目标推荐对象挖掘方法、装置、介质及电子设备制造方法及图纸

本公开实施例提供了一种目标推荐对象挖掘方法、装置、计算机可读存储介质和电子设备，涉及计算机技术领域，所述方法包括：获取目标产品的历史响应对象；根据所述历史响应对象获得所述目标产品的潜在对象；通过机器学习模型对所述潜在对象进行处理，获得所述目标产品的目标推荐对象。本公开实施例的技术方案中，根据目标产品的历史响应对象获得目标产品的潜在对象，再通过机器学习模型对潜在对象进行处理以得到目标推荐对象，由于经过了对历史响应对象的进一步处理后，增加了机器学习模型处理的数据的普适性，使得挖掘目标推荐对象的准确性较高。

Target Recommendation Object Mining Method, Device, Medium and Electronic Equipment

【技术实现步骤摘要】
目标推荐对象挖掘方法、装置、介质及电子设备
本公开涉及互联网
，具体而言，涉及一种目标推荐对象挖掘方法、装置、计算机可读存储介质及电子设备。
技术介绍
相关技术中，从海量人群中发现对目标信贷产品感兴趣的人群比较困难。如果随机触达，投资回报率较低。在通过获得信贷平台提供的手机号后，基于这些手机号的基本信息如归属城市等以及手机号关联的多个信贷产品上的历史行为等数据，可以挖掘出对该信贷平台有兴趣的手机号，向该手机号推荐感兴趣的信贷产品。由于历史营销的结果会受到若干外界因素的影响，且单次或者少数几次营销的结果不具有普适性，直接采用历史营销的结果进行数据挖掘时，准确度相对较低，且对于“中等兴趣”和“低兴趣”等不同人群的区分不明显。如何准确有效地挖掘目标推荐对象是当前亟需解决的技术问题。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开实施例的目的在于提供一种目标推荐对象挖掘方法、装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服不能准确有效地挖掘目标推荐对象的问题。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开实施例的第一方面，提供了一种目标推荐对象挖掘方法，包括：获取目标产品的历史响应对象；根据所述历史响应对象获得所述目标产品的潜在对象；通过机器学习模型对所述潜在对象进行处理，获得所述目标产品的目标推荐对象。在一些实施例中，所述方法还包括：将所述目标产品的历史响应对象作为正样本；获取与所述目标产品的产品相似度超过产品阈值的相似产品；获得所述相似产品的历史响应对象，并将其作为负样本；根据所述正样本和所述负样本训练所述机器学习模型。在一些实施例中，根据所述历史响应对象获得所述目标产品的潜在对象，包括：计算产品与所述目标产品之间的产品相似度；获得与所述目标产品的产品相似度最高的前第一预设数量的产品作为类似产品；获取所述类似产品的历史响应对象；将所述类似产品的历史响应对象作为所述潜在对象。在一些实施例中，根据所述历史响应对象获得所述目标产品的潜在对象，包括：获得与所述目标产品同属同一行业的同行产品；计算各同行产品的热门度；选择热门度最高的前第二预设数量的同行产品作为热门产品；获取所述热门产品的历史响应对象；将所述热门产品的历史响应对象作为所述潜在对象。在一些实施例中，根据所述历史响应对象获得所述目标产品的潜在对象，包括：获得所述目标产品的历史响应对象；在所述目标产品的历史响应对象中选取在当前时间之前的第一预设时间段内无响应的流失响应对象；将所述流失响应对象作为所述潜在对象。在一些实施例中，根据所述历史响应对象获得所述目标产品的潜在对象，包括：建立响应对象与产品的行为矩阵，所述响应对象包括所述历史响应对象，所述产品包括所述目标产品；使用交替最小二乘法计算所述行为矩阵，得到矩阵解；根据所述矩阵解获得所述目标产品的潜在对象。在一些实施例中，所述使用交替最小二乘法计算所述行为矩阵，包括：获取交替最小二乘法算法包；使用地图连接算法替换所述交替最小二乘法算法包中的笛卡尔乘积算法，得到新的交替最小二乘法；使用所述新的交替最小二乘法计算所述行为矩阵。在一些实施例中，所述通过机器学习模型对所述潜在对象进行处理，包括：通过机器学习模型对所述潜在对象进行消费倾向预测并根据所述消费倾向预测的结果对所述潜在对象进行排序，得到排序结果；选择所述排序结果的前第三预设数量的所述潜在对象作为所述目标推荐对象。根据本公开实施例的第二方面，提供了一种目标推荐对象挖掘装置，包括：响应对象获取单元，用于获取目标产品的历史响应对象；潜在对象获得单元，用于根据所述历史响应对象获得所述目标产品的潜在对象；推荐对象获得单元，用于通过机器学习模型对所述潜在对象进行处理，获得所述目标产品的目标推荐对象。根据本公开实施例的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中第一方面所述的目标推荐对象挖掘方法。根据本公开实施例的第四方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上述实施例中第一方面所述的目标推荐对象挖掘方法。本公开实施例提供的技术方案可以包括以下有益效果：在本公开的一些实施例所提供的技术方案中，根据目标产品的历史响应对象获得目标产品的潜在对象，再通过机器学习模型对潜在对象进行处理以得到目标推荐对象，由于经过了对历史响应对象的进一步处理后，增加了机器学习模型处理的数据的普适性，使得挖掘目标推荐对象的准确性较高。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，并不能限制本公开。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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1示意性示出了根据本公开的实施例的一种目标推荐对象挖掘方法的流程图；图2示意性示出了根据本公开的实施例的另一种目标推荐对象挖掘方法的流程图；图3示意性示出了根据本公开的实施例的一种目标推荐对象挖掘装置的方框图；图4示意性示出了根据本公开的实施例的另一种目标推荐对象挖掘装置的方框图；图5示意性示出了适于用来实现本公开实施例的电子设备的计算机系统的结构图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本公开的各方面。附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。相关技术中，进行目标推荐对象挖掘时，可以使用逻辑回归模型或梯度提升决策树等传统机器学习模型作为营销响应模型，利用历史营销后是否响应的数据作为标签，训练分类模型，并用其预测海量人群对营销活动的响应概率以筛选有较高兴趣的人群，对比随机营销，具有稍高的投资回报率。但是，仍然存在着由于历史营销的结果会受到若干外界因素的影响本文档来自技高网...

【技术保护点】
1.一种目标推荐对象挖掘方法，其特征在于，包括：获取目标产品的历史响应对象；根据所述历史响应对象获得所述目标产品的潜在对象；通过机器学习模型对所述潜在对象进行处理，获得所述目标产品的目标推荐对象。

【技术特征摘要】
1.一种目标推荐对象挖掘方法，其特征在于，包括：获取目标产品的历史响应对象；根据所述历史响应对象获得所述目标产品的潜在对象；通过机器学习模型对所述潜在对象进行处理，获得所述目标产品的目标推荐对象。2.根据权利要求1所述的方法，其特征在于，还包括：将所述目标产品的历史响应对象作为正样本；获取与所述目标产品的产品相似度超过产品阈值的相似产品；获得所述相似产品的历史响应对象，并将其作为负样本；根据所述正样本和所述负样本训练所述机器学习模型。3.根据权利要求1所述的方法，其特征在于，根据所述历史响应对象获得所述目标产品的潜在对象，包括：计算产品与所述目标产品之间的产品相似度；获得与所述目标产品的产品相似度最高的前第一预设数量的产品作为类似产品；获取所述类似产品的历史响应对象；将所述类似产品的历史响应对象作为所述潜在对象。4.根据权利要求1所述的方法，其特征在于，根据所述历史响应对象获得所述目标产品的潜在对象，包括：获得与所述目标产品同属同一行业的同行产品；计算各同行产品的热门度；选择热门度最高的前第二预设数量的同行产品作为热门产品；获取所述热门产品的历史响应对象；将所述热门产品的历史响应对象作为所述潜在对象。5.根据权利要求1所述的方法，其特征在于，根据所述历史响应对象获得所述目标产品的潜在对象，包括：在所述目标产品的历史响应对象中选取在当前时间之前的第一预设时间段内无响应的流失响应对象；将所述流失响应对象作为所述潜在对象。6.根据权利要求1所述的方法，其特征在于，根据所述历史响应对象获得所述目标产品的潜在对象，...

【专利技术属性】
技术研发人员：刘媛，赵争超，
申请(专利权)人：同盾控股有限公司，
类型：发明
国别省市：浙江,33