[发明专利]一种用户人群扩散方法及装置

说明书

本发明实施例公开了一种用户人群扩散方法及装置，包括：获取多个用户之间的社交信息；根据所述多个用户之间的社交信息构建多个社区，并计算所述多个社区中每个社区的特征属性；根据所述每个社区的所述特征属性，从所述多个社区中选取目标社区，并计算所述目标社区中每个用户的社交得分；根据所述目标社区中每个用户的画像信息，计算所述目标社区中每个用户的兴趣得分；根据所述目标社区中每个用户的所述兴趣得分以及所述社交得分，确定所述种子用户经扩散后的用户人群。采用本发明实施例，可以提高人群扩散的准确性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种用户人群扩散方法及装置。

背景技术

人群扩散主要是数据管理平台(Data Management Platform，DMP)中的一个重要组件，首先给定种子用户，然后根据种子用户生成一个更大的扩散人群，使得该扩散人群与给定的种子用户尽可能相似，并且投放效果(如，点击率，转化率等)尽可能好。

目前，主流的人群扩散方法为Facebook等使用的Lookalike方法。包括：首先计算其他用户与种子用户的相似得分，然后根据相似得分确定扩散规模范围内的用户。主要思路包括：将种子用户作为正样本，其他用户作为负样本，设计画像相关的特征(如，兴趣、人口属性等)，使用机器学习算法训练得到Lookalike模型，使用Lookalike模型对其他用户进行相似度打分。其中，Lookalike是人群扩散的一种方法，给定一个人群进而返回一个人群，使得该人群与给定人群的画像、属性、行为(点击、转化、互动)等尽可能相似。但是，Lookalike只考虑到了用户之间画像的相似度，人群扩散的准确性不够高，在社交平台投放社交互动效果不理想。

发明内容

本发明实施例提供一种用户人群扩散方法及装置。可以提高人群扩散的准确性。

第一方面，本发明实施例提供了一种用户人群扩散方法，包括：

获取多个用户之间的社交信息；

根据所述多个用户之间的社交信息构建多个社区，并计算所述多个社区中每个社区的特征属性；

根据所述每个社区的所述特征属性，从所述多个社区中选取目标社区，并计算所述目标社区中每个用户的社交得分；

根据所述目标社区中每个用户的画像信息，计算所述目标社区中每个用户的兴趣得分；

根据所述目标社区中每个用户的所述兴趣得分以及所述社交得分，确定所述种子用户经扩散后的用户人群。

其中，所述特征属性包括社区质量，所述计算所述多个社区中每个社区的特征属性包括：

根据所述多个用户之间的社交信息，计算所述多个用户之间的边影响力以及所述多个用户中每个用户的自身影响力；

计算所述多个社区中每个社区的局部模块度；

根据所述每个社区的局部模块度、所述每个社区中用户之间的边影响力以及所述每个社区中用户的自身影响力，计算所述每个社区的社区质量。

其中，所述f(u,v)为用户u对用户v的边影响力，所述message_(u,v)为预设时长内所述用户u给所述用户v发信息的次数，所述comment_(u,v)为所述预设时长内所述用户u给所述用户v的评论次数，所述like_(u,v)为所述预设时长内所述用户u给所述用户v的点赞次数，所述a、所述b以及所述c为常数。

其中，所述node_inf(u)为所述用户u的自身影响力，所述node_inf(i)为用户i的自身影响力，所述f(u,v)为所述用户u对所述用户v的边影响力，所述f(j,i)为用户j对所述用户i的边影响力，所述m为常数。

其中，所述计算所述多个社区中每个社区的局部模块度包括：