【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 ...
【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:
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。