用户的处理方法、装置和设备制造方法及图纸

本申请提供一种用户的处理方法、装置和设备，该方法包括：获取至少两个待识别用户的属性特征；利用目标训练模型根据至少两个待识别用户的属性特征，从至少两个待识别用户中确定具有关联关系的目标关联用户；根据目标关联用户，确定目标待识别用户所属的目标用户组，目标待识别用户为至少两个待识别用户中存在关联关系的用户中的任意一个用户。本申请提供的用户的处理方法、装置和设备，能够减少用户的处理装置的运算量，提高确定目标待识别用户所属的目标用户组的效率。

【技术实现步骤摘要】
用户的处理方法、装置和设备
本申请实施例涉及数据处理
，尤其涉及一种用户的处理方法、装置和设备。
技术介绍
物联网和智能家居时代的到来，家庭用户逐渐增多，互联网宽带服务、智能设备、智慧家庭等相互融合的家庭互联网解决方案将成为热点。在这种背景下，迫切需要利用大数据能力，整合多源数据，通过数据挖掘从多个用户中识别出属于同一家庭的用户，然后有针对性的向其推送信息，开展家庭产品服务，提升家庭用户的使用体验。现有技术中，是通过待识别用户的通话网络图，确定与该待识别用户所对应的用户属于同一家庭的其他用户的用户信息，然而，通话网络图通常比较复杂，且存在较多无效号码，例如商家、快递员等号码，数据量较大且复杂，导致用户的识别效率较低。
技术实现思路
本申请提供一种用户的处理方法、装置和设备，能够提高确定与待识别用户属于同一家庭的目标用户组的效率。第一方面，本申请提供一种用户的处理方法，包括：获取至少两个待识别用户的属性特征；利用目标训练模型根据至少两个待识别用户的属性特征，从至少两个待识别用户中确定具有关联关系的目标关联用户；根据目标关联用户，确定目标待识别用户所属的目标用户组，目标待识别用户为至少两个待识别用户中存在关联关系的用户中的任意一个用户。可选的，根据目标关联用户，确定目标待识别用户所属的目标用户组，包括：根据目标关联用户，确定关系网络图；根据关系网络图，确定目标待识别用户所属的目标用户组。通过该方法能够进一步提高确定目标待识别用户所属的目标用户组的效率。r>可选的，属性特征包括如下特征中的至少一种：待识别用户对应的用户的基本属性特征、用户的消费行为特征、用户的通信行为特征、用户的上网行为特征、用户使用终端的行为特征、用户所在位置信息特征。通过上述属性特征能够全面的描述用户的特性，能够增强用户之间的差异性，进而能够提高确定目标用户组的准确性。可选的，还包括：根据目标待识别用户所属的目标用户组，向目标用户组内的至少一个用户推送第一消息，该第一消息用于提醒使用者对用户的相关信息进行设置。该方法通过根据目标待识别用户所属的目标用户组，向目标用户组内的至少一个用户推送用于提醒使用者对用户的相关信息进行设置的第一消息，以使使用者能够及时了解选择适合自己的消息并对其对应的用户进行设置，提升使用者的使用体验。第二方面，本申请提供一种模型训练方法，包括：获取多个用户的属性特征；根据多个属性特征，确定多个训练样本，多个训练样本中包括经过标识的用户，以及未标识的用户，经过标识的用户包括具有关联关系的用户；根据多个训练样本，对初始训练模型进行训练，得到目标训练模型。该方法通过获取多个用户的属性特征，并根据多个属性特征，确定出多个训练样本，其中，多个训练样本中包括经过标识的用户，以及未标识的用户，经过标识的用户包括具有关联关系的用户，再根据多个训练样本，对初始训练模型进行训练，得到目标训练模型，能够在有标识的样本数较少的情况下，通过半监督学习的方式训练得到目标训练模型，提高了模型训练的准确性和泛化能力。可选的，根据多个训练样本，对初始训练模型进行训练，得到目标训练模型，包括：根据多个训练样本，对初始训练模型进行训练，得到第一训练模型；通过网格搜索算法对第一训练模型的参数进行处理，得到目标训练模型。通过该方法能够优化目标训练模型的参数，提升目标训练模型的准确性。可选的，该方法还包括：根据多个属性特征，确定多个测试样本，测试样本中包括未标识的用户；相应的，通过网格搜索算法对第一训练模型的参数进行处理，得到目标训练模型，包括：通过网格搜索算法对第一训练模型的参数进行处理，得到第二训练模型；将多个测试样本输入第二训练模型，得到目标训练模型。因为用户标识为空值的样本数量较多，因此能够提供大量的测试样本，通过该方法将大量的测试样本输入第二训练模型，对模型进行测试，进而能够及时发现模型存在的问题，对模型及时进行优化，使的最终训练得到的目标训练模型的准确性更高。第三方面，本申请提供一种用户的处理装置，包括：获取模块，用于获取至少两个待识别用户的属性特征。确定模块，用于利用目标训练模型根据至少两个待识别用户的属性特征，从至少两个待识别用户中确定具有关联关系的目标关联用户。该确定模块，还用于根据目标关联用户，确定目标待识别用户所属的目标用户组，目标待识别用户为至少两个待识别用户中存在关联关系的用户中的任意一个用户。可选的，该确定模块，具体用于根据目标关联用户，确定关系网络图；根据关系网络图，确定目标待识别用户所属的目标用户组。可选的，属性特征包括如下特征中的至少一种：待识别用户对应的用户的基本属性特征、用户的消费行为特征、用户的通信行为特征、用户的上网行为特征、用户使用终端的行为特征、用户所在位置信息特征。可选的，还包括：推送模块，用于根据目标待识别用户所属的目标用户组，向目标用户组内的至少一个用户推送第一消息，该第一消息用于提醒使用者对用户的相关信息进行设置。第四方面，本申请提供一种模型训练装置，包括：获取模块，用于获取多个用户的属性特征。确定模块，用于根据多个属性特征，确定多个训练样本，多个训练样本中包括经过标识的用户，以及未标识的用户，经过标识的用户包括具有关联关系的用户。处理模块，用于根据多个训练样本，对初始训练模型进行训练，得到目标训练模型。可选的，该处理模块，具体用于根据多个训练样本，对初始训练模型进行训练，得到第一训练模型，通过网格搜索算法对第一训练模型的参数进行处理，得到目标训练模型。可选的，该确定模块，还用于根据多个属性特征，确定多个测试样本，测试样本中包括未标识的用户。相应的，该处理模块，具体用于通过网格搜索算法对第一训练模型的参数进行处理，得到第二训练模型，将多个测试样本输入第二训练模型，得到目标训练模型。第五方面，本申请提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面或第一方面的可选方式的方法或者第二方面或第二方面的可选方式的方法。第六方面，本申请提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现如第一方面或第一方面的可选方式的方法或者第二方面或第二方面的可选方式的方法。本申请提供的用户的处理方法、装置和设备，通过获取至少两个待识别用户的属性特征，然后利用目标训练模型根据至少两个待识别用户的属性特征，从至少两个待识别用户中确定出具有关联关系的目标关联用户，进而能够缩小确定目标待识别用户所属的目标用户组的范围；进一步的，再根据目标关联用户，确定目标待识别用户所属的目标用户组，能够减少用户的处理装置的运算量，提高确定目标待识别用户所属的目标用户组的效率。附图说明图1为本申请提供的一种用户的处本文档来自技高网...

【技术保护点】
1.一种用户的处理方法，其特征在于，包括：/n获取至少两个待识别用户的属性特征；/n利用目标训练模型根据所述至少两个待识别用户的属性特征，从所述至少两个待识别用户中确定具有关联关系的目标关联用户；/n根据所述目标关联用户，确定目标待识别用户所属的目标用户组，所述目标待识别用户为所述至少两个待识别用户中存在所述关联关系的用户中的任意一个用户。/n

【技术特征摘要】
1.一种用户的处理方法，其特征在于，包括：
获取至少两个待识别用户的属性特征；
利用目标训练模型根据所述至少两个待识别用户的属性特征，从所述至少两个待识别用户中确定具有关联关系的目标关联用户；
根据所述目标关联用户，确定目标待识别用户所属的目标用户组，所述目标待识别用户为所述至少两个待识别用户中存在所述关联关系的用户中的任意一个用户。


2.根据权利要求1所述的方法，其特征在于，所述根据所述目标关联用户，确定目标待识别用户所属的目标用户组，包括：
根据所述目标关联用户，确定关系网络图；
根据所述关系网络图，确定所述目标待识别用户所属的目标用户组。


3.根据权利要求1或2所述的方法，其特征在于，所述属性特征包括如下特征中的至少一种：所述待识别用户对应的用户的基本属性特征、所述用户的消费行为特征、所述用户的通信行为特征、所述用户的上网行为特征、所述用户使用终端的行为特征、所述用户所在位置信息特征。


4.根据权利要求1或2所述的方法，其特征在于，还包括：
根据所述目标待识别用户所属的目标用户组，向所述目标用户组内的至少一个用户推送第一消息；所述第一消息用于提醒用户对所述用户的相关信息进行设置。


5.一种模型训练方法，其特征在于，包括：
获取多个用户的属性特征；
根据多个属性特征，确定多个训练样本，所述多个训练样本中包括经过标识的用户，以及未标识的用户，所述经过标识的用户包括具有关联关系的用户；
根据所述多个训练样本，对初始训练模型进行训练，得到目标训练模型。


6.根据权利要求5所述的方法，其特征在于，根据所述多个训练样本，对初始...

【专利技术属性】
技术研发人员：李玮，刘洪峰，李丽梅，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：北京;11