[发明专利]用户类别确定方法及装置、推荐内容确定方法、电子设备

说明书

本公开提供一种用户类别确定方法及装置、推荐内容确定方法、电子设备；涉及人工智能领域。用户类别确定方法包括：基于历史推荐内容的特征以及多个候选中心数，对所述历史推荐内容进行聚类，得到各所述候选中心数对应的聚类模型；根据各所述聚类模型的聚类效果评估数据，从所述多个候选中心数中确定出目标中心数；根据样本用户的联合特征以及所述目标中心数训练得到目标聚类模型；利用所述目标聚类模型基于预测用户的联合特征，对所述预测用户进行聚类，并将属于同一聚类簇的所述预测用户确定为同一类别；其中，用户的联合特征是根据所述用户的用户特征以及与所述用户关联的历史推荐内容的特征而确定。本公开能够提高用户分类的准确性。

技术领域

本公开涉及人工智能技术领域，具体而言，涉及基于人工智能的一种用户类别确定方法、用户类别确定方法装置、推荐内容确定方法、电子设备以及计算机可读存储介质。

背景技术

在很多场景中，需要通过人工智能技术对用户进行分类，例如可以通过有监督机器学习方法或者无监督机器学习方法进行用户类别确定。举例而言，聚类算法属于一种常用的无监督机器学习方法，能够把相似的用户划分到相同的聚类簇，不相似的用户划分到不同的聚类簇。

然而，对于如K均值聚类法等需要预先指定中心数的聚类算法，其中的中心数通常是人为设定的固定值，不一定是最优的聚类簇数量，进而导致最终的聚类结果不够准确。此外，在部分技术中，仅基于用户的用户特征进行聚类，同样可能导致最终的聚类结果不够准确。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例的目的在于提供一种用户类别确定方法、用户类别确定方法装置、推荐内容确定方法、推荐内容确定装置、电子设备以及计算机可读存储介质，进而能够更加准确的确定用户类别。

根据本公开的一个方面，提供一种用户类别确定方法，包括：

基于历史推荐内容的特征以及多个候选中心数，对所述历史推荐内容进行聚类，得到各所述候选中心数对应的聚类模型；根据各所述聚类模型的聚类效果评估数据，从所述多个候选中心数中确定出目标中心数；根据样本用户的联合特征以及所述目标中心数训练得到目标聚类模型；利用所述目标聚类模型基于预测用户的联合特征，对所述预测用户进行聚类，并将属于同一聚类簇的所述预测用户确定为同一类别；其中，用户的联合特征是根据所述用户的用户特征以及与所述用户关联的历史推荐内容的特征而确定。

在本公开的一种示例性实施例中，基于历史推荐内容的特征以及多个候选中心数，对所述历史推荐内容进行聚类，包括：

遍历候选中心数2至N，对于候选中心数i执行下述过程：

基于历史推荐内容的特征以及该所述候选中心数i，对所述预测用户进行聚类，得到候选中心数i对应的聚类模型；其中，N为大于2的整数，i为整数且i∈[2,N]。

在本公开的一种示例性实施例中，从所述多个候选中心数中确定出目标中心数，包括：

分别计算各候选中心数i对应的聚类模型中聚类簇间的类间方差S_i；选择对应的类间方差最大的候选中心数为所述目标中心数。

在本公开的一种示例性实施例中，从所述多个候选中心数中确定出目标中心数，包括：

分别计算各候选中心数i对应的聚类模型中聚类簇间的类间方差S_i；分别计算各候选中心数i对应的类间方差增量S_i-S_i-1；在对应的类间方差增量小于预设值的候选中心数中，选择数值最小的候选中心数为所述目标中心数。

在本公开的一种示例性实施例中，根据样本用户的联合特征以及所述目标中心数训练得到目标聚类模型，包括：