本申请涉及一种目标用户的识别方法、装置、电子设备及计算机可读介质。该方法包括：获取待识别的用户数据；在待识别的用户数据中包含用户筛选特征时，将所述待识别的用户数据输入第一客群识别模型生成识别评分；在待识别的用户数据中不包含用户筛选特征时，将所述待识别的用户数据输入第二客群识别模型生成识别评分；在所述识别评分大于阈值时，将所述待识别的用户数据对应的用户确定为目标用户。本申请涉及的目标用户的识别方法、装置、电子设备及计算机可读介质，能够充分考虑到不同用户数据之间的特点，针对不用的用户数据使用不同的客户识别模型进行分析，从而对目标用户进行精确识别，保证系统数据安全和交易安全。保证系统数据安全和交易安全。保证系统数据安全和交易安全。
【技术实现步骤摘要】
目标用户的识别方法、装置、电子设备及计算机可读介质
[0001]本申请涉及计算机信息处理领域，具体而言，涉及一种目标用户的识别方法、装置、电子设备及计算机可读介质。
技术介绍
[0002]大多数互联网应用平台，通常会将互联网全量用户分为老用户和新用户两类。在互联网平台想进行产品推广的时候，会对老用户和新用户采用不同的触达方式和运营策略。考虑触达用户的成本，如何精准的识别目标客群是其中的一项关键任务。
[0003]以广告投放为例，现有广告投放方法为：互联网应用平台作为广告投放方生成人群定向包和人群排除包，广告平台基于自身为用户设置的用户定向标签和人群定向包向用户展示广告内容，广告平台不对人群排除包中的用户展示广告。广告投放方将广告展示的转化数据(用户点击、落地或者注册等数据)回传给广告平台，广告平台基于回传转化数据更新其自身的智能预估算法以便于进行下一次的广告投放。
[0004]对于广告投放方而言，人群定向包和人群排除包对广告转化数据具有极高的影响。但是现有技术中，由于用户经常在不用的平台中采用不同的用户名称，出于安全原因，广告平台也不会将用户关键信息共享给广告投放方使用，所以广告投放方在自研人群定向包和人群排除包时，仅能借助本地数据进行客群模型的建立。这种情况造成了广告投放方生成的人群定向包和人群排除包数据不准确，带来的广告投放效果也很有限。
[0005]因此，需要一种新的目标用户的识别方法、装置、电子设备及计算机可读介质。
[0006]在所述
技术介绍
部分公开的上述信息仅用于加强对本申请的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0007]有鉴于此，本申请提供一种目标用户的识别方法、装置、电子设备及计算机可读介质，能够充分考虑到不同用户数据之间的特点，针对不用的用户数据使用不同的客户识别模型进行分析，从而对目标用户进行精确识别，保证系统数据安全和交易安全。
[0008]本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
[0009]根据本申请的一方面，提出一种目标用户的识别方法，该方法包括：获取待识别的用户数据；在待识别的用户数据中包含用户筛选特征时，将所述待识别的用户数据输入第一客群识别模型生成识别评分；在待识别的用户数据中不包含用户筛选特征时，将所述待识别的用户数据输入第二客群识别模型生成识别评分；在所述识别评分大于阈值时，将所述待识别的用户数据对应的用户确定为目标用户。
[0010]可选地，还包括：还包括：通过第三方设备数据和本地用户数据生成多个训练样本集合；基于所述多个训练样本集合生成用户特征向量、第一设备特征向量、第二设备特征向量、用户特征学习向量；通过所述用户特征向量、所述第一设备特征向量对第一机器学习模
型进行训练，生成所述第一客群识别模型；通过所述第二设备特征向量、所述用户特征学习向量对第二机器学习模型进行训练，生成所述第二客群识别模型。
[0011]可选地，通过第三方设备数据和本地用户数据生成多个训练样本集合，包括：获取多个第三方平台以设备标识作为标识的第三方设备数据；基于所述第三方设备数据生成设备筛选特征；获取以用户标识作为标识的本地用户数据；基于所述本地用户数据生成用户筛选特征；通过所述设备筛选特征和所述用户筛选特征对所述本地用户数据进行筛选以生成所述多个训练样本集合。
[0012]可选地，通过第三方设备数据和本地用户数据生成多个训练样本集合，还包括：提取所述本地用户数据中的设备标识；将本地用户数据的标识由用户标识映射为设备标识。
[0013]可选地，通过所述设备筛选特征和所述用户筛选特征对所述本地用户数据进行筛选以生成所述多个训练样本集合，包括：根据预设策略由本地用户数据中提取正样本用户数据和负样本用户数据；通过包含有用户筛选特征和设备筛选特征的正样本用户数据和负样本用户数据生成第一训练样本集合；通过包含有设备筛选特征且不包含有用户筛选特征的正样本用户数据和负样本用户数据生成第二训练样本集合。
[0014]可选地，基于所述多个训练样本集合生成用户特征向量、第一设备特征向量、第二设备特征向量、用户特征学习向量，包括：将所述第一训练样本集合中的用户筛选特征输入用户特征网络，生成所述用户特征向量；将所述第一训练样本集合中的设备筛选特征输入设备特征网络，生成所述第一设备特征向量；将所述第二训练样本集合中的设备筛选特征输入用户特征学习网络生成所述用户特征学习向量；将所述第二训练样本集合中的设备筛选特征输入设备特征网络生成所述第二设备特征向量。
[0015]可选地，还包括：通过所述第一训练样本集合和所述第二训练样本集合对初始特征网络模型进行训练；在训练过程中，当相似度的极大似然损失函数满足条件时，生成所述用户特征学习网络。
[0016]可选地，通过所述第一训练样本集合和所述第二训练样本集合对初始特征网络模型进行训练，包括：逐一将所述第一训练样本集合中的正样本用户数据和负样本用户数据输入用户特征网络，生成用户特征向量；逐一将所述第二训练样本集合中的正样本用户数据和负样本用户数据输入所述初始特征网络模型，生成用户特征学习向量；计算所述用户特征向量和所述用户特征学习向量之间的相似度。
[0017]可选地，将所述待识别的用户数据输入第一客群识别模型生成识别评分，包括：将所述待识别的用户数据分别输入用户特征网络和设备特征网络以生成用户特征向量和设备特征向量；将所述用户特征向量和所述设备特征向量输入所述第一客群识别模型以生成所述识别评分。
[0018]可选地，将所述待识别的用户数据输入第二客群识别模型生成识别评分，包括：将所述待识别的用户数据分别输入设备特征网络和用户特征学习模型以生成设备特征向量和用户特征学习向量；将所述设备特征向量和所述用户特征学习向量输入所述第二客群识别模型以生成所述识别评分。
[0019]根据本申请的一方面，提出一种目标用户的识别装置，该装置包括：用户模块，用于获取多个待识别用户数据；第一识别模块，用于在待识别的用户数据中包含用户筛选特征和设备筛选特征时，将所述待识别的用户数据输入第一客群识别模型生成识别评分；第
二识别模块，用于在待识别的用户数据中不包含用户筛选特征仅包含设备筛选特征时，将所述待识别的用户数据输入第二客群识别模型生成识别评分；目标模块，用于在所述识别评分大于阈值时，将所述待识别用户数据对应的用户确定为目标用户。
[0020]根据本申请的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。
[0021]根据本申请的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。
[0022]根据本申请的目标用户的识别方法、装置、电子设备及计算机可读介质，通过获取待识别的用户数据；在待识别的用户数据中本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种目标用户的识别方法，其特征在于，包括：获取待识别的用户数据；在待识别的用户数据中包含用户筛选特征时，将所述待识别的用户数据输入第一客群识别模型生成识别评分；在待识别的用户数据中不包含用户筛选特征时，将所述待识别的用户数据输入第二客群识别模型生成识别评分；在所述识别评分大于阈值时，将所述待识别的用户数据对应的用户确定为目标用户。2.如权利要求1所述的识别方法，其特征在于，还包括：通过第三方设备数据和本地用户数据生成多个训练样本集合；基于所述多个训练样本集合生成用户特征向量、第一设备特征向量、第二设备特征向量、用户特征学习向量；通过所述用户特征向量、所述第一设备特征向量对第一机器学习模型进行训练，生成所述第一客群识别模型；通过所述第二设备特征向量、所述用户特征学习向量对第二机器学习模型进行训练，生成所述第二客群识别模型。3.如权利要求2所述的识别方法，其特征在于，通过第三方设备数据和本地用户数据生成多个训练样本集合，包括：获取多个第三方平台以设备标识作为标识的第三方设备数据；基于所述第三方设备数据生成设备筛选特征；获取以用户标识作为标识的本地用户数据；基于所述本地用户数据生成用户筛选特征；通过所述设备筛选特征和所述用户筛选特征对所述本地用户数据进行筛选以生成所述多个训练样本集合。4.如权利要求3所述的识别方法，其特征在于，通过第三方设备数据和本地用户数据生成多个训练样本集合，还包括：提取所述本地用户数据中的设备标识；将本地用户数据的标识由用户标识映射为设备标识。5.如权利要求3所述的识别方法，其特征在于，通过所述设备筛选特征和所述用户筛选特征对所述本地用户数据进行筛选以生成所述多个训练样本集合，包括：根据预设策略由本地用户数据中提取正样本用户数据和负样本用户数据；通过包含有用户筛选特征和设备筛选特征的正样本用户数据和负样本用户数据生成第一训练样本集合；通过包含有设备筛选特征且不包含有用户筛选特征的正样本用户数据和负样本用户数据生成第二训练样本集合。6.如权利要求5所述的识别方法，其特征在于，基于所述多个训练样本集合生成用户特征向量、第一设备特征向量、第二设备特征向量、用户特征学习向量，包括：将所述第一训练样本集合中的用户筛选特征输入用户特征网络，生成所述用户特征向量；将所述第一训练样本集合中的设备筛选特征输入设备特征网络，生成所述第一设备特
征向量；将所述第二训练样本集合中的设备筛选特征输入用户特征学习网络生成所述用户特征学习向...
【专利技术属性】
技术研发人员：卢剑锋，
申请(专利权)人：北海淇诚信息科技有限公司，
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。