System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及数据处理技术,尤其涉及一种网络服务的账号处理方法、装置、设备及存储介质。
技术介绍
1、现有技术提供的网络服务中注册账号包括活跃账号和流失账号,活跃账号就是经常登录并使用网络服务的用户账号,而流失账号就是一段时间内或者某个时间段内没有登录,未使用网络服务的用户账号。为了避免用户流失,现有技术通常会对这些流失的账号进行回流预测,通过用户账号的等级、付费信息等对流失账号进行筛选,对回流概率较高的流失账号进行系统召回。
技术实现思路
1、本申请实施例提供一种网络服务的账号处理方法、网络服务的账号的回流预测模型的训练、装置、电子设备及计算机可读存储介质,能够提高网络服务中流失账号回流概率的预测准确率。
2、本申请实施例的技术方案是这样实现的:
3、本申请实施例提供一种网络服务的账号处理方法,所述方法包括:
4、获取目标账号,其中,所述目标账号是网络服务的任意一个流失账号;
5、获取预训练的图神经网络,其中,所述图神经网络是基于所述网络服务的多个账号分别对应的特征训练得到的,所述多个账号包括所述流失账号;
6、对所述图神经网络中对应所述目标账号的目标节点以及多个邻居节点进行聚合处理,得到图网络特征,其中,所述多个邻居节点包括所述目标节点连接的账号节点以及所述目标节点连接的社群节点;
7、基于所述图网络特征确定所述目标账号的回流概率,其中,所述回流概率是所述目标账号从所述流失账号转变为回流账号的概率。
9、构建社交图网络,其中,所述社交图网络包括多个账号,每个所述账号作为一个账号节点;
10、将所述社交图网络分割为多个社群;
11、将所述社群作为社群节点加入所述社交图网络,得到图神经网络;
12、获取的初始化的回流预测模型,其中,所述初始化的回流预测模型包括初始化的所述图神经网络和初始化的注意力网络;
13、将所述多个账号中每个流失账号节点的邻居节点进行采样,得到每个所述流失账号节点的采样节点集合;
14、将每个所述流失账号节点与所述邻居节点集合中的节点进行聚合,得到每个所述流失账号节点的图网络特征;
15、将所述图网络特征通过所述注意力网络进行注意力编码,得到交叉熵损失;
16、基于所述交叉熵损失对所述初始化的回流预测模型进行参数更新处理,得到训练后的回流预测模型。
17、本申请实施例提供一种网络服务的账号处理装置,包括:
18、获取模块,用于获取目标账号,其中,所述目标账号是网络服务的任意一个流失账号;
19、所述获取模块,还用于获取预训练的图神经网络,其中,所述图神经网络是基于所述网络服务的多个账号分别对应的特征训练得到的,所述多个账号包括所述流失账号;
20、处理模块,用于对所述图神经网络中对应所述目标账号的目标节点以及多个邻居节点进行聚合处理,得到图网络特征,其中,所述多个邻居节点包括所述目标节点连接的账号节点以及所述目标节点连接的社群节点;
21、预测模块,用于基于所述图网络特征确定所述目标账号的回流概率,其中,所述回流概率是所述目标账号从所述流失账号转变为回流账号的概率。
22、本申请实施例提供一种网络服务的账号的回流预测模型的训练装置,包括:
23、构建模块,用于构建社交图网络,所述社交图网络包括多个账号,将每个所述账号作为一个账号节点;
24、处理模块,用于将所述社交图网络分割为多个社群,其中,不同的所述社群包括不同的多个所述账号节点;
25、所述处理模块,还用于将所述社群作为社群节点加入所述社交图网络,得到图神经网络,其中,所述社群节点与所包括的所述账号节点之间通过边连接;
26、所述处理模块,还用于获取的初始化的回流预测模型,其中,所述初始化的回流预测模型包括初始化的所述图神经网络和初始化的注意力网络;
27、所述处理模块,还用于将所述多个账号中的每个流失账号对应的账号节点作为目标节点;
28、所述处理模块,还用于对每个所述目标节点的邻居节点进行采样,得到每个所述目标节点的采样节点集合,其中,所述目标节点的邻居节点包括所述目标节点连接的所述账号节点以及所述目标节点连接的所述社群节点;
29、所述处理模块,还用于将每个所述目标节点与所述邻居节点集合中的所有所述节点进行聚合,得到每个所述目标节点的图网络特征;
30、所述处理模块,还用于将所述图网络特征通过所述注意力网络进行注意力编码,得到交叉熵损失;
31、训练模块,用于基于所述交叉熵损失对所述初始化的回流预测模型进行参数更新处理,得到训练后的回流预测模型。
32、本申请实施例提供一种电子设备,所述电子设备包括:
33、存储器,用于存储计算机可执行指令;
34、处理器,用于执行所述存储器中存储的计算机可执行指令时,实现本申请实施例提供的网络服务的账号处理方法。
35、本申请实施例提供一种计算机可读存储介质,存储有计算机程序或计算机可执行指令,用于被处理器执行时实现本申请实施例提供的网络服务的账号处理方法或网络服务的账号的回流预测模型的训练方法。
36、本申请实施例提供一种计算机程序产品,包括计算机程序或计算机可执行指令,所述计算机程序或计算机可执行指令被处理器执行时,实现本申请实施例提供的网络服务的账号处理方法或网络服务的账号的回流预测模型的训练方法。
37、本申请实施例具有以下有益效果:
38、通过流失账号的个体维度的活跃特征以及与其他账号之间的社交维度的社交特征构建图神经网络,使得从图神经网络查询到的目标账号的图网络特征不仅能够反映账号与账号之间(也即账号节点之间)的关系,还能反映账号与社群(相当于账号节点与社群节点)之间的关系,使得目标账号的表征更全面征,基于图网络特征预测流失账号的回流概率时,能够全面反映从账号以及账号所属的社群两方面对回流概率预测准确率的影响,从而提高流失账号回流概率的预测准确率。
本文档来自技高网...【技术保护点】
1.一种网络服务的账号处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,
3.根据权利要求2所述的方法,其特征在于,
4.根据权利要求3所述的方法,其特征在于,
5.根据权利要求3或4所述的方法,其特征在于,所述将所述目标节点与所述采样节点集合中的所述多个节点进行聚合处理,得到所述目标账号的图网络特征,包括:
6.根据权利要求1所述的方法,其特征在于,
7.根据权利要求6所述的方法,其特征在于,所述将所述目标账号的所述活跃特征,所述目标账号的所述社交特征和所述目标账号的所述图网络特征进行融合处理,得到所述目标账号的融合特征,包括:
8.根据权利要求1所述的方法,其特征在于,
9.根据权利要求1至4任一项所述的方法,其特征在于,
10.根据权利要求9所述的方法,其特征在于,所述初始化所述图神经网络中的所有节点,包括:
11.一种网络服务的账号的回流预测模型的训练方法,其特征在于,所述方法包括:
12.一种网络服务的账号处理
13.一种网络服务的账号的回流预测模型的训练装置,其特征在于,所述网络服务的账号的回流预测模型的训练装置包括:
14.一种电子设备,其特征在于,所述电子设备包括:
15.一种计算机可读存储介质,存储有计算机可执行指令或者计算机程序,其特征在于,所述计算机可读存储介质存储有可执行指令,计算机执行所述可执行指令时能够实现如权利要求1至10任一项所述的一种网络服务的账号处理方法,或实现权利要求11所述的一种网络服务的账号的回流预测模型的训练方法。
...【技术特征摘要】
1.一种网络服务的账号处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,
3.根据权利要求2所述的方法,其特征在于,
4.根据权利要求3所述的方法,其特征在于,
5.根据权利要求3或4所述的方法,其特征在于,所述将所述目标节点与所述采样节点集合中的所述多个节点进行聚合处理,得到所述目标账号的图网络特征,包括:
6.根据权利要求1所述的方法,其特征在于,
7.根据权利要求6所述的方法,其特征在于,所述将所述目标账号的所述活跃特征,所述目标账号的所述社交特征和所述目标账号的所述图网络特征进行融合处理,得到所述目标账号的融合特征,包括:
8.根据权利要求1所述的方法,其特征在于,
9.根据权利要求1至4任一项所述的方法,其特征在于,
【专利技术属性】
技术研发人员:吴梓明,林文清,
申请(专利权)人:腾讯科技深圳有限公司,
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。