信息推荐方法、装置、设备及存储介质制造方法及图纸

本申请提供一种信息推荐方法、装置、设备及存储介质。该方法包括：获取待分类的M个用户的用户信息；M为大于或等于1的整数；将M个用户的用户信息输入用户分类模型，得到目标类别的N个用户；其中，用户分类模型是根据X个样本用户的用户信息和标签对P个支持向量机进行训练得到的，且用于识别目标类别的用户的模型；标签用于标识X个样本用户中每个样本用户对应的用户类别；N和X均为大于或等于1的整数；P为大于或等于2的整数；对目标类别的N个用户，进行信息推荐。信息推荐。信息推荐。

【技术实现步骤摘要】
信息推荐方法、装置、设备及存储介质


[0001]本申请涉及机器学习
，尤其涉及一种信息推荐方法、装置、设备及存储介质。

技术介绍

[0002]对于拥有众多用户资源的企业来说，能够从大量用户中筛选出目标类型用户，从而针对性地进行信息推荐，是提升用户体验的一种方式。
[0003]目前，企业在筛选目标类型用户时，主要依靠人工手动从大量用户资源中筛选出目标类型用户。具体地，是针对目标类型用户设置目标指标参数，之后，由人工根据每个用户的指标参数，筛选出符合目标指标参数的用户，再根据目标类型用户进行信息推荐。
[0004]然而，人工筛选目标类型用户容易出错，导致信息推荐准确度较低。

技术实现思路

[0005]本申请提供一种信息推荐方法、装置、设备及存储介质，用以解决人工筛选目标类型用户容易出错，导致信息推荐准确度较低的问题。
[0006]第一方面，本申请提供一种信息推荐方法，包括：获取待分类的M个用户的用户信息；所述M为大于或等于1的整数；将所述M个用户的用户信息输入用户分类模型，得到目标类别的N个用户；其中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推荐方法，其特征在于，包括：获取待分类的M个用户的用户信息；所述M为大于或等于1的整数；将所述M个用户的用户信息输入用户分类模型，得到目标类别的N个用户；其中，所述用户分类模型是根据X个样本用户的用户信息和标签对P个支持向量机进行训练得到的，且用于识别目标类别的用户的模型；所述标签用于标识所述X个样本用户中每个样本用户对应的用户类别；所述N和所述X均为大于或等于1的整数；所述P为大于或等于2的整数；对所述目标类别的N个用户，进行信息推荐。2.根据权利要求1所述的方法，其特征在于，所述用户分类模型包括P个分类器；所述将所述M个用户的用户信息输入用户分类模型，得到目标类别的N个用户，包括：将所述M个用户中每个用户的用户信息分别输入所述P个分类器，得到每个所述用户的P个分类结果；P个分类结果中每个分类结果用于指示每个所述用户是否属于每个所述分类器对应的分类结果；根据每个所述用户的P个分类结果，确定每个所述用户是否属于目标类别的用户。3.根据权利要求2所述的方法，其特征在于，所述将所述M个用户的用户信息输入用户分类模型，得到目标类别的N个用户之前，还包括：获取X个样本用户的用户信息和所述X个样本用户中每个样本用户对应的标签，所述标签用于指示每个所述样本用户对应的用户类别；根据所述X个样本用户的用户信息和所述X个样本用户中每个样本用户对应的标签，对P个支持向量机进行迭代训练，得到P个分类器；根据所述P个分类器的组合，得到用户分类模型。4.根据权利要求3所述的方法，其特征在于，所述根据所述X个样本用户的用户信息和所述X个样本用户中每个样本用户对应的标签，对P个支持向量机进行迭代训练，得到P个分类器，包括：确定所述X个样本用户对应的P个用户类别；依次根据所述P个用户类别中的每个用户类别对应的样本用户，构建正样本集，以及，根据剩余样本用户构建负样本集，直至所述P个用户类别中每个用户类别均已用于构建正样本集，得到P个训练样本集；针对所述P个支持向量机中每个支持向量机，根据所述P个训练样本集中每个训练样本集，对所述支持向量机进行训练，得到训练样本集中每个样本用户的分类训练结果；根据所述训练样本集中每个样本用户的分类训练结果和每个样本用户的用户类别之间的差异，调整所述支持向量机的网络参数，直至对每个支持向量机训练结束，得到P个分类器。5.根据权利要求3所述的方法，其特征在于，所述根据所述X个样本用户的用户信息和所述X个样本用户中每个样本用户对应的标签，对P个支持向量机进行迭代训练，得到P个分类器，包括：确定所述X个样本用户对应的Q个用户类别；所述Q为大于1的整数；依次根据所述Q个用户类别中每两个用户类别对应的样本用户，构建P个训练样本集；所述P的取值等于Q*...

【专利技术属性】
技术研发人员：张忠祥，张舒青，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：