[发明专利]服务方的目标用户识别方法及装置有效

专利信息
申请号: 202010238154.X 申请日: 2020-03-30
公开(公告)号: CN111460171B 公开(公告)日: 2023-04-07
发明(设计)人: 曾威龙;王膂;钱隽夫;刘丹丹 申请(专利权)人: 支付宝(杭州)信息技术有限公司
主分类号: G06F16/36 分类号: G06F16/36;G06Q40/04
代理公司: 北京亿腾知识产权代理事务所(普通合伙) 11309 代理人: 张明;周良玉
地址: 310000 浙江省杭州市*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 服务 目标 用户 识别 方法 装置
【权利要求书】:

1.一种服务方的目标用户识别方法,包括:

获取知识图谱,所述知识图谱包括多个节点,其中的每个节点代表一个实体并对应于一个实体向量;所述实体包括以下任一种:未识别到目标用户的第一类服务方、已识别到目标用户的第二类服务方以及个人用户;所述多个节点中,具有关联关系的节点之间通过连接边连接,其中的每个连接边对应于一个关联向量;所述关联向量用于表征对应连接边的两个节点的关联关系;

对于所述知识图谱中任一所代表实体为第一类服务方的第一节点,在针对对应的第一类服务方识别目标用户时,在所述知识图谱中,确定出所代表实体为第二类服务方的第二节点以及所代表实体为第二类服务方的目标用户的第三节点;其中,所述第二类服务方的目标用户为所述个人用户的一种;

基于所述第一节点的实体向量以及所述第二节点与所述第三节点的连接边的关联向量,确定参照实体向量;

计算所述参照实体向量与所代表实体为个人用户的各节点的实体向量之间的距离;

基于所述距离,从所代表实体为个人用户的各节点中选取目标节点,并将所述目标节点所代表的个人用户作为所述第一类服务方的目标用户。

2.根据权利要求1所述的方法,所述知识图谱中各节点的实体向量以及各连接边的关联向量通过以下步骤获得:

获取对应于所述知识图谱的数组集合,所述数组集合中的每个数组包括节点和连接边;

基于所述数组集合迭代地执行以下步骤,直至满足迭代停止条件:

从所述数组集合中选取若干数组作为正样本数组;

变更各正样本数组中的节点,得到所述各正样本数组对应的负样本数组;

基于所述各正样本数组和对应的负样本数组,确定预测损失;

基于所述预测损失,调整所述知识图谱中各节点的当前实体向量以及各连接边的当前关联向量;

迭代结束后,将所述各节点的当前实体向量作为其实体向量,将所述各连接边的当前关联向量作为其关联向量。

3.根据权利要求2所述的方法,在执行所述迭代步骤之前,还包括:

基于所述知识图谱中的多个节点,确定节点集合,以及基于所述知识图谱中的各连接边,确定边集合;

对于所述节点集合中的每个节点,将其初始化为包含k个元素的第一向量,并将该第一向量作为该节点的当前实体向量;对于所述边集合中的每个连接边,将其初始化为包含k个元素的第二向量,并将该第二向量作为该连接边的当前关联向量;其中,k为正整数;

所述基于所述预测损失,调整所述知识图谱中各节点的当前实体向量以及各连接边的当前关联向量,包括:

基于所述预测损失,调整所述节点集合中各节点的当前实体向量,并调整所述边集合中各连接边的当前关联向量。

4.根据权利要求3所述的方法,所述基于所述预测损失,调整所述节点集合中各节点的当前实体向量,并调整所述边集合中各连接边的当前关联向量,包括:

对于所述节点集合中的每个节点,基于所述预测损失以及该节点的各个元素的元素值,计算各个元素的梯度值;基于所述各个元素的梯度值,对该节点的各个元素的元素值进行调整,得到调整后的该节点的当前实体向量;

对于所述边集合中的每个连接边,基于所述预测损失以及该连接边的各个元素的元素值,计算各个元素的梯度值;基于所述各个元素的梯度值,对该连接边的各个元素的元素值进行调整,得到调整后的该连接边的当前关联向量。

5.根据权利要求2所述的方法,所述每个数组中的节点包括头部节点和尾部节点;所述各正样本数组包括第一样本数组;

所述变更各正样本数组中的节点,包括:

对于所述第一样本数组,将其中的头部节点或者尾部节点替换为所述知识图谱中的任一其它节点,得到所述第一样本数组对应的负样本数组。

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支付宝(杭州)信息技术有限公司,未经支付宝(杭州)信息技术有限公司许可,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/202010238154.X/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