[发明专利]数据处理方法和装置

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

响应于人群拓展任务的触发，确定用于人群拓展的候选用户集；

根据第一提取规则从所述候选用户集中提取部分用户，然后将提取的所述部分用户和种子用户集作为正样本用户；根据第二提取规则提取部分用户作为负样本用户；

根据所述正样本用户和负样本用户的用户特征数据对第一机器学习模型进行训练，以得到训练后的第一机器学习模型；

根据所述训练后的第一机器学习模型从所述候选用户集中筛选出拓展用户集。

2.根据权利要求1所述的方法，其特征在于，所述确定用于人群拓展的候选用户集包括：

获取需要进行人群拓展的业务活动信息；根据所述业务活动信息查询数据库表，以得到与之对应的候选用户集；其中，所述业务活动信息包括业务活动涉及的目标商品的品牌标识、业务活动涉及的目标商品的品类标识、业务活动涉及的店铺标识中的至少一项。

3.根据权利要求2所述的方法，其特征在于，所述候选用户集包括：短期兴趣用户集和中长期兴趣用户集；其中，所述短期兴趣用户集是基于用户的短期行为特征数据筛选出来的对所述目标商品感兴趣的用户集；所述中长期兴趣用户集是基于用户的中长期行为特征数据筛选出来的对所述目标商品感兴趣的用户集。

4.根据权利要求3所述的方法，其特征在于，所述短期兴趣用户集包括：第一短期兴趣用户集、第二短期兴趣用户集和第三短期兴趣用户集；所述方法还包括：

从近期对目标商品有第一类型的操作行为的第一用户集中筛选出第一短期兴趣用户集；确定所述目标商品的相似商品，然后从近期对所述相似商品有第一类型的操作行为的第二用户集中筛选出第二短期兴趣用户集；从近期对所述目标商品或者所述相似商品有第二类型的操作行为的第三用户集中筛选出第三短期兴趣用户集。

5.根据权利要求4所述的方法，其特征在于，所述从近期对目标商品有第一类型的操作行为的第一用户集中筛选出第一短期兴趣用户集包括：

获取近期对目标商品有第一类型的操作行为的第一用户集；根据训练后的第二机器学习模型确定所述第一用户集中各个用户对目标商品的偏好度；将所述偏好度大于预设阈值的所有用户、或者将偏好度最大的预设数量的用户，作为第一短期兴趣用户集。

6.根据权利要求2所述的方法，其特征在于，所述中长期兴趣用户集包括：第一中长期兴趣用户集、以及第二中长期兴趣用户集；所述方法还包括：

对所述种子用户集中各个用户对应的画像标签的取值分布情况进行统计，以确定所述种子用户集对应的群体画像；根据与所述群体画像相似的用户构建第一中长期兴趣用户集；根据近期对所述目标商品没有购买行为、但是曾经对所述目标商品有购买行为的用户构建第二中长期兴趣用户集。

7.根据权利要求1所述的方法，其特征在于，所述根据所述训练后的第一机器学习模型从所述候选用户集中筛选出拓展用户集包括：

根据所述训练后的第一机器学习模型确定所述候选用户集中各个用户对目标商品的偏好度；将所述偏好度大于预设阈值的所有用户、或者将偏好度最大的预设数量的用户，作为拓展用户集。

8.一种数据处理装置，其特征在于，所述装置包括：

确定模块，用于响应于人群拓展任务的触发确定建用于人群拓展的候选用户集；

提取模块，用于根据第一提取规则从所述候选用户集中提取部分用户，然后将提取的所述部分用户和种子用户集作为正样本用户；还用于根据第二提取规则提取部分用户作为负样本用户；

训练模块，用于根据所述正样本用户和负样本用户的用户特征数据对第一机器学习模型进行训练，以得到训练后的第一机器学习模型；

筛选模块，用于根据所述训练后的第一机器学习模型从所述候选用户集中筛选出拓展用户集。