[发明专利]目标帐号的确定方法、装置、存储介质及电子装置

说明书

本发明公开了一种目标帐号的确定方法、装置、存储介质及电子装置。其中，该方法包括：根据获取到的种子帐号的第一帐号特征向量训练目标模型，其中，在训练的过程中，作为输入给目标模型的输入帐号的特征向量包括种子帐号的第一帐号特征向量，输入帐号的特征向量是至少使用画像特征向量和交互特征向量表示的向量；通过训练后的目标模型确定待确定帐号与种子帐号之间的相似度，其中，在确定的过程中，作为输入给目标模型的输入帐号的特征向量包括待确定帐号的第二帐号特征向量；在待确定帐号中确定出相似度满足目标相似度条件的目标帐号。本发明解决了相关技术中目标帐号的确定效率较低的技术问题。

技术领域

本发明涉及计算机领域，具体而言，涉及一种目标帐号的确定方法、装置、存储介质及电子装置。

背景技术

目前采用的人群扩散方法的目标是计算其他用户与种子用户的相似得分，然后根据扩散规模范围相似的分高的用户。该方法只考虑到了用户之间画像的相似度，而没有考虑社交因素。并没有针对社交互动进行直接优化。获取扩散人群的准确率和效率较低。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种目标帐号的确定方法、装置、存储介质及电子装置，以至少解决相关技术中目标帐号的确定效率较低的技术问题。

根据本发明实施例的一个方面，提供了一种目标帐号的确定方法，包括：根据获取到的种子帐号的第一帐号特征向量训练目标模型，其中，在所述训练的过程中，作为输入给所述目标模型的输入帐号的特征向量包括所述种子帐号的第一帐号特征向量，所述输入帐号的特征向量是至少使用画像特征向量和交互特征向量表示的向量，所述画像特征向量用于指示所述输入帐号的属性特征，所述交互特征向量用于指示所述输入帐号与所述输入帐号的邻居帐号之间的交互特征，所述输入帐号的邻居帐号包括与所述输入帐号之间在目标场景中执行过交互操作的帐号；通过训练后的所述目标模型确定待确定帐号与所述种子帐号之间的相似度，其中，在所述确定的过程中，作为输入给所述目标模型的所述输入帐号的特征向量包括所述待确定帐号的第二帐号特征向量，所述目标模型的输出用于指示所述待确定帐号与所述种子帐号之间的相似度；在所述待确定帐号中确定出所述相似度满足目标相似度条件的目标帐号。

根据本发明实施例的另一方面，还提供了一种目标帐号的确定装置，包括：训练模块，用于根据获取到的种子帐号的第一帐号特征向量训练目标模型，其中，在所述训练的过程中，作为输入给所述目标模型的输入帐号的特征向量包括所述种子帐号的第一帐号特征向量，所述输入帐号的特征向量是至少使用画像特征向量和交互特征向量表示的向量，所述画像特征向量用于指示所述输入帐号的属性特征，所述交互特征向量用于指示所述输入帐号与所述输入帐号的邻居帐号之间的交互特征，所述输入帐号的邻居帐号包括与所述输入帐号之间在目标场景中执行过交互操作的帐号；第一确定模块，用于通过训练后的所述目标模型确定待确定帐号与所述种子帐号之间的相似度，其中，在所述确定的过程中，作为输入给所述目标模型的所述输入帐号的特征向量包括所述待确定帐号的第二帐号特征向量，所述目标模型的输出用于指示所述待确定帐号与所述种子帐号之间的相似度；第二确定模块，用于在所述待确定帐号中确定出所述相似度满足目标相似度条件的目标帐号。

可选地，所述初始图卷积网络模型包括多阶嵌入层模型，所述多阶嵌入层模型具有共享参数，其中，所述第一训练子单元用于：

将每个所述网络图中节点的帐号特征向量作为所述多阶嵌入层模型中的第一阶嵌入层模型的输入信息，对所述多阶嵌入层模型进行迭代训练，得到具有目标共享参数的所述目标图卷积网络模型和所述每个节点的目标帐号特征向量；

其中，所述多阶嵌入层模型中下一阶嵌入层模型中每个所述网络图中目标节点的输入信息是至少使用所述目标节点在上一阶嵌入层模型的输出向量和每个所述网络图中除所述目标节点之外其他全部节点在上一阶嵌入层模型的输出向量表示的向量。

可选地，所述装置还包括：