[发明专利]一种用户行为特征的提取和分类预测的方法及装置

说明书

本说明书提供一种用户行为特征的提取和分类预测的方法及装置，根据用户行为特征的提取方法，获取目标用户的行为信息；所述行为信息包括所述目标用户在预设时段内的多个行为中各个行为各自所属的行为类别及各自发生的时刻；基于所述行为信息确定所述各个行为各自对应的各个嵌入向量，得到由所述各个嵌入向量构成的初始向量序列；利用目标模型处理所述初始向量序列，得到表征所述目标用户行为特征的目标向量序列；所述目标向量序列用于涉及所述目标用户的分类预测业务。如此使得最终得到的表征目标用户行为特征的目标向量序列能够表达更加丰富的特征信息，从而提高了针对目标用户的分类预测业务的预测能力。

技术领域

本说明书一个或多个实施例涉及机器学习技术领域，特别涉及一种用户行为特征的提取和分类预测的方法及装置。

背景技术

随着互联网技术的不断发展，使得人工智能技术越来越多的应用于人们的工作和生活中，为人们的工作和生活提供了诸多便利。由于应用人工智能技术的分类预测业务很大程度上依赖于特征的提取，因此，如何提取包含丰富信息的特征显得尤为重要。

发明内容

为了解决上述技术问题之一，本说明书一个或多个实施例提供一种用户行为特征的提取和分类预测的方法及装置。

根据第一方面，提供一种用户行为特征的提取方法，包括：

获取目标用户的行为信息；所述行为信息包括所述目标用户在预设时段内的多个行为中各个行为各自所属的行为类别及各自发生的时刻；

基于所述行为信息确定所述各个行为各自对应的各个嵌入向量，得到由所述各个嵌入向量构成的初始向量序列；

利用目标模型处理所述初始向量序列，得到表征所述目标用户行为特征的目标向量序列；所述目标向量序列用于涉及所述目标用户的分类预测业务。

可选的，通过如下方式基于所述行为信息确定所述多个行为中任意一个行为对应的嵌入向量：

获取预先针对该行为所属的行为类别而设定的类别向量；

基于该行为所属的行为类别及发生的时刻，确定该行为对应的修正系数；

利用该修正系数对该类别向量进行修正，得到该行为对应的嵌入向量。

可选的，所述基于该行为所属的行为类别及发生的时刻，确定该行为对应的修正系数，包括：

获取针对该行为所属的行为类别设定的第一修正向量和第二修正向量；

确定该行为对应的时间因数；所述时间因数与目标时间差正相关；所述目标时间差为该行为发生的时刻与所述预设时段的起始时刻的时间差；

基于所述第一修正向量、所述第二修正向量和所述时间因数，确定该行为对应的修正系数。

可选的，所述基于所述第一修正向量、所述第二修正向量和所述时间因数，确定该行为对应的修正系数，包括：

计算所述第一修正向量与所述时间因数的乘积；

将所述乘积与所述第二修正向量的和作为自变量，输入激活函数；

将所述激活函数的输出的结果确定为该行为对应的修正系数。

可选的，所述涉及所述目标用户的分类预测业务包括以下任意一项或多项：

对涉及所述目标用户的预设信息进行预估的业务；

向所述目标用户推荐信息的业务；

为所述目标用户提供规划的业务；

对所述目标用户进行分类的业务；

为所述目标用户分配服务资源的业务。