【技术实现步骤摘要】
相似人群扩展方法和装置
[0001]本专利技术涉及计算机
，尤其涉及一种相似人群扩展方法和装置。
技术介绍
[0002]相似人群扩展的原理为基于某种子用户，从海量的目标用户中找出和种子用户相似的人群，以拓展种子用户规模。当前，相似人群扩展方法主要划分为三类：其一是无监督学习的聚类方法，根据种子用户所属的类簇对目标用户进行分配；其二是有监督学习的训练方法，利用种子用户进行分类模型训练，根据目标用户的预测值进行排序；其三是特征优选的方法，根据选择的特征对目标用户进行相似性计算，进而筛选目标用户。
[0003]在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：一、对于无监督学习的聚类方法，很难确定类簇的数量和阈值；二、对于有监督学习的训练方法，易于过拟合于种子用户，造成在目标用户上泛化能力差；三、对于特征优选的方法，很难筛选出独立的显著性特征，且容易造成过拟合现象。
技术实现思路
[0004]有鉴于此，本专利技术实施例提供一种相似人群扩展方法和装置，能够基于对抗网络学习算法对特定用户进...
【技术保护点】
【技术特征摘要】
1.一种相似人群扩展方法，其特征在于，包括：获取目标对象对应的特定用户，根据所述特定用户的基础属性数据和行为数据，生成所述特定用户的特征数据，所述特定用户包括：种子用户和目标用户；根据所述特定用户的特征数据，采用随机梯度方法训练对抗网络学习算法的算法模型；基于所述算法模型，根据所述目标用户的特征数据，从所述目标用户中确定所述目标对象对应的可扩展用户。2.根据权利要求1所述的方法，其特征在于，所述根据所述特定用户的特征数据，采用随机梯度方法训练对抗网络学习算法的算法模型，包括：初始化对抗网络学习算法的分类模型；根据所述特定用户的特征数据和所述分类模型，通过随机梯度上升方法训练判别参数，获取所述判别参数对应的判别模型；通过随机梯度下降方法，利用所述判别模型的损失函数训练分类参数，根据训练后的分类参数更新所述分类模型；判断所述判别模型和更新后的分类模型是否符合预设条件；若是，则确定所述更新后的分类模型为目标分类模型，确定所述判别模型为目标判别模型；若否，则利用所述特定用户的特征数据和所述更新后的分类模型进行模型训练，直至训练得到的判别模型和分类模型符合预设条件。3.根据权利要求2所述的方法，其特征在于，所述根据所述特定用户的特征数据和所述分类模型，通过随机梯度上升方法训练判别参数，获取所述判别参数对应的判别模型，包括：从所述特定用户中采样至少一个第一分类样本集；将所述至少一个第一分类样本集对应的特征数据输入所述分类模型中，得到所述至少一个第一分类样本集对应的预测分类结果；从所述种子用户和负用户中采样至少一个标记样本集，确定所述至少一个标记样本集对应的真实分类结果，其中，所述种子用户对应的真实分类结果为1，所述负用户对应的真实分类结果为0；利用所述至少一个第一分类样本集对应的预测分类结果和所述至少一个标记样本集对应的真实分类结果，构造判别训练集；通过随机梯度上升方法，根据所述判别训练集训练所述判别参数。4.根据权利要求2所述的方法，其特征在于，所述通过随机梯度下降方法，利用所述判别模型的损失函数训练分类参数，包括：确定所述判别模型的损失函数；从所述特定用户中采样至少一个第二分类样本集；将所述至少一个第二分类样本集对应的特征数据输入所述判别模型的损失函数中，通过随机梯度下降方法训练所述分类参数。5.根据权利要求2所述的方法，其特征在于，所述初始化对抗网络学习算法的分类模型，包括：
获取分类参数的初始值，直接利用所述分类参数的初始值进行初始化；以及从所述种子用户和负用户中采样至少一个分类训练集，利用所述至少一个分类训练集预先训练至少一个初始分类模型，以完成分类模型的初始化。6.根据权利要求5所述的方法，其特征在于，所述获得对抗网络学习算法的目标分类模型和目标判别模型，包括：获得所述至少一个初始分类模型对应的至少一个可选分类模型和至少一个可选判别模型；从所述至少一个可选分类模型和所述至少一个可选判别模型中，确定所述目标分类模型和所述目标判别模型。7.根据权利要求3或5所述的方法，其特征在于，所述方法还包括：从所述目标用户中随机采样所述负用户；以及根据所述种子用户行为数据和所述种子用户的第二...
【专利技术属性】
技术研发人员：谢宏斌，
申请(专利权)人：北京京东世纪贸易有限公司，
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。