[发明专利]用户群体分类的确定方法、装置、电子设备及存储介质

权利要求书

1.一种用户群体分类的确定方法，其特征在于，包括：

获取目标用户在预设时间内的操作信息；

根据所述操作信息获取与所述操作信息相对应的特征序列；

将所述特征序列分别输入至与各用户群体分类相对应的至少一个机器分类模型中，根据所述机器分类模型的输出结果确定所述目标用户的群体分类。

2.根据权利要求1所述的方法，其特征在于，所述获取目标用户在预设时间内的操作信息，包括：

若达到第一时间阈值时，则获取目标用户在预设时间内的操作信息；和/或，

当接收到触发操作时，则获取目标用户在预设时间内的操作信息。

3.根据权利要求1所述的方法，其特征在于，所述将所述特征序列分别输入至与各用户群体分类相对应的至少一个机器分类模型中，根据所述机器分类模型的输出结果确定所述目标用户的群体分类，包括：

将所述特征序列分别输入至与各用户群体分类相对应的二分类模型中，若所述二分类模型的输出结果与第一预设结果相一致，则确定所述目标用户的群体分类与当前所述二分类模型的名称相同。

4.根据权利要求1所述的方法，其特征在于，所述将所述特征序列分别输入至与各用户群体分类相对应的至少一个机器分类模型中，根据所述机器分类模型的输出结果确定所述目标用户的群体分类，包括：

将所述特征序列分别输入至与各用户群体分类相对应相似度模型中，若所述相似度模型的输出结果在预设阈值范围之内，则确定所述目标用户的群体分类与当前所述相似度模型的名称相同。

5.根据权利要求1所述的方法，其特征在于，所述根据操作信息获取与所述操作信息相对应的特征序列包括：

将所述操作信息输入到预先训练生成的特征生成模型中，得到与所述操作信息相对应的特征序列。

6.根据权利要求5所述的方法，其特征在于，训练生成特征生成模型的步骤包括：

获取至少一个用户的操作信息，并将所述操作信息作为第一样本数据，采用深度神经网络算法训练得到特征生成模型；

其中，所述特征生成模型用于将所述目标用户的操作信息转换为与所述操作信息相对应的特征序列。

7.根据权利要求1所述的方法，其特征在于，所述根据所述机器分类模型的输出结果确定所述目标用户的群体分类，包括：

确定所述目标用户在至少两个时间段的群体分类，且不同时间段的群体分类类型不同。

8.根据权利要求1所述的方法，其特征在于，还包括：

当所述目标用户触发客户端上的各频道时，则根据所述目标用户的群体分类向所述目标用户推送所述频道的内容。

9.根据权利要求8所述的方法，其特征在于，所述各频道包括明星频道、搞笑频道、音乐频道、母婴频道、舞蹈频道、动漫频道、游戏频道、电影频道、旅游频道、奢侈品频道或者小说频道中的一种或者多种。

10.一种用户群体分类的确定装置，其特征在于，包括：

获取操作信息模块，用于获取目标用户在预设时间内的操作信息；

确定特征序列模块，用于根据所述操作信息获取与所述操作信息相对应的特征序列；

确定用户群体分类模块，用于将所述特征序列分别输入至与各用户群体分类相对应的至少一个机器分类模型中，根据所述机器分类模型的输出结果确定所述目标用户的群体分类。

11.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的用户群体分类的确定方法。

12.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-9中任一所述的用户群体分类的确定方法。