[发明专利]账户分类方法、装置、计算机设备和存储介质

说明书

本申请涉及人工智能，提供一种账户分类方法、装置、计算机设备和存储介质，所述方法包括：将候选兴趣标签进行特征化处理，得到候选兴趣标签特征；获取特征筛选模型，特征筛选模型是由互信息算法和随机森林算法进行构建的，将候选兴趣标签特征输入特征筛选模型中，输出目标兴趣特征；从候选兴趣标签中确定与目标兴趣特征对应的目标兴趣标签；将目标兴趣标签输入已训练的预测模型中，输出与目标兴趣标签对应的资源信息概率；当资源信息概率大于预设资源阈值时，将候选兴趣标签对应的账户标识划分至对应的资源群组，能够通过兴趣标签准确且快捷地将账户标识划分至对应的资源群组中。

技术领域

本申请涉及计算机技术领域，特别是涉及一种账户分类方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术领域的高速发展，不同类型的账户层出不穷，由于账号种类的繁多，当需要针对不同账户类型制定不同服务策略时就显得十分困难，因此对账户进行有效的分类是个亟需解决的问题。

传统地对账户进行分类时需要获取与账户相关的大量个人隐私信息，例如存款状况、名下不动产等，但由于个人隐私信息的难获取性，导致在进行账户分类时容易出现分类不准确的情况。

发明内容

基于此，有必要针对上述技术问题，提供一种账户分类方法、装置、计算机设备和存储介质，能够通过兴趣标签准确且快捷地将账户标识划分至对应的资源群组中。

一种账户分类方法，所述方法包括：

获取账户标识对应的候选兴趣标签，将所述候选兴趣标签进行特征化处理，得到所述候选兴趣标签对应的候选兴趣标签特征；

获取特征筛选模型，所述特征筛选模型是由互信息算法和随机森林算法进行构建的，将所述候选兴趣标签特征输入所述特征筛选模型中，输出目标兴趣特征；

从所述候选兴趣标签中确定与所述目标兴趣特征对应的目标兴趣标签；

将所述目标兴趣标签输入已训练的预测模型中，输出与所述目标兴趣标签对应的资源信息概率；

当所述资源信息概率大于预设资源阈值时，将所述候选兴趣标签对应的账户标识划分至对应的资源群组。

在其中一个实施例中，所述方法还包括：

获取与账户标识对应的特质数据和行为数据；

根据所述特质数据确定与所述账户标识对应的第一特质标签，根据所述行为数据确定与所述账户标识对应的第一行为标签；

将所述第一特质标签和所述第一行为标签进行汇总，得到候选兴趣标签。

在其中一个实施例中，所述方法还包括：

确定与所述行为数据对应的行为频次信息；筛除所述行为频次信息小于预设行为阈值的行为数据，得到目标行为数据；

根据所述目标行为数据确定与所述账户标识对应的第一行为标签，将所述第一特质标签和所述第一行为标签进行汇总，得到所述候选兴趣标签。

在其中一个实施例中，所述方法还包括：

获取模型训练样本，将所述模型训练样本按预设比例划分为训练集和验证集；将所述训练集输入基础预测模型中进行训练，得到中间预测模型；

将所述验证集输入所述中间预测模型中进行验证，得到当前验证结果；获取预先设定的与所述模型训练样本对应的目标验证结果；

当所述当前验证结果与所述目标验证结果不一致时，对所述中间模型进行参数调整，直至所述当前验证结果与所述目标验证结果一致时，得到预测模型。

在其中一个实施例中，所述方法还包括：