用户特征群中用户特征寻优方法、装置、介质及电子设备制造方法及图纸

本公开是关于一种用户特征群中用户特征寻优方法、装置、介质及电子设备，属于机器学习应用技术领域，该方法包括：初始化生成多个用户特征组合；将每个用户特征组合及寻优目标输入第一机器学习模型，得到评价分数；获取多个第一分数范围的用户特征组合，及多个第二分数范围的用户特征组合；获取每个第一分数范围的用户特征组合与第二分数范围的用户特征组合的用户特征区别；将多个用户特征区别及寻优目标输入第二机器学习模型，得到预测优化用户特征组合；获取目标优化用户特征组合。本公开通过机器学习模型根据部分用户特征组合的区别特征预测寻优目标对应的用户特征组合，进而保证目标用户特征组合获取的高效性和准确性。

【技术实现步骤摘要】
用户特征群中用户特征寻优方法、装置、介质及电子设备
本公开涉及机器学习应用
，具体而言，涉及一种用户特征群中用户特征寻优方法、装置、介质及电子设备。
技术介绍
用户特征群中用户特征寻优就是从拥有大量用户特征的用户特征群中寻找满足需求的特殊用途的用户特征组合，即从用户特征群中寻找优化用户特征。例如，从用户特征用户特征群中寻找满足需求的用户特征组合，以求得到可以满足预定目的的一群用户组合。目前，进行用户特征群中用户特征寻优的主要是通过从用户用户特征群中爬去关键字，基于不同的关键字设置对应的权重系数，然后通过权重系数计算出满足需求的用户特征组合。这样，在用户特征寻优过程中，不能够考虑到所有用户特征群中用户特征之间的区别，获取到的用户特征组合存在组合不合理的问题，且用户特征组合获取的过程需要进行大量数据的统计，算法负荷大，获取效率低。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
本公开的目的在于提供一种用户特征群中用户特征寻优方案，进而至少在一定程度上通过机器学习模型根据部分用户特征组合的区别特征准确、高效预测寻优目标对应的用户特征组合，进而保证目标用户特征组合获取的高效性和准确性。根据本公开的一个方面，提供一种用户特征群中用户特征寻优方法，包括：基于目标用户特征群，初始化生成多个用户特征组合；将每个所述用户特征组合及寻优目标分别输入预先训练好的第一机器学习模型，得到每个所述用户特征组合的评价分数；获取多个第一分数范围中的评价分数对应的用户特征组合，及多个第二分数范围中的评价分数对应的用户特征组合，其中，所述多个第一分数范围中的评价分数大于第一预定阈值，所述多个多个第二分数范围中的评价分数低于第二预定阈值；获取每个所述第一分数范围的用户特征组合与每个第二分数范围的用户特征组合的用户特征区别，得到多个用户特征区别；将所述多个用户特征区别及寻优目标输入预先训练好的第二机器学习模型，得到所述目标用户特征群的预测优化用户特征组合；基于所述预测优化用户特征组合，从所述目标用户特征群中获取目标优化用户特征组合。在本公开的一种示例性实施例中，所述基于目标用户特征群，初始化生成多个用户特征组合，包括：从所述目标用户特征群中，依次分别获取预定数目个用户特征，其中，每次获取时的所述预定数目比前一次多预定个数个；依次分别将获取的所述预定数目个用户特征，按照所述目标用户特征群的排列规则排列成用户特征串，得到多个用户特征组合。在本公开的一种示例性实施例中，所述基于目标用户特征群，初始化生成多个用户特征组合，包括：基于目标用户特征群，随机初始化生成预定数目个用户特征组合。在本公开的一种示例性实施例中，在所述获取多个第一分数范围中的评价分数对应的用户特征组合，及多个第二分数范围中的评价分数对应的用户特征组合，其中，所述多个第一分数范围中的评价分数大于第一预定阈值，所述多个多个第二分数范围中的评价分数低于第二预定阈值之后，所述方法还包括：如果有所述第一分数范围及所述第二分数范围没有获取到对应的用户特征组合，基于所述目标用户特征群，初始化生成预定组数个用户特征组合；将所述用户特征组合分别输入预先训练好的第一机器学习模型，得到每个所述用户特征组合的评价分数；获取所有所述评价分数中，大于第一预定阈值的多个第一分数范围的评价分数对应的用户特征组合，及低于第二预定阈值的多个第二分数范围的评价分数对应的用户特征组合当所有所述第一分数范围及所述第二分数范围有获取到对应的用户特征组合，获取结束。在本公开的一种示例性实施例中，所述获取获取每个所述第一分数范围的用户特征组合与每个第二分数范围的用户特征组合的用户特征区别，得到多个用户特征区别，包括：从每个所述第一分数范围的用户特征组合中随机获取一个用户特征组合；从每个所述第二分数范围的用户特征组合中随机获取一个用户特征组合；获取每个所述第一分数范围的所述随机获取的一个用户特征组合与每个所述第二分数范围的所述随机获取的一个用户特征组合的用户特征区别，得到多个用户特征区别。在本公开的一种示例性实施例中，所述获取每个所述第一分数范围的用户特征组合与每个第二分数范围的用户特征组合的用户特征区别，得到多个用户特征区别，包括：获取每个所述第一分数范围的用户特征组合的第一用户特征组合要素；获取每个第一分数范围对应的所述第二分数范围的用户特征组合的第二用户特征组合要素；获取每个所述第一用户特征组合要素与每个所述第二用户特征组合要素的区别特征，得到每个所述第一分数范围的用户特征组合与每个第二分数范围的用户特征组合的用户特征区别。在本公开的一种示例性实施例中，所述第一机器学习模型的训练方法：收集用户特征组合及寻优目标样本集，所述样本集中每个样本事先标定对应的评价分数；将所述样本集中每个样本的输入数据分别输入机器学习模型，得到每个所述样本对应的评价分数；如果存在有样本的输入数据输入机器学习模型后，得到样本对应的评价分数与对所述样本事先标定的评价分数不一致，则调整学习模型的系数，直到一致；当所有的样本的输入数据输入机器学习模型后，得到的每个样本对应的评价分数与对每个所述样本事先标定的评价分数一致，训练结束。根据本公开的一个方面，提供一种用户特征群中用户特征寻优装置，其特征在于，包括：初始化模块，用于基于目标用户特征群，初始化生成多个用户特征组合；评价模块，用于将每个所述用户特征组合及寻优目标分别输入预先训练好的第一机器学习模型，得到每个所述用户特征组合的评价分数；第一获取模块，用于获取多个第一分数范围中的评价分数对应的用户特征组合，及多个第二分数范围中的评价分数对应的用户特征组合，其中，所述多个第一分数范围中的评价分数大于第一预定阈值，所述多个多个第二分数范围中的评价分数低于第二预定阈值；第二获取模块，用于获取每个所述第一分数范围的用户特征组合与每个第二分数范围的用户特征组合的用户特征区别，得到多个用户特征区别；预测模块，用于将所述多个用户特征区别及寻优目标输入预先训练好的第二机器学习模型，得到所述目标用户特征群的预测优化用户特征组合；优化特征获取模块，用于基于所述预测优化用户特征组合，从所述目标用户特征群中获取目标优化用户特征组合。根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有用户特征群中用户特征寻优程序，其特征在于，所述用户特征群中用户特征寻优程序被处理器执行时实现上述任一项所述的方法。根据本公开的一个方面，提供一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储所述处理器的用户特征群中用户特征寻优程序；其中，所述处理器配置为经由执行所述用户特征群中用户特征寻优程序来执行上述任一项所述的方法。本公开一种用户特征群中用户特征寻优方法及装置，首先，基于目标用户特征群，初始化生成多个用户特征组合；这样可以快速的获取少数几个用户特征组合，进而，将每个所述用户特征组合及寻优目标分别输入预先训练好的第一机器学习模型，得到每个所述用户特征组合的评价分数；可以准确地对每个用户特征组合与寻优目标的适配性进行准确评估。然后，获取多个第一分数范围中的评价分数对应的用户特征组合，及多个第二分数范围中的评价分数对应的本文档来自技高网...

【技术保护点】
1.一种用户特征群中用户特征寻优方法，其特征在于，包括：基于目标用户特征群，初始化生成多个用户特征组合；将每个所述用户特征组合及寻优目标分别输入预先训练好的第一机器学习模型，得到每个所述用户特征组合的评价分数；获取多个第一分数范围中的评价分数对应的用户特征组合，及多个第二分数范围中的评价分数对应的用户特征组合，其中，所述多个第一分数范围中的评价分数大于第一预定阈值，所述多个多个第二分数范围中的评价分数低于第二预定阈值；获取每个所述第一分数范围的用户特征组合与每个第二分数范围的用户特征组合的用户特征区别，得到多个用户特征区别；将所述多个用户特征区别及寻优目标输入预先训练好的第二机器学习模型，得到所述目标用户特征群的预测优化用户特征组合；基于所述预测优化用户特征组合，从所述目标用户特征群中获取目标优化用户特征组合。

【技术特征摘要】
1.一种用户特征群中用户特征寻优方法，其特征在于，包括：基于目标用户特征群，初始化生成多个用户特征组合；将每个所述用户特征组合及寻优目标分别输入预先训练好的第一机器学习模型，得到每个所述用户特征组合的评价分数；获取多个第一分数范围中的评价分数对应的用户特征组合，及多个第二分数范围中的评价分数对应的用户特征组合，其中，所述多个第一分数范围中的评价分数大于第一预定阈值，所述多个多个第二分数范围中的评价分数低于第二预定阈值；获取每个所述第一分数范围的用户特征组合与每个第二分数范围的用户特征组合的用户特征区别，得到多个用户特征区别；将所述多个用户特征区别及寻优目标输入预先训练好的第二机器学习模型，得到所述目标用户特征群的预测优化用户特征组合；基于所述预测优化用户特征组合，从所述目标用户特征群中获取目标优化用户特征组合。2.根据权利要求1所述的方法，其特征在于，所述基于目标用户特征群，初始化生成多个用户特征组合，包括：从所述目标用户特征群中，依次分别获取预定数目个用户特征，其中，每次获取时的所述预定数目比前一次多预定个数个；依次分别将获取的所述预定数目个用户特征，按照所述目标用户特征群的排列规则排列成用户特征串，得到多个用户特征组合。3.根据权利要求1所述的方法，其特征在于，所述基于目标用户特征群，初始化生成多个用户特征组合，包括：基于目标用户特征群，随机初始化生成预定数目个用户特征组合。4.根据权利要求1所述的方法，其特征在于，在获取多个第一分数范围中的评价分数对应的用户特征组合，及多个第二分数范围中的评价分数对应的用户特征组合，其中，所述多个第一分数范围中的评价分数大于第一预定阈值，所述多个多个第二分数范围中的评价分数低于第二预定阈值之后，所述方法还包括：如果有所述第一分数范围及所述第二分数范围没有获取到对应的用户特征组合，基于所述目标用户特征群，初始化生成预定组数个用户特征组合；将所述用户特征组合分别输入预先训练好的第一机器学习模型，得到每个所述用户特征组合的评价分数；获取所有所述评价分数中，大于第一预定阈值的多个第一分数范围的评价分数对应的用户特征组合，及低于第二预定阈值的多个第二分数范围的评价分数对应的用户特征组合；当所有所述第一分数范围及所述第二分数范围有获取到对应的用户特征组合，获取结束。5.根据权利要求1所述的方法，其特征在于，所述获取每个所述第一分数范围的用户特征组合与每个第二分数范围的用户特征组合的用户特征区别，得到多个用户特征区别，包括：从每个所述第一分数范围的用户特征组合中随机获取一个用户特征组合；从每个所述第二分数范围的用户特征组合中随机获取一个用户特征组合；获取每个所述第一分数范围的所述随...

【专利技术属性】
技术研发人员：邓悦，金戈，徐亮，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44