[发明专利]目标对象确定方法、装置、电子设备及存储介质

权利要求书

1.一种目标对象确定方法，其特征在于，所述方法包括：

获取与不同对象相对应的资源交易数据；

基于所述资源交易数据，确定相应的对象编码特征和行为编码特征，并根据所述对象编码特征和行为编码特征确定相应的候选对象集合；

确定所述候选对象集合对应的特征编码频繁序列模式；

删除各项频繁前缀中均未出现的特征类型字段；

根据所述目标对象的使用环境，对所述特征类型字段的权重参数进行调整；

基于所述特征类型字段的权重参数，对所述候选对象集合对应的特征编码频繁序列模式进行加权，确定所述对象编码特征序列的字段类型平均权重参数为与所述目标对象相匹配的权重参数；

基于与所述目标对象相匹配的权重参数，对所述对象编码特征和行为编码特征分别进行聚类处理；

根据所述对象编码特征和行为编码特征的聚类结果，以及相应的筛选条件，确定所述候选对象集合中与所述筛选条件相匹配的目标对象。

2.根据权利要求1所述的方法，其特征在于，所述获取与不同对象相对应的资源交易数据，包括：

获取所述不同对象在社交资源交换进程中的第一资源交易数据；

获取所述不同对象在金融资源交换进程中的第二资源交易数据；

建立所述第一资源交易数据与所述第二资源交易数据的关联关系集合，以形成与不同对象相对应的资源交易数据。

3.根据权利要求1所述的方法，其特征在于，所述基于所述资源交易数据，确定相应的对象编码特征和行为编码特征，包括：

基于所述资源交易数据，对所述对象编码特征和行为编码特征分别进行除噪，以删除相应维度的单值特征；

确定所述对象编码特征和行为编码特征中的异常值，并对所述对象编码特征和行为编码特征中的异常值分别进行删除；

基于所删除的相应维度的单值特征和相应异常值对所述对象编码特征和行为编码特征分别进行数据填充与特征构造处理。

4.根据权利要求3所述的方法，其特征在于，所述基于所删除的相应维度的单值特征和相应异常值对所述对象编码特征和行为编码特征分别进行数据填充与特征构造处理，包括：

确定所述对象编码特征和行为编码特征中的相应的特征类型；

当所述特征类型为连续型特征时，通过相应的均值进行数据填充，并对所述连续型特征进行分箱离散化的特征构造处理；

当所述特征类型为离散型特征时，通过相应的常数进行数据填充，并对所述离散型特征进行类型编码处理以实现相应的特征构造。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

根据第一资源交易数据与第二资源交易数据的关联关系集合，确定与所述关联关系集合相匹配的不同维度的基础对象标签；

响应于与所述关联关系集合相匹配的不同维度的基础对象标签，对所述不同对象进行筛选，以确定所述不同对象中的基础对象。

6.根据权利要求1所述的方法，其特征在于，所述确定所述候选对象集合对应的特征编码频繁序列模式，包括：

基于前缀投影的模式挖掘算法，确定单位长度的对象特征编码序列前缀和对应投影数据集；

基于对象特征编码序列前缀出现频率，将支持度高于最小支持度阈值的所述对象特征编码序列前缀添加至所述应投影数据集，确定相应的频繁一项集序列模式；

基于所述频繁一项集序列模式对所述对象特征编码序列前缀进行迭代处理，直至达到相应的最小支持度要求参数；

根据对所述对象特征编码序列前缀进行迭代处理的结果，确定所述候选对象集合对应的特征编码频繁序列模式。

7.根据权利要求1所述的方法，其特征在于，所述根据所述对象编码特征和行为编码特征的聚类结果，以及相应的筛选条件，确定所述候选对象集合中与所述筛选条件相匹配的目标对象，包括：

基于所述对象编码特征序列的字段类型平均权重参数，对相应的用户特征进行加权，确定相应的第一样本特征向量；

根据所述第一样本特征向量与所述聚类结果，确定所述候选对象集合中与所述筛选条件相匹配的目标对象。