本申请提供了一种用户收入确定方法及装置，获取需要进行收入预测的用户(即，目标用户)的用户属性特征和关联属性特征，其中，用户属性特征是目标用户的自身属性特征，如，性别、年龄、学历、住址、工作年限、工作单位、所属行业等；关联属性特征在一定程度也能够反映用户收入，例如，工作单位的基本信息、住址的基本信息等。将目标用户的用户属性特征及关联属性特征输入至预先训练得到的收入预测模型进行分析，得到该目标用户对应的收入区间。该方案不仅利用用户自身的属性特征，还充分挖掘了能够反映用户收入的关联信息，通过对用户多维度的信息进行分析，使得最终得到用户的收入区间水平更准确。准确。准确。
【技术实现步骤摘要】
一种用户收入确定方法及装置
[0001]本专利技术属于机器学习
，尤其涉及一种用户收入确定方法及装置。
技术介绍
[0002]信贷业务通常依赖于对用户的收入认定决定用户的贷款额度。传统的判断用户收入的方式通常是利用机器学习手段对用户的自身变量进行预测，得到用户的贷款额度，例如，用户的自身变量可以包括：性别、年龄、工作年限、行业、学历等信息。虽然这些信息在一定程度上反映用户的收入区间，但是，这种依据用户的自身变量确定的收入区间并不准确。
技术实现思路
[0003]有鉴于此，本专利技术的目的在于提供一种用户收入确定方法及装置，以解决传统技术中仅根据用户的自身变量预测用户的收入存在的预测结果不准确的问题，其公开的技术方案如下：
[0004]第一方面，本申请提供了一种用户收入确定方法，包括：
[0005]获取目标用户的用户属性特征和关联属性特征，其中，所述关联属性特征包括反映用户收入的其他维度信息；
[0006]利用预先训练得到的收入预测模型，对所述用户属性特征及所述关联属性特征进行分析，得到所述目标用户对应的收入区间。
[0007]在第一方面一种可能的实现方式中，所述获取目标用户的用户属性特征和关联属性特征，包括：
[0008]获取所述目标用户的用户属性特征，所述用户属性特征包括个人属性信息及反映所述目标用户的社会关联关系的社会关联信息；
[0009]根据所述目标用户的社会关联信息，获取与所述目标用户相关联的关联节点；
[0010]获取与所述目标用户的节点之间具有关联关系的关联节点的属性特征，得到所述关联属性特征。
[0011]在第一方面另一种可能的实现方式中，所述利用预先训练得到的收入预测模型，对所述用户属性特征及所述关联属性特征进行分析，得到所述目标用户对应的收入区间，包括：
[0012]根据每个节点的属性特征获得属性向量，所述节点包括用户节点及其他类型节点；
[0013]针对任一节点，对所述任一节点及关联节点对应的属性向量分别进行汇聚，得到所述任一节点的第1层汇聚向量，所述关联节点是与所述任一节点之间具有关联关系的节点；
[0014]对所述任一节点及所述关联节点对应的第i层汇聚向量进行汇聚，得到所述任一节点对应的第i+1层汇聚向量，其中，i为正整数；
[0015]根据目标用户对应的节点的最后一层汇聚向量得到所述目标用户的收入区间。
[0016]在第一方面再一种可能的实现方式中，所述方法还包括：
[0017]存储任一节点对应的所述第i层汇聚向量，以及所述节点的唯一标识，得到节点中间向量映射表；
[0018]所述对所述任一节点及所述关联节点对应的第i层汇聚向量进行汇聚，得到所述任一节点对应的第i+1层汇聚向量，包括：
[0019]获取所述关联节点对应的唯一标识；
[0020]从所述节点中间向量映射表中，查询与所述关联节点的唯一标识相匹配的第i层汇聚向量；
[0021]利用与所述任一节点及所述关联节点之间的关联关系相匹配的汇聚函数，对所述任一节点对应的第i层汇聚向量及所述关联节点对应的第i层汇聚向量进行汇聚，得到所述任一节点对应的第i+1层汇聚向量。
[0022]在第一方面又一种可能的实现方式中，预先训练所述收入预测模型的过程，包括：
[0023]获取训练样本节点对应的属性特征，以及获取关联节点对应的属性特征，所述训练样本节点是用户节点，所述关联节点是与所述训练样本节点相关联的节点；根据每个节点对应的属性特征获得属性向量；
[0024]针对任一节点，对所述任一节点及关联节点对应的属性向量分别进行汇聚，得到所述任一节点的第1层汇聚向量；
[0025]对所述任一节点及所述关联节点对应的第i层汇聚向量进行汇聚，得到所述任一节点对应的第i+1层汇聚向量，其中，i为正整数；
[0026]根据所述训练样本节点对应的最后一层汇聚向量得到所述训练样本节点对应的收入预测值；
[0027]根据所述训练样本节点对应的收入准确值，对各个汇聚函数中的参数及汇聚层数进行调整，直到所述收入预测值与所述收入准确值之间的损失满足预设收敛条件，得到所述收入预测模型；
[0028]其中，所述汇聚函数用于对所述节点的向量进行汇聚。
[0029]第二方面，本申请还提供了一种用户收入确定装置，包括：
[0030]用户属性特征获取模块，用于获取目标用户的用户属性特征；
[0031]关联特征获取模块，用于获取所述目标用户对应的关联属性特征，其中，所述关联属性特征包括反映用户收入的其他维度信息；
[0032]分析模块，用于利用预先训练得到的收入预测模型，对所述用户属性特征及所述关联属性特征进行分析，得到所述目标用户对应的收入区间。
[0033]在第二方面一种可能的实现方式中，所述关联特征获取模块，包括：
[0034]社会关联信息获取子模块，用于获取所述目标用户的用户属性特征中包含的社会关联信息，所述社会关联信息是反映所述目标用户的社会关联关系的信息；
[0035]关联节点获取子模块，用于根据所述目标用户的社会关联信息，获取与所述目标用户相关联的关联节点；
[0036]关联属性特征获取子模块，用于获取与所述目标用户的节点之间具有关联关系的关联节点的属性特征，得到所述关联属性特征。
[0037]在第二方面另一种可能的实现方式中，所述分析模块，包括：
[0038]向量获取子模块，用于根据每个节点的属性特征获得属性向量，所述节点包括用户节点及其他类型节点；
[0039]第一汇聚向量获取子模块，用于针对任一节点，对所述任一节点及关联节点对应的属性向量分别进行汇聚，得到所述任一节点的第1层汇聚向量，所述关联节点是与所述任一节点之间具有关联关系的节点；
[0040]第二汇聚向量获取子模块，用于对所述任一节点及所述关联节点对应的第i层汇聚向量进行汇聚，得到所述任一节点对应的第i+1层汇聚向量，其中，i为正整数；
[0041]收入区间确定子模块，用于根据目标用户对应的节点的最后一层汇聚向量得到所述目标用户的收入区间。
[0042]在第二方面再一种可能的实现方式中，所述装置还包括：
[0043]中间向量存储模块，用于存储任一节点对应的所述第i层汇聚向量，以及所述节点的唯一标识，得到节点中间向量映射表。
[0044]第三方面，本申请还提供了一种电子设备，包括：存储器和处理器；
[0045]所述存储器内存储有程序，所述处理器调用所述存储器内的程序以实现第一方面任一种可能的实现方式所述的用户收入确定方法。
[0046]第四方面，本申请还提供了一种计算机可读存储介质，该存储介质中存储有程序，该程序由计算设备执行时实现上述的用户收入确定方法。
[0047]本专利技术提供的用户收入确定方法，获取需要进行收入预测的用户(即，目标用户)的用户属性特征和关联属性特征，其中，用户属性特征本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用户收入确定方法，其特征在于，包括：获取目标用户的用户属性特征和关联属性特征，其中，所述关联属性特征包括反映用户收入的其他维度信息；利用预先训练得到的收入预测模型，对所述用户属性特征及所述关联属性特征进行分析，得到所述目标用户对应的收入区间。2.根据权利要求1所述的方法，其特征在于，所述获取目标用户的用户属性特征和关联属性特征，包括：获取所述目标用户的用户属性特征，所述用户属性特征包括个人属性信息及反映所述目标用户的社会关联关系的社会关联信息；根据所述目标用户的社会关联信息，获取与所述目标用户相关联的关联节点；获取与所述目标用户的节点之间具有关联关系的关联节点的属性特征，得到所述关联属性特征。3.根据权利要求1或2所述的方法，其特征在于，所述利用预先训练得到的收入预测模型，对所述用户属性特征及所述关联属性特征进行分析，得到所述目标用户对应的收入区间，包括：根据每个节点的属性特征获得属性向量，所述节点包括用户节点及其他类型节点；针对任一节点，对所述任一节点及关联节点对应的属性向量分别进行汇聚，得到所述任一节点的第1层汇聚向量，所述关联节点是与所述任一节点之间具有关联关系的节点；对所述任一节点及所述关联节点对应的第i层汇聚向量进行汇聚，得到所述任一节点对应的第i+1层汇聚向量，其中，i为正整数；根据目标用户对应的节点的最后一层汇聚向量得到所述目标用户的收入区间。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：存储任一节点对应的所述第i层汇聚向量，以及所述节点的唯一标识，得到节点中间向量映射表；所述对所述任一节点及所述关联节点对应的第i层汇聚向量进行汇聚，得到所述任一节点对应的第i+1层汇聚向量，包括：获取所述关联节点对应的唯一标识；从所述节点中间向量映射表中，查询与所述关联节点的唯一标识相匹配的第i层汇聚向量；利用与所述任一节点及所述关联节点之间的关联关系相匹配的汇聚函数，对所述任一节点对应的第i层汇聚向量及所述关联节点对应的第i层汇聚向量进行汇聚，得到所述任一节点对应的第i+1层汇聚向量。5.根据权利要求1所述的方法，其特征在于，预先训练所述收入预测模型的过程，包括：获取训练样本节点对应的属性特征，以及获取关联节点对应的属性特征，所述训练样本节点是用户节点，所述关联节点是与所述训练样本节点相关联的节点；根据每个节点对应的属性特征获得属性向量；针对任一节点，对所述任一节点及关联节点对应的属性向量分别进行汇聚，得到所述任一节点的第1层汇聚向量；对所述任一...
【专利技术属性】
技术研发人员：卓正兴，杨青，
申请(专利权)人：上海优扬新媒信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。