[发明专利]人群扩量的预测方法、装置、设备及存储介质

权利要求书

1.一种人群扩量的预测方法，其特征在于，所述方法包括：

获取第一样本数据、第二样本数据；所述第一样本数据表征测试用户集合中的测试用户对应的画像数据；所述第二样本数据表征测试用户集合中的测试用户针对特定数据源执行特定操作产生的数据；

利用第一特征模型分别提取所述第一样本数据的第一特征和所述第二样本数据的第二特征；并利用第二特征模型或第三特征模型提取所述第二样本数据的第三特征；

对所述第一特征、第二特征和第三特征进行拼接，得到拼接后的特征；

利用对广告种子人群进行扩量的预测模型，对拼接后的特征进行分类处理，以确定当前测试用户是否作为广告种子人群的扩量人群。

2.根据权利要求1所述的方法，其特征在于，所述第二样本数据对应用户针对特定数据源执行特定操作产生的多个特征元素；利用所述第一特征模型提取所述第二样本数据的第二特征，包括：

从多个特征元素中确定多个第一元素；所述多个第一元素之间没有相关性；

利用所述第一特征模型提取所述多个第一元素中每个元素对应的特征，得到多个特征；

将得到的多个特征作为所述第二特征。

3.根据权利要求1所述的方法，其特征在于，所述第二样本数据对应用户针对特定数据源执行特定操作产生的多个特征元素；利用所述第二特征模型提取所述第二样本数据的第三特征，包括以下之一：

从多个特征元素中确定多个第二元素；所述多个第二元素之间通过文本形式进行关联；利用所述第二特征模型提取所述多个第二元素中每个元素对应的特征，得到多个特征；将得到的多个特征作为所述第三特征；

从多个特征元素中确定多个第三元素；所述多个第三元素之间通过第一序列形式进行关联；利用所述第二特征模型提取所述多个第三元素中每个元素对应的特征，得到多个特征；将得到的多个特征作为所述第三特征。

4.根据权利要求1所述的方法，其特征在于，所述第二样本数据对应用户针对特定数据源执行特定操作产生的多个特征元素；利用所述第三特征模型提取所述第二样本数据的第三特征，包括：

从多个特征元素中确定多个第四元素；所述多个第四元素之间通过第二序列形式进行关联；

利用所述第三特征模型提取所述多个第四元素中每个元素对应的特征，得到多个特征；

将得到的多个特征作为所述第三特征。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述扩量人群的预测模型包括深度学习模型和支持向量机；所述对所述第一特征、第二特征和第三特征进行拼接，得到拼接后的特征，包括：

确定所述第一特征对应的第一向量、所述第二特征对应的第二向量和所述第三特征对应的第三向量；

对所述第一向量、第二向量和第三向量进行组合，得到组合向量；并将所述组合向量作为拼接后的特征；

相应地，所述利用对广告种子人群进行扩量的预测模型，对拼接后的特征进行分类处理，包括：

利用所述深度学习模型，对拼接后的特征进行分类处理，得到第一预测结果；并利用所述支持向量机，对拼接后的特征进行分类处理，得到第二预测结果；

基于所述第一预测结果和所述第二预测结果，确定当前测试用户是否作为广告种子人群的扩量人群。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取第三样本数据和第四样本数据；所述第三样本数据表征训练用户集合中的用户对应的画像数据；所述第四样本数据表征训练用户集合中的用户针对不通过数据源执行特定操作产生的数据；

利用所述第一特征模型提取所述第三样本数据的第四特征和所述第四样本数据的第五特征；并利用所述第二特征模型或所述第三特征模型提取所述第四样本数据的第六特征；

对所述第四特征、第五特征和第六特征进行拼接，得到拼接后的特征；

将拼接后的特征作为训练数据，对预测模型进行训练，得到所述对广告种子人群进行扩量的预测模型。