[发明专利]信息处理方法以及装置

权利要求书

1.一种信息处理方法，包括：

在用户集合中选择用户等级未变更的用户构建非跃迁用户组；

根据所述非跃迁用户组中非跃迁用户在目标业务中的业务参与信息，在所述非跃迁用户组中筛选用户等级待变更的待跃迁用户；

将所述待跃迁用户在所述目标业务预设交互维度的交互信息，输入至目标归因模型进行处理，获得所述待跃迁用户的目标交互信息；

基于所述目标交互信息创建关联所述待跃迁用户的等级变更策略。

2.根据权利要求1所述的方法，所述在用户集合中选择用户等级未变更的用户构建非跃迁用户组，包括：

读取所述用户集合中用户在预设时间区间内的历史跃迁信息；

基于所述历史跃迁信息在所述用户集合中选择用户等级未变更的非跃迁用户；

基于所述非跃迁用户构建非跃迁用户组。

3.根据权利要求1所述的方法，所述根据所述非跃迁用户组中非跃迁用户在目标业务中的业务参与信息，在所述非跃迁用户组中筛选用户等级待变更的待跃迁用户，包括：

读取所述非跃迁用户组中非跃迁用户在所述目标业务中的业务参与信息，并将所述业务参与信息输入至目标预测模型进行预测；

根据预测结果在所述非跃迁用户组中筛选用户等级待变更的待跃迁用户。

4.根据权利要求3所述的方法，所述目标预测模型的训练如下：

在训练用户集合中选择向上跃迁用户，并将所述向上跃迁用户的跃迁参与信息作为第一正子样本；

在所述训练用户集合中选择向下跃迁用户，并将所述向下跃迁用户的跃迁参与信息作为第二正子样本，由所述第一正子样本和所述第二正子样本组成正样本；

对所述训练用户集合进行负采样，获得负样本；

基于所述正样本和所述负样本对初始预测模型进行训练，直至获得满足训练停止条件的目标预测模型。

5.根据权利要求4所述的方法，所述基于所述正样本和所述负样本对初始预测模型进行训练，直至获得满足训练停止条件的目标预测模型步骤执行之前，还包括：

基于所述训练用户集合中训练用户的训练用户信息构建用户图谱；

构建所述用户图谱中用户节点的初始向量；

基于每个训练用户的初始向量生成第一初始预测模型和第二初始预测模型，并将所述第一初始预测模型和所述第二初始预测模型作为初始预测模型。

6.根据权利要求5所述的方法，所述基于所述正样本和所述负样本对初始预测模型进行训练，直至获得满足训练停止条件的目标预测模型，包括：

基于所述第一正子样本和所述负样本对所述第一初始预测模型进行训练，直至获得满足训练停止条件的第一目标预测模型；

基于所述第二正子样本和所述负样本对所述第二初始预测模型进行训练，直至获得满足训练停止条件的第二目标预测模型；

将所述第一目标预测模型和所述第二目标预测模型作为目标预测模型。

7.根据权利要求6所述的方法，所述将所述非跃迁用户组中非跃迁用户在所述目标业务中的业务参与信息，输入至目标预测模型进行预测，根据预测结果在所述非跃迁用户组中筛选用户等级待变更的待跃迁用户，包括：

将所述非跃迁用户组中非跃迁用户在所述目标业务中的业务参与信息，输入至第一目标预测模型和第二目标预测模型进行预测；

根据所述第一目标预测模型对应的第一预测结果在所述非跃迁用户组中筛选用户等级待变更的第一待跃迁用户，以及根据所述第二目标预测模型对应的第二预测结果在所述非跃迁用户组中筛选用户等级待变更的第二待跃迁用户；

由所述第一待跃迁用户和所述第二待跃迁用户组成待跃迁用户。