[发明专利]用户分级方法、装置及计算机可读存储介质

权利要求书

1.一种用户分级方法，其特征在于，所述方法包括：

获取原始用户标签集、原始用户行为记录集和产品分级集，并对所述原始用户标签集及所述原始用户行为记录集进行去异常处理得到具有对应关系的初级用户标签集及初级用户行为记录集；

根据用户属性对所述初级用户标签集进行分级操作，得到普通用户标签集及核心用户标签集：

将所述初级用户行为记录集进行预处理操作后得到训练集，将所述训练集、所述普通用户标签集及所述核心用户标签集输入至预先构建的分级模型中训练得到损失值，判断所述损失值与预设损失值的大小关系，若所述损失值大于所述预设损失值，所述分级模型继续训练内部参数，若所述损失值小于或等于所述预设损失值，所述分级模型完成训练；

接收用户的行为记录，将用户的所述行为记录输入至完成训练的所述分级模型中对所述用户进行分级得到用户分级集；

根据所述用户分级集与所述产品分级集建立用户-产品对应模型，根据所述用户-产品对应模型推荐用户对应的产品。

2.如权利要求1所述的用户分级方法，其特征在于，所述分级模型包括输入层、卷积层、池化层、全连接层和输出层；及

所述训练包括：

利用所述输入层接收所述初级用户行为记录集，利用所述卷积层、池化层、全连接层结合激活函数根据所述初级用户行为记录集进行训练，得到训练值并通过输出层输出预测值；

将所述预测值与所述所述普通用户标签集及所述核心用户标签集进行损失计算得到损失值。

3.如权利要求2所述的用户分级方法，其特征在于，所述激活函数包括：

其中，O_j表示所述全连接层第j个神经元的输出值，I_j表示所述输出层第j个神经元的输入值，t表示所述输出层神经元的总量，e为无限不循环小数；

所述损失计算包括：

其中，s为所述预测值，k为所述初级用户标签集的数量，y_i为所述普通用户标签集，y′_i为所述核心用户标签集。

4.如权利要求1至3中任意一项所述的用户分级方法，其特征在于，所述建立用户-产品对应模型包括：

根据所述用户分级集与所述产品分级集计算不同用户对不同产品的偏好相似度；

计算所述用户分级集中的用户行为习惯相似度；

基于所述偏好相似度及所述用户行为习惯相似度构建出所述用户-产品对应模型。

5.如权利要求4所述的用户分级方法，其特征在于，所述偏好相似度包括：

其中，ps(m，n)为不同用户对不同产品的偏好相似度，其中m，n表示所述用户分级集中不同的用户级别数据，m为所述用户分级集中核心用户的用户级别数据，n为所述用户分级集中普通用户的用户级别数据，p_s表示所述分级产品集，s为不同的分级产品，r_mi、r_ni表示在所述分级产品集其中一个级别下，所述用户分级集同一级别的用户数，r_m、r_n为所述用户分级集中不同级别的用户总数，a、b为所述偏好相似度的相关系数。