[发明专利]用户类型的确定方法、装置、存储介质以及电子设备

权利要求书

1.一种用户类型的确定方法，其特征在于，包括：

获取办理目标业务的目标用户的目标用户信息，并生成表征所述目标用户信息的目标特征向量；

将所述目标特征向量添加第一向量集合中，得到第三向量集合，将所述目标特征向量添加第二向量集合中，得到第四向量集合，其中，所述第一向量集合中包含推广成功的用户对应的用户特征向量，所述第二向量集合中包含推广失败的用户对应的用户特征向量；

将所述第三向量集合输入目标组合模型中进行向量相似度计算，得到第一相似度结果，将所述第四向量集合输入所述目标组合模型中进行向量相似度计算，得到第二相似度结果，其中，所述目标组合模型中包括图卷积网络模型和全连接神经网络模型，所述第一相似度结果用于表征目标特征向量和所述第一向量集合中的向量的相似度，所述第二相似度结果用于表征目标特征向量和所述第二向量集合中的向量的相似度；

通过所述第一相似度结果和所述第二相似度结果确定与所述目标特征向量相似度最高的向量集合，得到目标向量集合，并根据所述目标向量集合的标签确定所述目标用户的类型。

2.根据权利要求1所述的方法，其特征在于，将所述第三向量集合输入目标组合模型中进行向量相似度计算，得到第一相似度结果包括：

在所述第三向量集合中获取与所述目标特征向量相关联的用户特征向量，得到多个候选特征向量；

通过所述图卷积网络模型对所述多个候选特征向量和所述目标特征向量进行处理，得到所述目标特征向量对应的目标结果向量；

将所述目标结果向量依次与所述第三向量集合中的每个用户特征向量的预设结果向量进行组合，得到G个组合向量；

将所述G个组合向量输入所述全连接神经网络模型中，得到G个第一相似度结果。

3.根据权利要求2所述的方法，其特征在于，用户信息中包括预设关联属性，在所述第三向量集合中获取与所述目标特征向量相关联的用户特征向量，得到多个候选特征向量之前，所述方法还包括：

根据所述预设关联属性将所述第三向量集合中的特征向量进行关联，并根据所述预设关联属性将所述第四向量集合中的特征向量进行关联。

4.根据权利要求1所述的方法，其特征在于，所述目标组合模型通过以下步骤得到：

将所述第一向量集合与所述第二向量集合进行组合，得到样本向量集合，其中，所述样本向量集合中包括H个样本特征向量；

从所述样本向量集合中获取任意样本特征向量，得到目标样本特征向量，并在所述样本向量集合中获取与所述目标样本特征向量相关联的向量，得到多个候选样本特征向量；

通过所述多个候选样本特征向量和所述目标样本特征向量在所述图卷积网络模型中进行计算，得到所述目标样本特征向量的样本结果向量；

重复执行获取目标样本特征向量，并计算目标样本特征向量的样本结果向量的步骤，直至获取到每个样本特征向量的样本结果向量，得到H个样本结果向量；

将所述H个样本结果向量中的每个样本结果向量依次与其余的样本结果向量进行组合，得到H个样本组合向量集合，其中，每个样本组合向量集合中包括N-1个样本组合向量；

将每个样本组合向量输入所述全连接神经网络模型中，得到K个输出结果，并计算每个输出结果的损失函数值，得到K个损失函数值，其中，K＝N²-N；

在所述K个损失函数值满足预设条件下，完成所述目标组合模型的训练。

5.根据权利要求4所述的方法，其特征在于，在所述K个损失函数值满足预设条件下，完成所述目标组合模型的训练包括：

计算所述K个损失函数值的平均值，并判断所述平均值是否小于预设值；

在所述平均值大于等于所述预设值的情况下，变更所述目标组合模型的参数，重新通过所述样本向量集合计算K个损失函数值，并重新确定所述K个损失函数值的平均值，直至所述平均值小于所述预设值；

在所述平均值小于所述预设值的情况下，确定所述目标组合模型完成训练。