基于人工智能的用户账户分析方法及系统技术方案

本发明专利技术提供一种基于人工智能的用户账户分析方法及系统，包括：从待分析账户中获取多个用户行为数据；利用行为分析模型确定各个用户行为数据的行为特征向量，用户行为数据的行为特征向量用于表征用户行为数据对应的用户行为特征；将各个用户行为数据的行为特征向量进行特征分类整合，得到待分析账户的用户行为特征；基于待分析账户的用户行为特征和用户数据库中预先存储的各个标准账户的用户行为特征，从用户数据库中确定满足第一指标的目标标准账户，作为待分析账户对应的同类账户；基于目标标准账户的账户类型，确定是否向待分析账户推送目标信息。如此设计，能够准确地对用户账户进行分析并更高效率地对目标账户进行信息推送。息推送。息推送。

【技术实现步骤摘要】
基于人工智能的用户账户分析方法及系统


[0001]本专利技术涉及电子商务管理
，具体而言，涉及一种基于人工智能的用户账户分析方法及系。

技术介绍

[0002]随着电子信息业务的发展，通过推送信息以使得用户购买其推送的商品或服务已经十分常见，但是这样的大量的推送信息则造成了用户的骚扰，在相关技术中，存在一些对用户账户的分析，并根据对账户的分析再进行推送的方案，然而现有的用户账户分析方案并不能准确地对该用户账户是否存在相关意愿，因此，如何更加准确地对账户进行分析以使得能够更加准确有效地对目标用户进行推送仍然是亟待解决的问题。

技术实现思路

[0003]本专利技术的目的在于提供一种基于人工智能的用户账户分析方法及系统。
[0004]第一方面，本专利技术实施例提供一种基于人工智能的用户账户分析方法，应用于服务器，方法包括：从待分析账户的原始用户数据中获取多个用户行为数据；利用行为分析模型确定各个所述用户行为数据的行为特征向量，所述用户行为数据的行为特征向量用于表征所述用户行为数据对应的用户行为特征；将各个所述用户行为数据的行为特征向量进行特征分类整合，得到所述待分析账户的用户行为特征；基于所述待分析账户的用户行为特征和用户数据库中预先存储的各个标准账户的用户行为特征，从所述用户数据库中确定满足第一指标的目标标准账户，作为所述待分析账户对应的同类账户；基于所述目标标准账户的账户类型，确定是否向所述待分析账户推送目标信息。
[0005]第二方面，本专利技术实施例提供一种服务器系统，包括服务器，服务器用于执行第一方面的实施例。
[0006]相比现有技术，本专利技术提供的有益效果包括：利用获取待分析账户的行为特征向量与用户行为特征，可以得到出用户数据库中与待分析账户同类的目标标准账户，使得针对同类账户的确定更加准确，提高了分析结果的精度，利用用户行为特征，也可以更快地得到出同类账户，能够对用户账户进行快速有效地进行分析，并根据与该用户账户同类的账户的行为数据确定是否向该用户账户推送目标信息，避免了向没有相关意愿的账户推送信息，有效地提高了推送效率还能够降低资源的浪费。
附图说明
[0007]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对
范围的限定。针对本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以基于这些附图获得其他相关的附图。
[0008]图1为本专利技术实施例提供的基于人工智能的用户账户分析方法的步骤流程示意图；图2为本专利技术实施例提供的服务器结构示意框图。
具体实施方式
[0009]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。
[0010]为了解决前述
技术介绍
中的技术问题，图1为本专利技术实施例提供的基于人工智能的用户账户分析方法的步骤流程示意图，本实施例提供的基于人工智能的用户账户分析方法可以由服务器执行，下面对该基于人工智能的用户账户分析方法进行详细介绍。
[0011]请参考图1，图1为本专利技术实施例提供的基于人工智能的用户账户分析方法的步骤流程示意图。该方法各步骤的执行主体可以是计算机设备。该方法可以包括如下步骤：S101，从待分析账户的原始用户数据中获取多个用户行为数据。
[0012]其中，用户行为数据可以是用户的购买数据、退货数据、与客服的沟通数据等等。
[0013]S102，利用行为分析模型确定各个用户行为数据的行为特征向量，用户行为数据的行为特征向量用于表征用户行为数据对应的用户行为特征。
[0014]具体的，可以将用户行为数据作为样本行为数据输入至行为分析模型中，得到各个用户行为数据的行为特征向量。该行为分析模型是基于人工智能训练得到的神经网络模型。用户行为数据的行为特征向量用于表征用户行为数据对应的用户行为特征。
[0015]S103，将各个用户行为数据的行为特征向量进行特征分类整合，得到待分析账户的用户行为特征。
[0016]可以理解的是，对各个用户行为数据的行为特征向量进行特征分类整合是为了减小可靠度较低的数据的影响，例如偏差较大的数据或者不那么好的数据都进行筛选。
[0017]在一些实施例中，待分析账户的用户行为特征包括待分析账户中的所有行为特征向量的用户行为特征。在一些实施例中，待分析账户的用户行为特征包括：用户行为数量、行为特征向量数量、行为数据对应的特征类别的数量等。在一些实施例中，待分析账户的下有X个用户行为数据，针对每个用户行为数据下，都有若干个行为特征向量。
[0018]S104，基于待分析账户的用户行为特征和用户数据库中预先存储的各个标准账户的用户行为特征，从用户数据库中确定满足第一指标的目标标准账户，作为待分析账户对应的同类账户。
[0019]在一些实施例中，用户数据库的用户行为特征包括用户数据库中预先存储的所有标准账户的用户行为数据的行为特征向量的用户行为特征。在一些实施例中，用户数据库的用户行为特征包括：用户行为数量、行为特征向量数量、用户行为数据对应的特征类别的数量。
[0020]在一些实施例中，第一指标是用于筛选目标标准账户的条件。在一些实施例中，第一指标是指目标标准账户的行为特征向量与待分析账户的行为特征向量的相似度距离满足预设的阈值条件，该预设的阈值条件可以基于上述两者的行为特征向量的相似度距离来
设定，相似度距离越小则说明两者越相似。
[0021]在一些实施例中，第一指标是指目标标准账户的行为特征向量与待分析账户的行为特征向量的相似度距离处于预设的取值范围，比如预设的取值范围是0至0.2，将相似度距离处于0至0.2的标准账户作为目标标准账户。在一些实施例中，第一指标是指相似度距离的排序位置处于预设的取值范围，比如第四取值范围是1至5，将相似度距离按照从大到小的排序进行排序，将相似度的排序位置处于1至5的标准账户确定为目标标准账户。在一些实施例中，第一指标是指相似度距离满足预设的阈值，比如该阈值是0.2，将相似度距离小于0.2的标准账户得到为目标标准账户。
[0022]S105，基于目标标准账户的账户类型，确定是否向待分析账户推送目标信息。
[0023]其中，账户类型可以是对应与某个商品的目标账户或者是非目标账户，或者是可能账户。该目标信息可以是广告信息或者优惠信息等等。在该目标标准账户的账户类型为目标账户的情况下，则说明该目标标准账户为已购买该商品的账户，非目标账户则说明该目标标准账户不会购买该商品，可能账户则说明该目标标准账户存在购买该商品的可能性。在一些实施例中，若该账户类型表征为目标账户或者可能账户的情况下，则想该待分析账户推送对应该商品的目标信息，反之则不推送。
[0024]本申请实施例提供的技术方案，利用获取待分析账户的行为特征向量与用户行为特征，可以得到出用户数据库中与待分析账户同类的目标标准账户，使得针对同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的用户账户分析方法，其特征在于，应用于服务器，所述方法包括：从待分析账户的原始用户数据中获取多个用户行为数据；利用行为分析模型确定各个所述用户行为数据的行为特征向量，所述用户行为数据的行为特征向量用于表征所述用户行为数据对应的用户行为特征；将各个所述用户行为数据的行为特征向量进行特征分类整合，得到所述待分析账户的用户行为特征；基于所述待分析账户的用户行为特征和用户数据库中预先存储的各个标准账户的用户行为特征，从所述用户数据库中确定满足第一指标的目标标准账户，作为所述待分析账户对应的同类账户；基于所述目标标准账户的账户类型，确定是否向所述待分析账户推送目标信息。2.根据权利要求1所述的方法，其特征在于，所述行为分析模型的训练包括：利用所述行为分析模型，确定样本行为数据集中的多个样本行为数据分别对应的第一行为特征向量；基于所述样本行为数据集中的多个样本行为数据分别对应的第一行为特征向量，确定多个第二行为特征向量，所述第二行为特征向量是归类于相同特征分类的各个样本行为数据的第一行为特征向量的均值；针对所述样本行为数据集中的各个所述样本行为数据，基于所述样本行为数据的第一行为特征向量与所述样本行为数据对应的相似度最高第二行为特征向量之间的相似度距离，得到所述样本行为数据的隐性特征向量；其中，所述样本行为数据对应的相似度最高第二行为特征向量是指所述多个第二行为特征向量中与所述样本行为数据的第一行为特征向量相似度距离最近的第二行为特征向量；基于所述样本行为数据的隐性特征向量，得到所述样本行为数据的行为特征向量，所述样本行为数据的行为特征向量用于表征所述样本行为数据对应的用户行为特征；基于所述样本行为数据集中的各个所述样本行为数据的行为特征向量，得到所述行为分析模型的损失值，以对所述行为分析模型的模型指标进行迭代。3.根据权利要求2所述的方法，其特征在于，所述基于所述样本行为数据集中的各个所述样本行为数据的行为特征向量，得到所述行为分析模型的损失值，以对所述行为分析模型的模型指标进行迭代，包括：从所述样本行为数据集中的各个所述样本行为数据中，获取多个样本行为数据对，所述多个样本行为数据对包括多个正样本行为数据对和多个负样本行为数据对；其中，每个所述正样本行为数据对包括的两个样本行为数据对应于相同类型的样本行为数据，每个所述负样本行为数据对包括的两个样本行为数据对应于两个不同类型的样本行为数据；基于所述正样本行为数据对包括的两个样本行为数据的行为特征向量之间的相似度距离大小，以及所述负样本行为数据对包括的两个样本行为数据的行为特征向量之间的相似度距离大小，得到所述行为分析模型的所述损失值；基于所述损失值对所述行为分析模型的模型指标进行迭代。4.根据权利要求3所述的方法，其特征在于，所述从所述样本行为数据集中的各个所述样本行为数据中，获取多个样本行为数据对，包括：
将所述样本行为数据集中的各个所述样本行为数据，分为多个同类样本行为数据子集，每个所述同类样本行为数据子集中包括多个对应于相同类型账户的样本行为数据；从同一个所述同类样本行为数据子集中获取两个样本行为数据，构建一个所述正样本行为数据对，得到所述多个正样本行为数据对；从不同的两个所述同类样本行为数据子集中获取两个样本行为数据，构建一个所述负样本行为数据对，得到所述多个负样本行为数据对；基于所述多个正样本行为数据对和所述多个负样本行为数据对，得到所述多个样本行为数据对；所述从不同的两个所述同类样本行为数据子集中获取两个样本行为数据，构建一个所述负样本行为数据对，得到所述多个负样本行为数据对，包括：针对所述多个同类样本行为数据子集中的目标同类样本行为数据子集，从所述目标同类样本行为数据子集中获取一个样本行为数据作为基准行为数据；从除所述目标同类样本行为数据子集之外的其他同类样本行为数据子集中，分别获取至少一个样本行为数据作为所述基准行为数据对应的对照行为数据；确定所述基准行为数据与各个所述对照行为数据之间的相似度距离；确定所述相似度距离满足第二指标的至少一个对照行为数据，与所述基准行为数据构建为至少一个负样本行为数据对；基于所述多个同类样本行为数据子集分别得到的至少一个负样本行为数据对，得到所述多个负样本行为数据对。5.根据权利要求2所述的方法，其特征在于，所述基于所述样本行为数据集中的多个样本行为数据分别对应的第一行为特征向量，确定多个第二行为特征向量，包括：对所述样本行为数据集中的多个样本行为数据分别对应的第一行为特征向量进行分类整合，确定多个第一行为特征向量集合；从每一个所述第一行为特征向量集合中，确定作为分类标准的样本行为数据的第一行为特征向量，作为所述第一行为特征向量集合对应的第二行为特征向量；所述对所述样本行为数据集中的多个样本行为数据分别对应的第一行为特征向量进行分类整合，确定多个第一行为特征向量集合，包括：从所述样本行为数据集中的多个样本行为数据中，抽选预设数量个样本行为数据作为分类标准，预设数量为大于1的整数；针对所述样本行为数据集中的每一个样本行为数据，分别确定所述样本行为数据的第一行为特征向量与预设数量个所述分类标准的第一行为特征向量之间的相似度距离；确定所述相似度距离最近对应的分类标准，作为所述样本行为数据对应的分类标准；执行多次迭代得到预设数量个更新后的分类标准，并基于所述预设数量个更新后的分类标准分别包括的样本行为数据，得到预设数量个所述第一行为特征向量集合。6.根据权利要求2所述的方法，其特征在于，所述行为分析模型包括第一特征提取网络、第二特征提取网络和第三特征提取网络；所述利用所述行为分析模型，确定样本行为数据集中的多个样本行为数据分别对应的第一行为特征向量，包括：针对所述样本行为数据集中的各个所述样本行为数据，利用所述第一特征提取网络对
所述样本行为数据进行特征提取，得到所述样本行为数据的原始行为特征向量；利用所述第二特征提取网络对所述样本行为数据的原始行为特征向量进行特征提取，得到所述样本行为数据的第一行为特征向量；所述基于所述样本行为数据的隐性特征向量，得到所述样本行为数据的行为特征向...

【专利技术属性】
技术研发人员：王瑞，王颢棋，
申请(专利权)人：昆明琪维宿信息科技有限公司，
类型：发明
国别省市：