目标对象的特征信息提取方法及装置制造方法及图纸

本发明专利技术是关于一种目标对象的特征信息提取方法及装置。该方法包括：获取目标对象的至少两个虚拟物品包各自对应的包属性向量，并获取目标对象的对象属性向量，对至少两个虚拟物品包各自对应的包属性向量进行机器训练，获得至少两个虚拟物品包各自对应的特征向量，并对至少两个虚拟物品包各自对应的特征向量以及目标对象的对象属性向量进行机器训练，获得至少两个虚拟物品包各自对应的重要性分数，根据至少两个虚拟物品包各自对应的特征向量以及至少两个虚拟物品包各自对应的重要性分数，提取目标对象的特征信息，充分考虑了不同属性的用户在使用虚拟物品包时的区别，从而提高了特征信息提取的准确性。

Method and device for extracting feature information of target object

The invention relates to a method and device for extracting characteristic information of a target object. The method includes: obtaining the corresponding packet attribute vectors of at least two virtual items packets of the target object, obtaining the object attribute vector of the target object, training at least two packet attribute vectors corresponding to each of at least two virtual item packets, and obtaining the corresponding eigenvectors of at least two virtual item packets, and to the same. Two virtual object packets corresponding to each other and the object's object attribute vector are trained to obtain the importance scores of at least two virtual item packets, according to the corresponding eigenvectors of at least two virtual item packages and the corresponding importance of at least two virtual items packets. The feature information of the target object is extracted, and the difference between the users of different attributes in the use of virtual items is fully considered, thus the accuracy of the extraction of the feature information is improved.

【技术实现步骤摘要】
目标对象的特征信息提取方法及装置
本专利技术涉及网络应用
，特别涉及一种目标对象的特征信息提取方法及装置。
技术介绍
随着网络应用技术的发展，越来越多的用户使用社交网络应用中的虚拟物品包来赠送或接受货币、积分、网络游戏中的装备以及虚拟宠物等资源。随着用户使用虚拟物品包的行为的不断增多，虚拟物品包的使用行为在用户的网络行为中所占的比重也越来越高，相应的，通过提取单个用户或群组用户使用虚拟物品包的行为的特征信息，来对单个用户或群组进行分析，比如对用户或群组进行分类，也越来越受到网络服务商的重视。在相关技术中，网络服务商的服务器在提取单个用户或群组用户使用虚拟物品包的行为的特征信息时，对于一个用户或者群组，通常会统计该用户或群组对应的虚拟物品包的各项属性的属性信息，比如数量、总资源数、平均资源数以及资源数方差等等，再由服务器的管理人员从上述各项属性的属性信息中人工确定出异常的属性信息，作为对应的用户或群组的特征信息。在上述提取特征信息的过程中，需要管理人员人工确定提取用户或群组使用虚拟物品包的哪些属性，这对管理人员的人工经验的要求很高，导致特征信息提取的准确性较低。
技术实现思路
为了解决现有技术中需要管理人员人工确定提取用户或群组使用虚拟物品包的哪些属性，对管理人员的人工经验的要求高，导特征信息提取的准确性较低的问题，本专利技术实施例提供了一种目标对象的特征信息提取方法及装置，技术方案如下：第一方面，提供了一种目标对象的特征信息提取方法，所述方法包括：获取目标对象的至少两个虚拟物品包各自对应的包属性向量，并获取所述目标对象的对象属性向量，所述包属性向量中的每个元素指示对应的虚拟物品包的一种属性，所述对象属性向量中的每个元素指示所述目标对象的一种属性；通过第一机器训练模型对所述至少两个虚拟物品包各自对应的包属性向量进行机器训练，获得所述至少两个虚拟物品包各自对应的特征向量；通过第二机器训练模型对所述至少两个虚拟物品包各自对应的特征向量以及所述目标对象的对象属性向量进行机器训练，获得所述至少两个虚拟物品包各自对应的重要性分数；根据所述至少两个虚拟物品包各自对应的特征向量以及所述至少两个虚拟物品包各自对应的重要性分数，提取所述目标对象的特征信息。第二方面，提供了一种目标对象的特征信息提取装置，所述装置包括：第一向量获取模块，用于获取目标对象的至少两个虚拟物品包各自对应的包属性向量，所述包属性向量中的每个元素指示对应的虚拟物品包的一种属性；第二向量获取模块，用于获取所述目标对象的对象属性向量，所述对象属性向量中的每个元素指示所述目标对象的一种属性；特征向量获得模块，用于通过第一机器训练模型对所述至少两个虚拟物品包各自对应的包属性向量进行机器训练，获得所述至少两个虚拟物品包各自对应的特征向量；分数获得模块，用于通过第二机器训练模型对所述至少两个虚拟物品包各自对应的特征向量以及所述目标对象的对象属性向量进行机器训练，获得所述至少两个虚拟物品包各自对应的重要性分数；特征提取模块，用于根据所述至少两个虚拟物品包各自对应的特征向量以及所述至少两个虚拟物品包各自对应的重要性分数，提取所述目标对象的特征信息。本专利技术实施例提供的技术方案可以包括以下有益效果：在提取用户或者群组的特征信息时，结合用户或者群组的属性对该用户或群组使用的虚拟物品包的特征向量进行机器训练，获得用户或群组使用的各个虚拟物品包各自对应的重要性，并结合各个虚拟物品包各自对应的重要性来进行特征信息的提取，充分考虑了不同属性的用户在使用虚拟物品包时的区别，从而提高了特征信息提取的准确性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是根据一示例性实施例示出的一种目标对象的特征信息提取系统的结构示意图；图2是根据一示例性实施例示出的一种目标对象的特征信息提取方法的流程图；图3是图2所示的实施例涉及的方案的实现示意图；图4是根据一示例性实施例示出的一种目标对象的特征信息提取方法的流程图；图5是图4所示的实施例涉及的方案的实现示意图；图6是根据一示例性实施例示出的一种目标对象的特征信息提取装置的结构方框图；图7是根据一示例性实施例示出的一种服务器的结构示意图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。图1是本专利技术一示例性实施例示出的一种目标对象的特征信息提取系统的结构示意图。该系统包括：若干个用户终端120和服务器集群140。用户终端120可以是手机、平板电脑、电子书阅读器、MP3播放器(MovingPictureExpertsGroupAudioLayerIII，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExpertsGroupAudioLayerIV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。用户终端120与服务器集群140之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。服务器集群140是一台服务器，或者由若干台服务器，或者是一个虚拟化平台，或者是一个云计算服务中心。可选的，服务器集群140可以包括特征信息管理平台142，可选的，服务器集群140还包括社交网络平台144；可选的，服务器集群140还包括用户操作记录管理服务器146。可选的，特征信息管理平台142包括：用于实现特征信息提取的服务器以及用于实现基于特征信息的应用(比如，对用户或群组进行分类)的服务器。可选的，社交网络平台144包括：用于实现虚拟物品包收发的服务器、用于实现社交信息收发的服务器、用于管理和存储各个用户账号的服务器、用于管理和存储各个群组账号的服务器、用于管理各个用户账号或群组账号的联系人列表的服务器。社交网络平台144与用户操作记录管理服务器146之间通过通信网络相连。可选的，用户操作记录管理服务器146包括：用于统计用户对虚拟物品包的历史使用记录的服务器、用于存储用户对虚拟物品包的历史使用记录的服务器。可选的，用户操作记录管理服务器146在用户授权认可的前提下，可以从本地的社交网络平台144，或者，从其它关联的社交网络应用平台中获取用户对虚拟物品包的操作记录数据，并根据获取到的操作记录统计用户对虚拟物品包的历史使用记录。可选的，该系统还可以包括管理设备160，该管理设备160与服务器集群140之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。可选的，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(LocalAreaNetwork，LAN)、城域网(MetropolitanAreaNetwork，MAN)、广域网(WideAreaNetwork，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中本文档来自技高网...

【技术保护点】
1.一种目标对象的特征信息提取方法，其特征在于，所述方法包括：获取目标对象的至少两个虚拟物品包各自对应的包属性向量，并获取所述目标对象的对象属性向量，所述包属性向量中的每个元素指示对应的虚拟物品包的一种属性，所述对象属性向量中的每个元素指示所述目标对象的一种属性；通过第一机器训练模型对所述至少两个虚拟物品包各自对应的包属性向量进行机器训练，获得所述至少两个虚拟物品包各自对应的特征向量；通过第二机器训练模型对所述至少两个虚拟物品包各自对应的特征向量以及所述目标对象的对象属性向量进行机器训练，获得所述至少两个虚拟物品包各自对应的重要性分数；根据所述至少两个虚拟物品包各自对应的特征向量以及所述至少两个虚拟物品包各自对应的重要性分数，提取所述目标对象的特征信息。

【技术特征摘要】
1.一种目标对象的特征信息提取方法，其特征在于，所述方法包括：获取目标对象的至少两个虚拟物品包各自对应的包属性向量，并获取所述目标对象的对象属性向量，所述包属性向量中的每个元素指示对应的虚拟物品包的一种属性，所述对象属性向量中的每个元素指示所述目标对象的一种属性；通过第一机器训练模型对所述至少两个虚拟物品包各自对应的包属性向量进行机器训练，获得所述至少两个虚拟物品包各自对应的特征向量；通过第二机器训练模型对所述至少两个虚拟物品包各自对应的特征向量以及所述目标对象的对象属性向量进行机器训练，获得所述至少两个虚拟物品包各自对应的重要性分数；根据所述至少两个虚拟物品包各自对应的特征向量以及所述至少两个虚拟物品包各自对应的重要性分数，提取所述目标对象的特征信息。2.根据权利要求1所述的方法，其特征在于，所述第一机器训练模型为循环神经网络模型，所述通过第一机器训练模型对所述至少两个虚拟物品包各自对应的包属性向量进行机器训练，获得所述至少两个虚拟物品包各自对应的特征向量，包括：按照所述至少两个虚拟物品包的时间顺序，将所述至少两个虚拟物品包各自对应的包属性向量依次输入所述循环神经网络模型进行机器训练，获得所述至少两个虚拟物品包各自对应的特征向量。3.根据权利要求2所述的方法，其特征在于，所述循环神经网络模型包括第一循环神经网络模型和第二循环神经网络模型，所述按照所述至少两个虚拟物品包的时间顺序，将所述至少两个虚拟物品包各自对应的包属性向量依次输入所述循环神经网络模型进行机器训练，获得所述至少两个虚拟物品包各自对应的特征向量，包括：按照所述至少两个虚拟物品包各自对应的时间从先到后的顺序，将所述至少两个虚拟物品包各自对应的包属性向量依次输入所述第一循环神经网络模型进行机器训练，获得所述至少两个虚拟物品包各自对应的第一部分特征向量；按照所述至少两个虚拟物品包各自对应的时间从后到先的顺序，将所述至少两个虚拟物品包各自对应的包属性向量依次输入所述第二循环神经网络模型进行机器训练，获得所述至少两个虚拟物品包各自对应的第二部分特征向量；对于所述至少两个虚拟物品包中的任一虚拟物品包，将所述虚拟物品包的第一部分特征向量和所述虚拟物品包的第二部分特征向量进行拼接，获得所述虚拟物品包的特征向量。4.根据权利要求2所述的方法，其特征在于，所述循环神经网络模型为长短记忆循环神经网络模型或者门限循环神经网络。5.根据权利要求1所述的方法，其特征在于，所述第二机器训练模型为注意力机制模型，所述通过第二机器训练模型对所述至少两个虚拟物品包各自对应的特征向量以及所述目标对象的对象属性向量进行机器训练，获得所述至少两个虚拟物品包各自对应的重要性分数，包括：将所述目标对象的对象属性向量以及所述至少两个虚拟物品包各自对应的特征向量输入所述注意力机制模型，获得所述至少两个虚拟物品包各自对应的重要性数值；对所述至少两个虚拟物品包各自对应的重要性数值进行归一化，获得所述至少两个虚拟物品包各自对应的重要性分数。6.根据权利要求1所述的方法，其特征在于，所述根据所述至少两个虚拟物品包各自对应的特征向量以及所述至少两个虚拟物品包各自对应的重要性分数，提取所述目标对象的特征信息，包括：根据所述至少两个虚拟物品包各自对应的重要性分数对所述至少两个虚拟物品包各自对应的特征向量进行加权求和，将加权求和获得的向量提取为所述目标对象的特征信息；或者，按照对应的重要性分数从高到低的顺序对所述至少两个虚拟物品包各自对应的特征向量进行排序，将排序后的前j个特征向量的平均值提取为所述目标对象的特征信息，1≤j≤n，且j、n为整数，且n为所述至少两个虚拟物品的个数。7.根据权利要求1至6任一所述的方法，其特征在于，所述方法还包括：将所述目标对象的特征信息输入机器分类模型，获得所述目标对象的分类信息，所述目标对象的分类信息用于指示所述目标对象对应的类别。8.根据权利要求7所述的方法，其特征在于，所述方法还包括：获取所述目标对象的实际类别；根据...

【专利技术属性】
技术研发人员：户保田，陈谦，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44