[发明专利]基于样本扩展的用户分析方法、装置、设备及存储介质

权利要求书

1.一种基于样本扩展的用户分析方法，其特征在于，包括：

根据对象样本数据确定初始样本，所述初始样本包括多个权重等级，所述权重等级用于表示所述对象样本数据中样本对象的重要性权重等级；

确定每个权重等级的原始等级数据，所述原始等级数据表示所述样本对象位于所述权重等级的概率；

根据所述原始等级数据进行样本扩展，得到模拟等级数据；

根据所述模拟等级数据所在权重等级和所述对象样本数据确定所述模拟等级数据的模拟最终得分；

根据所述初始样本和所述模拟等级数据，确定等级总体样本库；根据所述初始样本确定的初始样本最终得分和所述模拟等级数据的模拟最终得分，确定得分总体样本库；

当触发目标用户评分请求时，根据目标用户数据和总样本库确定目标用户评分信息，所述总样本库包括所述等级总体样本库和所述得分总体样本库。

2.根据权利要求1所述的方法，其特征在于，所述根据对象样本数据确定初始样本，包括：

根据对象样本数据确定每个样本对象的最终得分；

根据所述最终得分确定每个样本对象的重要性权重；

根据所述重要性权重确定多个权重等级。

3.根据权利要求2所述的方法，其特征在于，所述根据对象样本数据确定每个样本对象的最终得分，包括：

根据目标对象样本数据的每个指标的分位确定指标权重，所述目标对象样本数据为任意一个对象样本数据；

根据所述指标权重和指标内容确定目标样本对象的最终得分。

4.根据权利要求3所述的方法，其特征在于，根据所述指标权重和指标内容确定目标样本对象的最终得分，包括：

根据所述目标对象样本数据确定缺失指标；

根据所述指标权重和指标内容以及所述缺失指标确定目标样本对象的最终得分。

5.根据权利要求2所述的方法，其特征在于，所述根据所述最终得分确定每个样本对象的重要性权重，包括：

根据层次分析法确定每个样本对象的重要性权重。

6.根据权利要求5所述的方法，其特征在于，根据层次分析法确定每个样本对象的重要性权重，包括：

根据多个样本对象的最终得分的比值，确定第一矩阵，所述第一矩阵每列对应一个样本对象，所述第一矩阵的元素ij为样本对象i的最终得分与样本对象j的最终得分的比值；

根据所述第一矩阵的特征值确定每个样本对象的重要性权重。

7.根据权利要求6所述的方法，其特征在于，所述根据所述第一矩阵的特征值确定每个样本对象的重要性权重，包括：

获取所述第一矩阵的最大特征值以及第一特征向量，所述第一特征向量为所述最大特征值对应的特征向量；

将所述第一特征向量进行归一化处理，得到第二特征向量，所述第二特征向量中的元素与样本对象一一对应。

8.根据权利要求6所述的方法，其特征在于，所述根据所述第一矩阵的特征值确定每个样本对象的重要性权重，包括：

对所述第一矩阵的每列进行归一化处理，得到第三矩阵；

获取所述第三矩阵每列数据的平均值，将所述每列的平均值作为响应样本对象的重要性权重。

9.根据权利要求2所述的方法，其特征在于，根据所述重要性权重确定多个权重等级，包括：

根据重要性权重的数值进行排序；

根据排序结果确定多个权重等级，每个权重等级包含的样本对象数量接近或相等。

10.根据权利要求1所述的方法，其特征在于，所述根据所述原始等级数据进行样本扩展，得到模拟等级样本，包括：

通过蒙特卡洛算法对原始等级数据进行扩展，得到扩展数据；

将所述原始等级数据和所述扩展数据进行合并，得到合并数据；

根据EM算法和扩展数据对蒙特卡洛算法的扩展参数进行调整，直至所述合并数据的概率分布固定；

根据调整后的蒙特卡洛算法对所述原始等级数据进行扩展，得到模拟等级样本。