[发明专利]基于图对比学习的用户筛选方法、装置、设备和存储介质

说明书

本申请提供一种基于图对比学习的用户筛选方法、装置、设备和存储介质，可应用于人工智能领域或金融领域，方法包括：根据用户行为记录生成多个包括用户，金融产品和用户产品的权重二元组；利用多个二元组构建二部图网络；以二部图网络作为输入，基于有监督学习方法和无监督对比学习方法训练图网络模型，获得训练好的图网络模型；利用训练好的图网络模型处理二部图网络，获得每一个第一节点的筛选指标；筛选指标作为筛选每一个第一节点表征的用户的依据。本方案通过构建二部图网络并利用图网络模型进行分析，自动确定每一用户的筛选指标，从而能够根据筛选指标自动筛选高价值用户。

技术领域

本发明涉及用户筛选技术领域，特别涉及一种基于图对比学习的用户筛选方法、装置、设备和存储介质。

背景技术

银行运营时，往往需要筛选出高价值用户，从而对这些高价值用户提供针对性的服务。传统方式是通过人工筛选的方式找出高价值用户，浪费了大量的人力成本，且人工筛选主观因素太强，不利于识别出真正的高价值用户。

发明内容

针对上述现有技术的缺点，本发明提供一种基于图对比学习的用户筛选方法、装置、设备和存储介质，以便提高用户筛选的准确度。

本申请第一方面提供一种基于图对比学习的用户筛选方法，包括：

根据用户行为记录生成多个二元组；其中，所述二元组包括用户，金融产品和用户产品权重；所述用户产品权重根据所述用户对所述金融产品的行为确定；

利用所述多个二元组构建二部图网络；其中所述二部图网络包括表征用户的第一节点，表征金融产品的第二节点和连接所述第一节点与所述第二节点的边；所述边具有连接的第一节点和第二节点对应的所述用户产品权重；

以所述二部图网络作为输入，基于有监督学习方法和无监督对比学习方法训练图网络模型，获得训练好的图网络模型；

利用所述训练好的图网络模型处理所述二部图网络，获得每一个所述第一节点的筛选指标；所述筛选指标作为筛选每一个所述第一节点表征的用户的依据。

可选的，所述根据用户行为记录生成多个二元组，包括：

针对每一个用户-产品组合，确定所述用户-产品组合对应的用户产品权重，将所述用户-产品组合中的用户和金融产品，以及所述用户-产品组合对应的用户产品权重组成所述用户-产品组合对应的二元组；

其中，确定所述用户-产品组合对应的用户产品权重的过程包括：

确定所述用户-产品组合中用户对金融产品的历史行为的行为类型和行为强度；

若行为类型为点击，所述行为强度小于第一停留阈值时，确定所述用户产品权重为第一权重；点击对应的行为强度为停留时长；

若行为类型为点击，所述行为强度大于或等于所述第一停留阈值且小于第二停留阈值时，确定所述用户产品权重为第二权重；所述第二权重大于所述第一权重；

若行为类型为点击，所述行为强度大于或等于所述第二停留阈值时，确定所述用户产品权重为第三权重；所述第三权重大于所述第二权重；

若行为类型为购买，根据对应的行为强度确定所述用户产品权重为大于所述第三权重的第四权重；所述第四权重和购买对应的行为强度正相关。

可选的，所述以所述二部图网络作为输入，基于有监督学习方法和无监督对比学习方法训练图网络模型，获得训练好的图网络模型，包括：

分别对所述二部图网络进行两次启发式数据增强，获得所述二部图网络对应的第一视图和第二视图；

利用所述图网络模型编码所述第一视图和所述第二视图，获得所述第一视图中各节点的第一表示向量，以及所述第二视图中各节点的第二表示向量；