[发明专利]一种处理用户信息的方法及装置在审

专利信息
申请号: 202010237631.0 申请日: 2020-03-30
公开(公告)号: CN113469721A 公开(公告)日: 2021-10-01
发明(设计)人: 王颖帅 申请(专利权)人: 北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司
主分类号: G06Q30/02 分类号: G06Q30/02;G06Q30/06
代理公司: 中原信达知识产权代理有限责任公司 11219 代理人: 郭晗;赵迪
地址: 100176 北京市北京经济技术*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 处理 用户信息 方法 装置
【权利要求书】:

1.一种处理用户信息的方法,其特征在于,包括:

获取第一类用户的第一特征信息;

根据所述第一特征信息以及价值预测模型,确定所述第一类用户对应的预测价值;所述价值预测模型是基于第二类用户的第二特征信息和历史价值所得到的;

根据所述第一类用户的历史价值以及所述预测价值,对所述第一类用户的信息进行处理。

2.根据权利要求1所述的方法,其特征在于,在预设的第一时间段内,所述第二类用户的历史价值与所述第一类用户的历史价值之间的差值小于预设第一阈值;

所述价值预测模型是基于所述第一时间段内所述第二类用户的第二特征信息以及所述历史价值所得到的。

3.根据权利要求1所述的方法,其特征在于,所述第一特征信息包括以下任意一个或多个:属性信息、历史行为信息、被推荐物品信息以及所处环境信息。

4.根据权利要求3所述的方法,其特征在于,当所述第一特征信息包括历史行为信息时,

在预设的第二时间段内,所述第二类用户的历史行为信息与所述第一类用户的历史行为信息的相似度大于预设第二阈值;

所述价值预测模型是基于所述第二类用户在所述第二时间段内的第二特征信息以及所述历史价值所得到的。

5.根据权利要求4所述的方法,其特征在于,

所述相似度是基于第二类用户的历史行为信息和所述第一类用户的历史行为信息分别对应的物品信息所得到的。

6.根据权利要求1所述的方法,其特征在于,

所述价值预测模型为lightgbm模型或卷积神经网络模型。

7.根据权利要求1所述的方法,其特征在于,所述对所述第一类用户的信息进行处理,包括:

当所述第一类用户的历史价值与所述预测价值之间的差值大于第三阈值时,根据所述差值,对所述第一类用户的虚拟资源信息进行处理。

8.根据权利要求1所述的方法,其特征在于,所述对所述第一类用户的信息进行处理,包括:

当所述第一类用户的历史价值与所述预测价值之间的差值大于第四阈值时,根据所述第一类用户的第一特征信息以及所述差值,生成并展示与所述第一类用户对应的推荐信息。

9.一种处理用户信息的装置,其特征在于,包括:特征获取模块、预测模块和处理模块;其中,

所述特征获取模块,用于获取第一类用户的第一特征信息;

所述预测模块,用于根据所述第一特征信息以及价值预测模型,确定所述第一类用户对应的预测价值;所述价值预测模型是基于第二类用户的第二特征信息和历史价值所得到的;

所述处理模块,用于根据所述第一类用户的历史价值以及所述预测价值,对所述第一类用户的信息进行处理。

10.一种处理用户信息的电子设备,其特征在于,包括:

一个或多个处理器;

存储装置,用于存储一个或多个程序,

当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。

11.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司,未经北京沃东天骏信息技术有限公司;北京京东世纪贸易有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010237631.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top