一种目标用户的识别方法技术

本发明专利技术提供一种目标用户的识别方法

【技术实现步骤摘要】
一种目标用户的识别方法、装置、电子设备及存储介质


[0001]本专利技术涉及互联网
，尤其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存储介质
。

技术介绍

[0002]现阶段，随着人口老龄化不断加深，银发经济将成为经济增长的新引擎，老年市场虽然具有巨大潜力，但老年人客观存在的各方面机能下降
、
学习能力降低也使他们在接触新技术时面临一定的困难
。
虽然早已全面实施实名认证，可通过
B
域数据中的身份证号码计算用户的年龄，但是在现实生活中有一部分老人由于各种原因，使用子女身份证开的号卡，这样就对上述的年龄计算方法造成了干扰
。
如何准确识别出老年用户，对于正在努力开拓银发市场的运营商来说是当前面临的一大挑战
。
[0003]现有技术中对于老年用户的识别只能单纯的通过电话回访，不仅效率低，还对用户造成了不好的体验
。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对现有技术的上述不足，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存储介质，该方法可以实现目标用户的精准识别，提高目标用户识别效率，节省人工成本，提升用户体验感
。
[0005]第一方面，本专利技术提供一种目标用户的识别方法，包括：采集用户特征数据，其中，用户特征数据包括：行为数据
、
属性数据和衍生数据；基于用户特征数据和多次有放回抽样方式构建目标用户的分类模型；基于目标用户的分类模型识别目标用户
。
[0006]优选地，在所述采集用户特征数据之后，以及，在所述基于用户特征数据和多次有放回抽样方式构建目标用户的分类模型之前，还包括：根据用户特征数据中的任一用户特征确定目标用户特征数据和其他用户特征数据，并将目标用户特征数据标记为1，其他用户特征数据标记为0；根据如下公式对目标用户特征数据和其他用户特征数据进行归一化处理，得到处理后的标记为1的目标用户特征数据和标记为0的其他用户特征数据：或
[0007]优选地，所述基于用户特征数据和多次有放回抽样方式构建目标用户的分类模型，具体包括：使用聚类算法对处理后的用户特征数据进行第一分类；对第一分类后的用户特征数据基于多次有放回抽样方式构建目标用户的分类模型
。
[0008]优选地，所述使用聚类算法对处理后的用户特征数据进行第一分类，具体包括：从处理后的用户特征数据中采样
N
个标记为1的用户特征数据，基于聚类算法和轮廓系数进行聚类，得到
K
个簇中心，并分别计算
K
个簇的均值和方差，其中，
N
为标记为1的用户特征数据总体数量；从处理后的用户特征数据中采样标记为0的用户特征数据，通过如下公式计算标记为0的用户特征数据分别到
K
个簇中心的距离
z_score
：其中，
x
是从处理
后的用户特征数据中采样标记为0的用户特征数据，
u
i
是第
i
个簇的均值，
i
＝
1,2,3,
…
,N
，
σ
i
是第
i
簇的方差；若处理后的用户特征数据中
z_score
值小于预设阈值，则对
z_score
值对应的标记为0的用户特征数据更新标记为1，得到第一分类后的用户特征数据
。
[0009]优选地，所述对第一分类后的用户特征数据基于多次有放回抽样方式构建目标用户的分类模型，具体包括：在第一分类后的用户特征数据中
T
次有放回地随机采样
N
个标记为1的用户特征数据和
N
个标记为0的用户特征数据，其中，
N
为标记为1的用户特征数据总体数量；根据第
t
次采样的用户特征数据和分类算法，构建得到第
t
目标用户的分类模型；汇总第
t
目标用户的分类模型，得到目标用户的分类模型，其中
t
＝
1,2,3,
…
,T。
[0010]优选地，所述基于目标用户的分类模型识别目标用户，具体包括：采样未被第
t
次采样的标记为0的用户特征数据；基于第
t
目标用户的分类模型，预测未被第
t
次采样的标记为0的用户特征数据，得到未被第
t
次采样的标记为0的用户特征数据的预测结果；对所有未被第
t
次采样的标记为0的用户特征数据的预测结果统计同一用户特征数据的不同预测结果；对同一用户特征数据的不同预测结果求均值，得到所有标记为0的用户特征数据的预测结果以用于识别目标用户
。
[0011]第二方面，本专利技术还提供一种目标用户的识别装置，包括采集模块
、
模型构建模块和识别模块，采集模块，用于采集用户特征数据，其中用户特征数据包括：行为数据
、
属性数据和衍生数据，模型构建模块，与采集模块连接，基于用户特征数据和多次有放回抽样方式构建目标用户的分类模型，识别模块，与模型构建模块连接，用于基于目标用户的分类模型识别目标用户
。
[0012]优选地，所述模型构建模块包括第一分类单元和第二分类单元，第一分类单元，用于使用聚类算法对处理后的用户特征数据进行第一分类；第二分类单元，与第一分类单元连接，用于对第一分类后的用户特征数据基于多次有放回抽样方式构建目标用户的分类模型
。
[0013]第三方面，本专利技术还提供一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以实现上述第一方面提供的目标用户的识别方法
。
[0014]第四方面，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述第一方面提供的目标用户的识别方法
。
[0015]本专利技术提供的一种目标用户的识别方法
、
装置
、
电子设备及计算机可读存储介质，通过融合聚类和分类算法以及采用多次有放回抽样方式构建目标用户的分类模型，基于目标用户的分类模型精准识别目标用户
。
因此，本专利技术能够实现目标用户的精准识别，提高目标用户识别效率，节省人工成本，提升用户体验感
。
附图说明
[0016]图1为本专利技术实施例1的一种目标用户的识别方法的流程图；
[0017]图2为本专利技术实施例2的一种老年用户的识别装置的结构示意图；
[0018]图3为本专利技术实施例3中一种目标用户的识别装置的结构示意图
。
具体实施方式
[0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：采集用户特征数据，其中，用户特征数据包括：行为数据
、
属性数据和衍生数据；基于用户特征数据和多次有放回抽样方式构建目标用户的分类模型；基于目标用户的分类模型识别目标用户
。2.
根据权利要求1所述的目标用户的识别方法，其特征在于，在所述采集用户特征数据之后，以及，在所述基于用户特征数据和多次有放回抽样方式构建目标用户的分类模型之前，还包括：根据用户特征数据中的任一用户特征确定目标用户特征数据和其他用户特征数据，并将目标用户特征数据标记为1，其他用户特征数据标记为0；根据如下公式对目标用户特征数据和其他用户特征数据进行归一化处理，得到处理后的标记为1的目标用户特征数据和标记为0的其他用户特征数据：或
3.
根据权利要求2所述的目标用户的识别方法，其特征在于，基于用户特征数据和多次有放回抽样方式构建目标用户的分类模型，具体包括：使用聚类算法对处理后的用户特征数据进行第一分类；对第一分类后的用户特征数据基于多次有放回抽样方式构建目标用户的分类模型
。4.
根据权利要求3所述的目标用户的识别方法，其特征在于，所述使用聚类算法对处理后的用户特征数据进行第一分类，具体包括：从处理后的用户特征数据中采样
N
个标记为1的用户特征数据，基于聚类算法和轮廓系数进行聚类，得到
K
个簇中心，并分别计算
K
个簇的均值和方差，其中，
N
为标记为1的用户特征数据总体数量；从处理后的用户特征数据中采样标记为0的用户特征数据，通过如下公式计算标记为0的用户特征数据分别到
K
个簇中心的距离
z_score
：其中，
x
是从处理后的用户特征数据中采样标记为0的用户特征数据，
u
i
是第
i
个簇的均值，
i
＝
1,2,3,
…
,N
，
σ
i
是第
i
簇的方差；若处理后的用户特征数据中
z_score
值小于预设阈值，则对
z_score
值对应的标记为0的用户特征数据更新标记为1，得到第一分类后的用户特征数据
。5.
根据权利要求3所述的目标用户的识别方法，其特征在于，所述对第一分类后的用户特征数据基于多次有放回抽样方式构建目标用户的...

【专利技术属性】
技术研发人员：张玮，韩玉辉，王天翼，张晴晴，成晨，田园，程新洲，李贝，丁成俊，
申请(专利权)人：中国联合网络通信集团有限公司，
类型：发明
国别省市：