用户行为数据处理方法、装置、设备及存储介质制造方法及图纸

本申请提供一种用户行为数据处理方法、装置、设备及存储介质。该方法包括：获取目标任务；目标任务包括待训练的AI模型所需的目标特征向量，目标特征向量为目标用户的多个特征向量的组合特征；若特征向量库中不存在AI模型所需的目标特征向量，则根据AI模型所需的目标特征向量，在特征向量库中获取目标主体的多个特征向量；特征向量库包括预先构建的多个特征向量，多个特征向量是根据不同渠道的用户行为数据得到的向量；将多个特征向量进行组合，得到目标特征向量；根据目标特征向量训练AI模型，得到训练好的AI模型。本申请提高了特征开发效率。率。率。

【技术实现步骤摘要】
用户行为数据处理方法、装置、设备及存储介质


[0001]本申请涉及人工智能技术，尤其涉及一种用户行为数据处理方法、装置、设备及存储介质。

技术介绍

[0002]数据特征对于人工智能(Artificial Intelligence，AI)学习具有重要作用。好的数据特征可以提高模型准确率，而好的算法模型只是不断地逼近该模型。
[0003]目前，对于一个模型，如果其需要多方面的业务行为特征，那么就需要进行人工特征工程。而如果另外一个模型，需要用到另外一业务行为特征，即使与已有模型存在部分重叠的业务行为特征，也需要重新进行特征工程，这会造成重复工作，导致特征开发效率低。

技术实现思路

[0004]本申请提供一种用户行为数据处理方法、装置、设备及存储介质，用以解决特征开发效率低的问题。
[0005]第一方面，本申请提供一种用户行为数据处理方法，包括：获取目标任务；所述目标任务包括待训练的AI模型所需的目标特征向量，所述目标特征向量为目标用户的多个特征向量的组合特征；若所述特征向量库中不存在所述AI模型所需的目标特征向量，则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户行为数据处理方法，其特征在于，包括：获取目标任务；所述目标任务包括待训练的AI模型所需的目标特征向量，所述目标特征向量为目标用户的多个特征向量的组合特征；若所述特征向量库中不存在所述AI模型所需的目标特征向量，则根据所述AI模型所需的目标特征向量，在特征向量库中获取所述目标用户的多个特征向量；所述特征向量库包括预先构建的多个特征向量，所述多个特征向量是根据不同渠道的用户行为数据得到的向量；将所述多个特征向量进行组合，得到所述目标特征向量；根据所述目标特征向量训练所述AI模型，得到训练好的AI模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述AI模型所需的目标特征向量，在特征向量库中获取所述多个特征向量之前，所述方法还包括：获取待构建特征向量的目标用户的样本数据；所述目标用户的样本数据包括所述目标用户的标识和所述目标用户的行为数据，所述目标用户的标识和所述目标用户的行为数据为非耦合数据；从所述样本数据中提取所述目标用户的标识，得到所述待构建特征向量的样本标识；根据所述待构建特征向量的样本标识，从所述样本数据中提取所述目标用户的行为数据；对所述目标用户的行为数据进行特征编码，得到所述目标用户的特征向量。3.根据权利要求2所述的方法，其特征在于，所述获取待构建特征向量的目标用户的样本数据，包括：获取待构建特征向量的目标用户的原始数据；所述原始数据包括所述目标用户的标识和所述目标用户的原始行为数据；所述目标用户的标识和所述目标用户的原始行为数据为耦合数据；对所述目标用户的标识和所述目标用户的原始行为数据进行特征解耦处理，得到所述目标用户的样本数据。4.根据权利要求2或3所述的方法，其特征在于，所述对所述目标用户的行为数据进行特征编码，得到所述目标用户的特征向量，包括：确定所述目标用户的行为数据的数据类型；所述数据类型包括字符类型、数字类型和分类类型；若所述目标用户的行为数据的数据类型为字符类型，则通过第一编码方式对所述目标用户的行为数据进行编码，得到所述目标用户的第一特征向量；所述第一编码方式为用于字符类型的行为数据的编码方式；若所述目标用户的行为数据的数据类型为数字类型，则通过第二编码方式对所述目标用户的行为数据进行编码，得到所述目标用户的第二特征向量；所述第二编码方式为用于数字类型的行为数据的编码方式；若所述目标用户的行为数据的数据类型为分类类型，则通过第三编码方式对所述目标用户的行为数据进行编码，得到所述目标用户的第三特征向量；所述第三编码方式为用于分类类型的行为数据的编码方式。5.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述特征向量库还包括预先存储
的多个目标特征...

【专利技术属性】
技术研发人员：黄福华，郑文琛，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：