特征为平均相关度满足相关度阈值的转化特征。

4.如权利要求2所述的方法，其特征在于，对所述组合特征向量进行特征提取，获得组合编码特征向量，包括：

对所述组合特征向量进行正向编码处理，获得前向编码向量；

对所述组合特征向量进行反向编码处理，获得后向编码向量；

对前向编码向量和样本后向编码向量进行组合，获得组合编码特征向量。

5.如权利要求1所述的方法，其特征在于，在将所述当前对象确定为所述当前对象所属的评估类别标签中的目标对象之后，包括：

为所述当前对象推荐与所述当前对象所属的评估类别标签下关联的样本对象存在转化行为的物品。

6.如权利要求1~5任一项所述的方法，其特征在于，从根据所述多个特征，从多个评估类别标签中确定所述当前对象所属的目标评估类别标签，包括：

通过已训练的评估类别确定模型，从多个评估类别标签中，根据所述组合特征确定所述当前对象所属的评估类别标签；其中，所述评估类别确定模型是通过每个评估类别标签下的样本对象的多个样本特征训练得到的。

7.如权利要求6所述的方法，其特征在于，所述评估类别确定模型包括第一子模型和第二子模型，所述评估类别确定模型是通过如下步骤共同训练得到的：

分别将每个评估类别标签下的样本对象在各个指标上的历史数据转换为向量，获得样本组合特征向量；

通过第一子模型，对样本组合特征向量进行特征提取，获得样本组合编码特征向量；

通过第二子模型，预测样本组合编码特征向量所属的评估类别标签；

当第二子模型的损失满足目标损失时，获得完成训练的第二子模型和第一子模型。

8.如权利要求7所述的方法，其特征在于，所述第二子模型的损失是根据评估类别标签编码向量之间的余弦角度，和样本组合编码特征向量与样本用户真实所属的评估类别标签编码向量之间的角度距离之差确定的。