[发明专利]信息处理方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种信息处理方法，其特征在于，包括：

获取用户类别训练数据集，其中，所述用户类别训练数据集包括具有重要性权重的用户类别训练数据，所述用户类别训练数据的重要性权重是根据预设类别用户的用户数据和未分类待测用户的用户数据计算出的；

获取待测用户的待测用户数据集；

对所述用户类别训练数据集进行训练，得到信息处理模型；

将所述待测用户数据集中的待测用户数据输入至所述信息处理模型，对待测用户进行预设类别预测，

其中，所述对所述用户类别训练数据集进行训练，得到信息处理模型，包括：

对所述具有重要性权重的用户类别训练数据进行数值化；

根据预设类别中的目标类别确定分类函数；

将数值化的用户类别训练数据中的所述预设类别用户的用户数据作为正样本，将数值化的用户类别训练数据中的所述待测用户的用户数据作为负样本，训练确定所述分类函数的参数，得到所述信息处理模型。

2.根据权利要求1所述的方法，其特征在于，其中，所述待测用户数据集包括具有重要性权重的待测用户数据，所述待测用户数据的重要性权重是根据预设类别用户的用户数据和待测用户的用户数据计算出的。

3.根据权利要求2所述的方法，其特征在于，所述获取用户类别训练数据集，包括：

获取用户数据，所述用户数据包括预设类别用户的用户数据和所述待测用户的用户数据；

获取用户类别特征数据；

关联所述用户数据与用户类别特征数据，得到用户类别训练数据集，所述用户类别训练数据集包括具有重要性权重的用户类别训练数据，所述用户类别训练数据的重要性权重是根据预设类别用户的用户数据和待测用户的用户数据计算出的。

4.根据权利要求3所述的方法，其特征在于，所述获取待测用户的待测用户数据集，包括：

关联所述用户数据与用户类别特征数据，得到待测用户数据集，所述待测用户数据集包括具有重要性权重的待测用户数据，所述待测用户数据的重要性权重是根据预设类别用户的用户数据和待测用户的用户数据计算出的。

5.根据权利要求3所述的方法，其特征在于，所述获取用户类别特征数据，包括：

对所述用户数据进行分词以得到用户字典，其中，所述用户字典包括对用户数据进行分词得到的词组和词组在用户数据中的出现次数；

根据所述用户字典的内容计算所述用户字典内的词组的重要性权重，以得到所述用户类别特征数据。

6.根据权利要求5所述的方法，其特征在于，在所述对所述用户数据进行分词以得到用户字典之前，包括：

根据预设的与用户分类不相关的非用户分类相关词组集，去除对用户数据进行分词得到的词组中属于所述非用户分类相关词组集的词组。

7.根据权利要求5所述的方法，其特征在于，所述根据所述用户字典的内容计算所述用户字典内的词组的重要性权重，以得到所述用户类别特征数据，包括：

根据所述用户字典的内容使用TF-IDF算法计算所述用户字典内的词组的重要性权重，以得到所述用户类别特征数据。

8.根据权利要求1所述的方法，其特征在于，当预设类别为2个或更多个时，所述根据预设类别中的目标类别确定分类函数，包括：

根据每一个目标类别，确定分类函数，其中，所述分类函数的数量与预设类别数量相同。

9.根据权利要求8所述的方法，其特征在于，所述将数值化的用户类别训练数据中的所述预设类别用户的用户数据作为正样本，将数值化的用户类别训练数据中的所述待测用户的用户数据作为负样本，训练确定所述分类函数的参数，得到所述信息处理模型，包括：

将数值化的用户类别训练数据中的每一个目标类别的用户的用户数据作为正样本，将数值化的用户类别训练数据中的非所述目标类别的用户的用户数据作为负样本，训练确定所述目标类别的分类函数的参数，得到所述目标类别的信息处理模型，其中，所述信息处理模型的数量与预设类别数量相同。