[发明专利]一种用户画像模型的优化方法、介质以及设备

权利要求书

1.一种用户画像模型的优化方法，其特征在于，包括：

获取用户行为数据；

根据所述行为数据，基于预先建立的第一预测模型，获得第一预测结果；

根据所述第一预测结果和所述行为数据，训练优化第二预测模型；

在根据所述行为数据，基于预先建立的第一预测模型，获得第一预测结果的步骤之前，还包括：

获取样本数据；

对所述样本数据进行分类；

对分类后的所述样本数据进行数据清洗，获得所述样本数据的特征样本数据；

根据所述特征样本数据，训练第一预测模型；

在根据所述特征样本数据，训练第一预测模型的步骤之前，还包括：

对所述特征样本数据进行组合，获得新特征样本数据；

所述根据所述特征样本数据，训练第一预测模型，包括：

根据所述新特征样本数据，训练第一预测模型；

在对特征样本数据进行组合时，分析特征之间的关联性，将各种特征进行组合，做多层线性变换，并将特征空间进行旋转；

在对所述特征样本数据进行组合，获得新特征样本数据的步骤之后，还包括：对所述新特征样本数据进行归一化处理；所述根据所述特征样本数据，训练第一预测模型，包括：根据归一化处理后的所述新特征样本数据，训练第一预测模型；

在训练第一预测模型的步骤之后，还包括：

获取测试数据；

根据所述测试数据，计算所述第一预测模型的准确度分值；

判断所述准确度分值是否大于预设准确度阈值；

若大于，则执行所述根据所述行为数据，基于预先建立的第一预测模型，获得第一预测结果的步骤；

若不大于，则重新执行所述根据所述特征样本数据，训练第一预测模型的步骤；

在根据所述第一预测结果和所述行为数据，训练优化第二预测模型的步骤之前，还包括：

基于所述第一预测模型，获得所述第一预测结果的置信度；

判断所述置信度是否小于相应的第一阈值；若小于，则重新执行所述根据所述特征样本数据，训练第一预测模型的步骤；

若不小于，则输出所述第一预测结果；并判断所述置信度是否大于相应的第二阈值；

若大于，则判断所述第一预测结果可做为训练特征；若不大于，则判断所述第一预测结果不可做为训练特征；

所述根据所述第一预测结果和所述行为数据，训练优化第二预测模型，包括：

根据所述置信度大于所述第二阈值的所述第一预测结果和所述行为数据，训练优化第二预测模型。

2.根据权利要求1所述的方法，其特征在于，所述对所述样本数据进行分类，包括：

根据行为模式，对所述样本数据进行分类。

3.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-2之一所述的方法。

4.一种用户画像模型的优化设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-2之一所述的方法。