[发明专利]特征提取方法、特征提取装置、存储介质及电子设备

说明书

本发明实施方式涉及一种特征提取方法、特征提取装置、存储介质与电子设备，涉及数据处理技术领域。该方法包括：获取各版块内的商品，所述版块为包括至少一种商品的商品集合；生成各所述版块对应的版块节点，各所述商品对应的商品节点，以及用户节点；基于用户对所述版块、所述商品的历史行为，以及所述版块与所述商品之间的从属关系，生成各所述版块节点、商品节点、用户节点之间的边，以建立拓扑图；利用图神经网络提取所述拓扑图中任一节点的特征。本发明提高了所提取的特征质量，保证了特征的全面性与准确性，有利于为后续的业务分析与业务决策提供有效支持。

技术领域

本发明的实施方式涉及数据处理技术领域，更具体地，本发明的实施方式涉及一种特征提取方法、特征提取装置、计算机可读存储介质及电子设备。

背景技术

本部分旨在为权利要求中陈述的本发明的实施方式提供背景或上下文，此处的描述不因为包括在本部分中就承认是现有技术。

对于互联网企业来说，数据分析是一项重要的工作，特别是对用户数据、商品数据进行有效分析，能够为业务决策提供相应支持，帮助企业提升服务质量，吸引更多用户。

特征提取是数据分析中不可缺少的环节，例如在分析用户数据时，通常首先从数据中提取用户特征，再根据用户特征实现用户画像或用户分类，进而对不同用户提供不同的定制化服务。

现有技术中，特征提取大多是基于人为设置的维度而实现的。例如为了提取用户特征，根据数据场景的特点，事先确定多个数据指标，即特征维度，如电商场景中可能确定用户年龄、性别、登录次数、购买商品金额等维度，然后根据每个维度对用户数据进行整理，得到对应的用户特征。

发明内容

然而，现有技术中，提取的特征质量强烈地依赖于维度设置是否合理：如果维度设置的不足，则所提取的特征不充分，如果维度设置的过多，则所提取的特征中存在冗余信息。由于人为设置维度的主观性，提取的特征质量通常较低。此外，用户特征来源于用户数据，商品特征来源于商品数据，导致所提取的特征较为片面，特别是在较为复杂的业务场景中，特征无法体现出业务关系，因此不利于后续的业务分析与业务决策。

为此，非常需要一种改进的特征提取方法，以实现高质量的特征提取，使得所提取的特征能够较为全面地体现出复杂的业务关系，从而为后续的业务分析与业务决策提供有效支持。

在本上下文中，本发明的实施方式期望提供一种特征提取方法、特征提取装置、计算机可读存储介质及电子设备。

根据本发明实施方式的第一方面，提供一种特征提取方法，包括：获取各版块内的商品，所述版块为包括至少一种商品的商品集合；生成各所述版块对应的版块节点，各所述商品对应的商品节点，以及用户节点；基于用户对所述版块、所述商品的历史行为，以及所述版块与所述商品之间的从属关系，生成各所述版块节点、商品节点、用户节点之间的边，以建立拓扑图；利用图神经网络提取所述拓扑图中任一节点的特征。

在一种可选的实施方式中，所述用户节点通过以下方式生成：对用户进行聚类，得到多个用户类别；对每个所述用户类别分别生成对应的一个用户节点。

在一种可选的实施方式中，所述对用户进行聚类，得到多个用户类别，包括：基于所述用户的基本信息对所述用户进行聚类，得到多个第一用户类别；基于所述用户的行为属性对所述用户进行聚类，得到多个第二用户类别。

在一种可选的实施方式中，当产生新用户时，所述方法还包括：如果所述新用户具有历史数据，则根据所述新用户的历史数据确定其行为属性，并根据所述新用户的行为属性将所述新用户划分到对应的第二用户类别；如果所述新用户不具有历史数据，则根据所述新用户的基本信息将所述新用户划分到对应的第一用户类别。