[发明专利]预测用户的身份标签的方法及装置和电子设备

说明书

一种预测用户的身份标签的方法包括：获取待预测用户的身份特征；其中，所述身份特征包括指示与其他用户存在社交关系的社交关系特征；将所述待预测用户的身份特征，输入至训练完成的图模型，以将所述待预测用户的身份特征与其他存在社交关系的用户的身份特征进行特征融合得到融合特征；其中，所述图模型包括与若干有身份标签用户和若干无身份标签用户的身份特征对应的节点；所述节点之间按照所述有身份标签用户和所述无身份标签用户之间的社交关系进行链接；将所述融合特征，输入训练完成的分类器中进行计算，得到所述待预测用户的身份标签；其中，所述分类器为将若干有身份标签用户和若干无身份标签用户的身份特征作为训练样本训练得到。

技术领域

本说明书实施例涉及互联网技术领域，尤其涉及一种预测用户的身份标签的方法及装置和电子设备。

背景技术

身份标签是用于对用户进行分类的一种标识。一般的，用户的身份标签是由业务人员基于用户的个人基本信息总结归纳确定的。

然而，随着业务不断发展，新增用户的数量会越来越多，而人工标注身份标签的效率较低，往往无法应对不断新增的用户。

发明内容

本说明书实施例提供的一种预测用户的身份标签的方法及装置和电子设备：

根据本说明书实施例的第一方面，提供一种预测用户的身份标签的方法，所述方法包括：

获取待预测用户的身份特征；其中，所述身份特征包括指示与其他用户存在社交关系的社交关系特征；

将所述待预测用户的身份特征，输入至训练完成的图模型，以将所述待预测用户的身份特征与其他存在社交关系的用户的身份特征进行特征融合得到融合特征；其中，所述图模型包括与若干有身份标签用户和若干无身份标签用户的身份特征对应的节点；所述节点之间按照所述有身份标签用户和所述无身份标签用户之间的社交关系进行链接；

将所述融合特征，输入训练完成的分类器中进行计算，得到所述待预测用户的身份标签；其中，所述分类器为将若干有身份标签用户和若干无身份标签用户的身份特征作为训练样本训练得到。

可选的，所述图模型通过如下方式训练得到：

获取若干无身份标签用户和若干有身份标签用户的身份特征；

构建与若干无身份标签用户和若干有身份标签用户的身份特征对应的节点，并基于所述无身份标签用户和有身份标签用户之间的社交关系对构建的节点进行链接；

通过图模型训练算法，训练所述图模型中相连节点之间边的权重，以得到所述图模型。

可选的，所述将所述待预测用户的身份特征与其他存在社交关系的用户的身份特征进行特征融合得到融合特征，包括：

在所述图模型中确定与所述待预测用户的身份特征对应的目标节点，以及与该目标节点存在链接关系的其它节点；

将所述目标节点对应的身份特征，与所述其它节点对应的的身份特征进行拼接；

将拼接后的身份特征乘以所述目标节点和所述其它节点所在边权重，得到融合后的身份特征。

可选的，所述方法还包括：

确定所述图模型中的权重大于阈值的边；

在得到所述待预测用户的身份标签之后，将所述图模型中的权重大于阈值的边对应的身份特征进行输出，确定作为与该身份标签对应的可解释性结果。

可选的，在将所述待预测用户的身份特征，输入训练完成的图模型之前，还包括：

对所述身份特征进行embedding非线性映射。

可选的，所述图模型包括有向图模型。