[发明专利]对用户分类的方法和装置有效

专利信息
申请号: 201910801660.2 申请日: 2019-08-28
公开(公告)号: CN110717037B 公开(公告)日: 2023-06-20
发明(设计)人: 李茜茜;王岱鑫;周俊;向彪 申请(专利权)人: 阿里巴巴集团控股有限公司
主分类号: G06F16/35 分类号: G06F16/35;G06Q30/02;G06Q40/02;G06N3/045;G06N3/0464;G06N3/084
代理公司: 北京亿腾知识产权代理事务所(普通合伙) 11309 代理人: 孙欣欣;周良玉
地址: 英属开曼群岛大开*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要: 本说明书实施例提供一种对用户分类的方法和装置。方法包括:获取目标用户安装的各应用的应用标识构成的标识集合、各应用的名字分词后的分词集合,各应用的类别标签构成的标签集合;将标识集合、分词集合和标签集合输入预先训练的神经网络模型,获取标识集合中各应用标识分别对应的第一嵌入向量,获取分词集合中各分词分别对应的第二嵌入向量,获取标签集合中各类别标签分别对应的第三嵌入向量;对各第一嵌入向量进行加权处理得到第四嵌入向量;对各第二嵌入向量进行加权处理得到第五嵌入向量;对各第三嵌入向量进行加权处理得到第六嵌入向量;根据第四嵌入向量、第五嵌入向量和第六嵌入向量,确定目标用户对应的类别。能够准确的对用户分类。
搜索关键词: 用户 分类 方法 装置
【主权项】:
1.一种对用户分类的方法,所述方法包括:/n获取目标用户在预设历史时间周期内安装的各应用的应用标识构成的标识集合、所述各应用的名字分词后得到的分词集合,和所述各应用的类别标签构成的标签集合;/n将所述标识集合、所述分词集合和所述标签集合输入预先训练的神经网络模型,其中,所述神经网络模型包括嵌入层、注意力层和分类层;/n在所述嵌入层,获取所述标识集合中各应用标识分别对应的第一嵌入向量,获取所述分词集合中各分词分别对应的第二嵌入向量,获取所述标签集合中各类别标签分别对应的第三嵌入向量;/n在所述注意力层,根据预先确定的应用标识权重向量,确定各应用标识对应的各第一权重,并基于各第一权重对各所述第一嵌入向量进行加权处理得到第四嵌入向量;根据预先确定的分词权重向量,确定各分词对应的各第二权重,并基于各第二权重对各所述第二嵌入向量进行加权处理得到第五嵌入向量;根据预先确定的类别标签权重向量,确定各类别标签对应的各第三权重,并基于各第三权重对各所述第三嵌入向量进行加权处理得到第六嵌入向量;/n在所述分类层,根据所述第四嵌入向量、所述第五嵌入向量和所述第六嵌入向量,确定所述目标用户对应的用户类别。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910801660.2/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top