[发明专利]数据处理方法和装置

说明书

本发明公开了一种数据处理方法和装置，涉及计算机技术领域。其中，该方法包括：响应于人群拓展任务的触发，构建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。通过以上步骤，能够改善人群拓展中机器学习模型的训练效果，提高人群拓展的精准性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种数据处理方法和装置。

背景技术

人群拓展常用于广告的投放或者商家的营销活动。例如，在进行广告投放时，考虑到广告主提供的种子人群的用户量往往比较小，基于种子人群进行广告投放存在广告覆盖面小、达不到预期的流量等缺陷，广告数据平台或者购物数据平台(DMP)通过解析种子人群的显著性特征，并根据该特征对种子人群进行拓展，然后基于拓展后的人群进行广告投放，从而达到提升点击转化率或者购买转化率的目的。

现有的人群扩展方案主要包括以下两种：第一种、基于用户画像进行人群拓展。具体来说，通过用户画像分析为用户设置各类画像特征标签，分析种子人群中大部分用户具有的画像特征标签，然后将数据库中拥有高相似画像特征标签的人群列为拓展人群。第二种，基于分类算法进行人群拓展。具体来说，以种子人群为正样本、以候选人群为负样本训练分类模型，然后通过训练后的分类模型对候选人群进行筛选，以得到拓展人群。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：在第一种现有技术中，完全依赖用户画像来做人群拓展存在精准性不高、时效性不强等问题。在第二种现有技术中，由于种子人群的选取可能来自于特定的规则，因此将种子人群作为正样本容易导致模型存在过拟合的问题，而且，由于负样本的采样较为粗糙，也容易导致模型的训练效果较差，进而影响最终人群拓展的效果。

发明内容

有鉴于此，本发明提供一种数据处理方法和装置，能够改善人群拓展中机器学习模型的训练效果，提高人群拓展的精准性。

为实现上述目的，根据本发明的一个方面，提供了一种数据处理方法。

本发明的数据处理方法包括：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。

可选地，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。

可选地，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。

可选地，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。