用户信息的处理方法、装置、存储介质和电子设备制造方法及图纸

本公开涉及一种用户信息的处理方法、装置、存储介质和电子设备，涉及电子信息处理技术领域，该方法包括：获取目标用户的目标用户信息，目标用户信息用于表征目标用户的状态，目标用户信息包括：用户属性、检查信息、调查信息中的一种或多种，对目标用户信息进行编码，以得到能够表征目标用户信息的目标特征向量，根据目标特征向量和预先训练的注意力网络，确定低层特征，并根据目标特征向量和预先训练的卷积神经网络，确定高层特征，根据低层特征、高层特征和预先训练的分类模型，确定目标用户所属的目标类型。本公开结合不同特征维度的低层特征和高层特征对目标用户进行分类，能够提高目标用户分类的准确度。目标用户分类的准确度。目标用户分类的准确度。

【技术实现步骤摘要】
用户信息的处理方法、装置、存储介质和电子设备


[0001]本公开涉及电子信息处理
，具体地，涉及一种用户信息的处理方法、装置、存储介质和电子设备。

技术介绍

[0002]随着电子信息技术的不断发展，越来越多的检查手段和检查设备，能够采集反映用户体征状态的用户信息，使得研究人员可以通过分析用户信息，对用户进行分类。例如通过采集饮食习惯、锻炼方式、基因序列等用户信息预测青少年的体重属于过重类型、过轻类型、适中类型，或者通过采集血液参数、激素参数、蛋白质属性、基因序列等用户信息预测用户的血压属于正常类型、高压类型、低压类型。通常情况下，在对某个具体用户进行分类时，是直接对该用户的用户信息进行分析来实现的，分类的准确度不高。

技术实现思路

[0003]为了解决现有技术中存在的问题，本公开的目的是提供一种用户信息的处理方法、装置、存储介质和电子设备。
[0004]为了实现上述目的，根据本公开实施例的第一方面，提供一种用户信息的处理方法，该方法包括：
[0005]获取目标用户的目标用户信息，所述目标用户信息用于表征所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户信息的处理方法，其特征在于，所述方法包括：获取目标用户的目标用户信息，所述目标用户信息用于表征所述目标用户的状态，所述目标用户信息包括：用户属性、检查信息、调查信息中的一种或多种；对所述目标用户信息进行编码，以得到能够表征所述目标用户信息的目标特征向量；根据所述目标特征向量和预先训练的注意力网络，确定低层特征，并根据所述目标特征向量和预先训练的卷积神经网络，确定高层特征；根据所述低层特征、所述高层特征和预先训练的分类模型，确定所述目标用户所属的目标类型。2.根据权利要求1所述的方法，其特征在于，所述对所述目标用户信息进行编码，以得到能够表征所述目标用户信息的目标特征向量，包括：将所述目标用户信息分为离散型数据和文本型数据；对所述离散型数据进行编码，并将编码后的所述离散型数据输入嵌入层，以得到所述嵌入层输出的第一特征向量；将所述文本型数据输入预训练模型，以得到所述预训练模型输出的第二特征向量；将所述第一特征向量和所述第二特征向量拼接为所述目标特征向量。3.根据权利要求2所述的方法，其特征在于，所述目标用户信息包括多种数据，每种数据属于用户属性、检查信息、调查信息中的一种；所述将所述目标用户信息分为离散型数据和文本型数据，包括：针对每种数据，若该种数据的数据类型为非文本类型，按照该种数据对应的取值范围对该种数据进行离散化处理，并将离散化处理后的该种数据作为所述离散型数据；若该数据的数据类型为文本类型，将该数据作为所述文本型数据。4.根据权利要求1所述的方法，其特征在于，所述根据所述低层特征、所述高层特征和预先训练的分类模型，确定所述目标用户所属的目标类型，包括：将所述低层特征和所述高层特征拼接为组合特征；将所述组合特征作为所述分类模型的输入，以得到所述分类模型输出的所述目标类型。5.根据权利要求1
‑
4中任一项所述的方法，其特征在于，所述注意力网络、所述卷积神经网络和所述分类模型是通过如下方式联合训练获得的：获取多个样本用户的样本用户信息，每个所述样本用户的样本用户信息用于表征该样本用户的状态，包括：用户属性、检查信息、调查信息中的一种或多种；根据每个所述样本用户的样本用户信息，确定能够表征该样本用户的样本用户信息的样本特征向量，并将所述样本特征向量作为该样本用户对应的样本输入，以得到包括每个所述样本用户对应的样本输入的样本输入集；获取样本输出集，所述样本输出集中包括与每个所述样本输入对应的样本输出，每个所述样本输出...

【专利技术属性】
技术研发人员：李彦东，冯仓龙，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：