[发明专利]基于深度学习的用户类型识别方法、装置、服务器

权利要求书

1.一种基于深度学习的用户类型识别方法，其特征在于，包括：

获取目标用户的用户特征，以及种子用户的种子用户特征；

基于所述种子用户的种子用户特征对所述种子用户进行聚类处理，得到种子用户群，所述种子用户群包括同一用户类型的种子用户；

确定所述种子用户群的种子用户群特征；

基于所述种子用户群特征和所述目标用户的用户特征，确定与所述目标用户最相似的种子用户群；

将所述种子用户群的用户类型作为所述用户的用户类型，从而识别出所述用户的用户类型。

2.如权利要求1所述的基于深度学习的用户类型识别方法，其特征在于，所述获取目标用户的用户特征，以及种子用户的种子用户特征之前，还包括：

获取种子用户的用户多维信息，以及所述种子用户的用户类型；

对所述种子用户的用户多维信息进行特征提取，得到所述种子用户的用户特征；

采用训练样本对预设模型进行训练，得到待评估模型，所述训练样本包括所述种子用户的所述用户特征和用户类型；

对所述待评估模型进行模型评估，得到所述待评估模型的评估得分；

当所述评估得分属于预设阈值时将所述待评估模型作为识别模型。

3.如权利要求2所述的基于深度学习的用户类型识别方法，其特征在于，所述基于所述种子用户群特征和所述目标用户的用户特征，确定与所述目标用户最相似的种子用户群，包括：

基于所述种子用户群特征和所述目标用户的用户特征，采用所述识别模型确定与所述目标用户最相似的种子用户群。

4.如权利要求3所述的基于深度学习的用户类型识别方法，其特征在于，所述基于所述种子用户群特征和所述目标用户的用户特征，采用所述识别模型确定与所述目标用户最相似的种子用户群，包括：

基于所述种子用户群特征，确定所述种子用户群的全局注意力特征和局部注意力特征；

计算所述种子用户群特征和所述目标用户的用户特征之间的特征相似度，所述种子用户群特征包括所述局部注意力特征和全局注意力特征；

根据所述特征相似度确定与所述目标用户最相似的种子用户群。

5.如权利要求4所述的基于深度学习的用户类型识别方法，其特征在于，所述基于所述种子用户群特征，确定所述种子用户群的全局注意力特征和局部注意力特征，包括：

基于所述种子用户群所有的所述种子用户群特征，确定全局注意力特征；

基于所述目标用户的用户特征和所述种子用户群的每个所述种子用户群特征，确定每个所述种子用户群的局部注意力特征。

6.如权利要求2所述的基于深度学习的用户类型识别方法，其特征在于，所述对所述识别模型进行模型评估，得到所述识别模型的评估得分，包括：

对所述识别模型的识别准确度进行线下评估，得到所述识别模型的线下识别准确度；

当所述线下识别准确度大于预设准确度阈值时，对所述识别模型进行线上识别测试，得到所述识别模型的线上识别准确度；

所述评估得分包括所述线下识别准确度和所述线上识别准确度。

7.如权利要求2所述的基于深度学习的用户类型识别方法，其特征在于，所述获取种子用户的用户多维信息，以及所述种子用户的用户类型，包括：

获取种子用户的用户多维信息；

从数据库中获取所述种子用户的付费反馈信息；

根据所述种子用户的付费反馈信息确定所述种子用户的用户类型。

8.如权利要求1所述的基于深度学习的用户类型识别方法，其特征在于，所述获取目标用户的用户特征，包括：

获取所述目标用户的用户多维信息；

对所述目标用户的用户多维信息进行特征提取，得到所述目标用户的多维用户特征；

对所述目标用户的多维用户特征进行特征拼接，得到所述目标用户的用户特征。