[发明专利]基于用户匹配度的团实例对象获取方法及装置

说明书

本发明公开了一种基于用户匹配度的团实例对象获取方法及装置。方法包括：提取出目标用户的用户特征；提取团实例对象的团实例特征；将目标用户的用户特征以及任一团实例对象的团实例特征输入至预先训练好的机器学习模型中；其中，预先训练好的机器学习模型为基于多个历史用户的用户属性数据、预设历史时间段内状态为运行状态的多个历史团实例对象的团实例数据以及多个历史用户与多个历史团实例对象的交互数据训练获得；获取机器学习模型输出的目标用户与任一团实例对象的匹配度；根据匹配度获取与目标用户匹配的团实例对象。本方案能够准确地获取与目标用户对应的团实例对象，便于实现团实例对象的精准化投放，从而节约投放资源，提升用户体验。

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于用户匹配度的团实例对象获取方法及装置。

背景技术

随着科技及社会的不断发展，团购以其性价比高的特性越来越受到人们的青睐。目前，各平台在为用户投放拼团信息时，通常采用的是无差别的投放方式，即将同一拼团信息无差别地推送给所有平台用户。

然而，发明人在实施过程中发现，现有技术中存在如下缺陷：采用现有技术中的拼团信息投放方式，会使得投放的拼团信息与用户不匹配，从而不仅造成投放资源的浪费，还进一步地降低用户体验。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的基于用户匹配度的团实例对象获取方法及装置。

根据本发明实施例的一个方面，提供了一种基于用户匹配度的团实例对象获取方法，包括：

从目标用户的用户属性数据中提取出所述目标用户的用户特征；获取当前状态为运行状态的至少一个团实例对象的团实例数据，并从所述团实例数据中提取出所述至少一个团实例对象的团实例特征；将所述目标用户的用户特征以及任一团实例对象的团实例特征输入至预先训练好的机器学习模型中；其中，所述预先训练好的机器学习模型为基于多个历史用户的用户属性数据、预设历史时间段内状态为运行状态的多个历史团实例对象的团实例数据以及多个历史用户与多个历史团实例对象的交互数据训练获得；获取所述机器学习模型输出的所述目标用户与任一团实例对象的匹配度；根据所述匹配度获取与所述目标用户匹配的团实例对象。

可选的，所述用户属性数据包括以下数据中的至少一种：基本属性数据、偏好属性数据、消费能力属性数据、以及参团次数属性数据。

可选的，所述团实例数据包括以下数据中的至少一种：优惠程度数据、团人数数据、以及成团率数据。

可选的，所述多个历史用户与多个历史团实例对象的交互数据包括以下数据中的至少一种：用户对团实例对象的参与行为数据、用户对参与的团实例对象的成团结果数据、用户对成团成功的团实例对象的消费数据、以及用户对未参与的团实例对象对应的商品的收藏行为数据。

可选的，在所述将所述目标用户的用户特征以及任一团实例对象的团实例特征输入至预先训练好的机器学习模型中之前，所述方法还包括：从多个历史用户的用户属性数据、预设历史时间段内状态为运行状态的多个历史团实例对象的团实例数据以及多个历史用户与多个历史团实例对象的交互数据中提取出多个历史用户的用户特征、多个历史团实例对象的团实例特征以及多个历史用户与多个历史团实例对象的交互特征；针对于任一历史用户与任一历史团实例对象的组合，根据该历史用户的用户特征，该历史团实例对象的团实例特征，以及该历史用户与该历史团实例对象的交互特征，生成与该组合对应的样本数据；利用所述样本数据对生成的机器学习模型进行训练，以获得所述训练好的机器学习模型。

可选的，所述利用所述样本数据对构建的机器学习模型进行训练，以获得所述训练好的机器学习模型进一步包括：基于所述样本数据，生成正样本数据以及负样本数据；其中，所述正样本数据与所述负样本数据的比例满足预设比例；利用所述正样本数据以及负样本数据对构建的机器学习模型进行训练，以获得所述训练好的机器学习模型。