[发明专利]特征提取\购买倾向判断方法、装置、存储介质及终端

权利要求书

1.一种特征提取方法，其特征在于，包括以下步骤：

获取目标用户的通行轨迹信息，所述通行轨迹信息包括用户标识、通行轨迹、所述通行轨迹上的多个节点的名称、每个节点对应的时间信息；

根据每一所述节点的功能描述信息给每一节点添加功能标识；

根据每一所述节点的功能标识以及所述通行轨迹信息生成用于描述所述目标用户的通行活动的通行样本数据；

将所述通行样本数据输入预设的神经网络结构，以生成与所述轨迹信息对应的Embedding特征向量。

2.根据权利要求1所述的特征提取方法，其特征在于，所述根据每一所述节点的功能标识以及所述通行轨迹信息生成用于描述所述目标用户的通行活动的通行样本数据，包括：

根据所述通行轨迹信息从所述多个节点中选出起始节点及终止节点；

根据所述通行轨迹信息获取对应的关联数据，所述关联数据包括以下信息中的至少一种：相邻节点之间的间距、完成相邻节点之间通行所用的时长、在每一所述节点的停留时间以及所述通行轨迹对应的日期；

根据所述用户标识、起始节点、终止节点、每一所述节点的功能标识以及所述关联数据生成用于描述目标用户的通行活动的通行样本数据。

3.根据权利要求2所述的特征提取方法，其特征在于，所述通行样本数据包括正样本以及至少一个负样本；

而所述根据所述用户标识、起始节点、终止节点、每一所述节点的功能标识以及所述关联数据生成通行样本数据，包括：

根据所述用户标识、起始节点、终止节点、每一所述节点的功能标识以及所述关联数据生成一个正样本；

根据所述正样本生成至少一个负样本。

4.根据权利要求3所述的特征提取方法，其特征在于，所述根据所述正样本生成至少一个负样本，包括：

将所述正样本中的至少一个节点进行替换，并根据替换的节点修改所述关联数据及功能标识，以得到至少一个负样本。

5.根据权利要求2所述的特征提取方法，其特征在于，所述Embedding特征向量包括第一特征向量、第二特征向量以及第三特征向量；

而所述将所述通行样本数据输入预设的神经网络结构，以生成与所述轨迹信息对应的Embedding特征向量，包括：

将所述通行样本数据中的用户标识输入预设的神经网络结构，以生成第一特征向量；

将所述通行样本数据中的起始节点的功能标识及终止节点的功能标识输入所述预设的神经网络结构，以生成第二特征向量；

将所述关联数据输入所述预设的神经网络结构，以生成第三特征向量。

6.一种购买倾向判断方法，其特征在于，采用权利要求1－5任一项所述的方法提取目标用户的Embedding特征向量，所述方法包括：

获取所述目标用户的Embedding特征向量；

根据所述Embedding特征向量判断所述用户对预设物品的购买倾向。

7.一种特征提取装置，其特征在于，包括：

第一获取模块，用于获取目标用户的通行轨迹信息，所述通行轨迹信息包括用户标识、通行轨迹、所述通行轨迹上的多个节点的名称、每个节点对应的时间信息；

分类模块，用于根据每一所述节点的功能描述信息给每一节点添加功能标识；

第一生成模块，用于根据每一所述节点的功能标识以及所述通行轨迹信息生成用于描述所述目标用户的通行活动的通行样本数据；

第二生成模块，用于将所述通行样本数据输入预设的神经网络结构，以生成与所述轨迹信息对应的Embedding特征向量。

8.一种购买倾向判断装置，其特征在于，采用权利要求1－5任一项所述的方法提取目标用户的Embedding特征向量，所述购买倾向判断装置包括：

第一获取模块，用于获取所述目标用户的Embedding特征向量；

判断模块，用于根据所述Embedding特征向量判断所述用户对预设物品的购买倾向。