【技术实现步骤摘要】
用户分析模型优化方法及装置
[0001]本专利技术涉及数据处理
，特别是涉及一种用户分析模型优化方法及装置。
技术介绍
[0002]随着互联网技术不断发展，电子时代已经融入到了身边各行各业中，餐饮、出行、金融等，电商更是与生活紧密相关，其中跨境电子商务建立了生产企业与个体批发商、零售商乃至消费者的直接联系，有效减少了商品流转成本。
[0003]目前，现有对跨境电商用户分析时，由于电商数据分布在多个电商平台中，电商数据不集中，这使得用户分析模型构建能力较差，而在单一电商平台下，由于用户消费习惯与标注成本的问题，良好的数据标签往往很难获取，个人购物记录无法采集并标注足量的训练样本，甚至部分场景中完全没有标签，这使得基于现有用户数据所构建的用户行为分析模型精确度较低。
技术实现思路
[0004]有鉴于此，本专利技术提供一种用户行为分析模型的优化方法及装置、存储介质、终端，主要目的在于解决现有用户行为分析模型精确度较低的问题。
[0005]依据本专利技术一个方面，提供了一种用户行为分析模型的优化
【技术保护点】
【技术特征摘要】
1.一种用户行为分析模型的优化方法，其特征在于，包括：获取半监督共享模型并将所述半监督共享模型发布至区块链网络中，以使得所述区块链网络中的各个节点将所述半监督共享模型下载至本地，而所述半监督共享模型用于基于半监督用户数据分析用户行为；接收所述各个节点上传的子模型参数，所述子模型参数为各个节点基于本地数据通过半监督学习得到的；根据所述子模型参数对所述半监督共享模型进行优化。2.根据权利要求1所述的方法，其特征在于，所述根据所述子模型参数对所述半监督共享模型的参数进行优化包括：根据与所述各个节点分别对应的子模型参数计算加权平均值；利用所述加权平均值对所述半监督共享模型的参数进行更新。3.根据权利要求1所述的方法，其特征在于，所述获取半监督共享模型并将所述半监督共享模型发布至区块链网络中，以使得所述区块链网络中的各个节点将所述半监督共享模型下载至本地之后，所述方法还包括：所述各个节点基于第一数据和第二数据并利用所述半监督共享模型分别进行半监督学习，得到与各个节点分别对应的子模型参数，所述第一数据为与节点对应的标签数据，所述第二数据为与节点对应的非标签数据；所述各个节点将所述子模型参数上传至所述区块链网路中。4.根据权利要求3所述的方法，其特征在于，所述所述各个节点基于第一数据和第二数据并利用所述半监督共享模型分别进行半监督学习包括：所述各个节点根据所述第一数据和所述第二数据分别计算第一损失函数和第二损失函数，所述第一损失函数为域混淆损失函数，所述第二损失函数为域分类损失函数；当所述第一损失函数和所述第二损失函数达到平衡状态时，将当前模型参数确定为所述子模型参数，所述平衡状态用于标识所述半监督共享模型对所述第一数据和所述第二数据的处理结果满足预设条件。5.根据权利要求3或4所述的方法，其特征在于，所述所述各个节点基于第一数据和第二数据并利用所述半监督共享模型分别进行半监督学习还包括：所述各个节点基于所述第一数据和所述第二数据分别计算第三损失函数，所述第三损...
【专利技术属性】
技术研发人员：范进，宋子龙，温志龙，
申请(专利权)人：盐城矩阵运营管理有限公司，
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。