【技术实现步骤摘要】
本专利技术涉及数据处理领域，尤其涉及一种用户分类模型训练方法、装置、设备、存储介质和产品。
技术介绍
1、近年来，随着互联网发展，互联网企业需要对用户进行评估，从将用户划分为不同的用户群，针对不同的用户群提供不同的个性化服务，从而达到提高用户体验、降低运营开销、提高用户留存率等的目的。现有人群分类标签选择方法主要包括人工选择、主成分分析(principal component analysis，pca)和机器学习分类算法(如knn、决策树和svm)。但是，人工筛选方法效率比较低，且主观性强，存在个人倾向性，目标人群和特征选取的人存在误差；pca分析过程中需要保留较大方差的主要成分，由于方差筛选特征的过程中可能存在重要特征被筛掉的问题，导致准确性不能保证；机器学习通常容易出现过拟合，分类的特征群不够精准，细分颗粒度达不到生产要求，需要不停的调优调参，耗时多。
技术实现思路
1、本专利技术实施例的目的是提供一种用户分类模型训练方法、装置、设备、存储介质和产品，训练得到的用户分类模型能有效提高用...
【技术保护点】
1.一种用户分类模型训练方法，其特征在于，包括：
2.如权利要求1所述的用户分类模型训练方法，其特征在于，所述构建数据域中用户的人际关系矩阵，包括：
3.如权利要求1所述的用户分类模型训练方法，其特征在于，所述构建数据域中用户的特征相似度矩阵，包括：
4.如权利要求1所述的用户分类模型训练方法，其特征在于，所述基于所述用户信息矩阵训练自编码器，包括：
5.如权利要求4所述的用户分类模型训练方法，其特征在于，在基于所述用户信息矩阵训练自编码器后，所述方法还包括：
6.如权利要求1所述的用户分类模型训练方法，其特...
【技术特征摘要】
1.一种用户分类模型训练方法，其特征在于，包括：
2.如权利要求1所述的用户分类模型训练方法，其特征在于，所述构建数据域中用户的人际关系矩阵，包括：
3.如权利要求1所述的用户分类模型训练方法，其特征在于，所述构建数据域中用户的特征相似度矩阵，包括：
4.如权利要求1所述的用户分类模型训练方法，其特征在于，所述基于所述用户信息矩阵训练自编码器，包括：
5.如权利要求4所述的用户分类模型训练方法，其特征在于，在基于所述用户信息矩阵训练自编码器后，所述方法还包括：
6.如权利要求1所述的用户分类模型训练方法，其特征在于，所述对所述自编码器进行模型参数优化，
7.一...
【专利技术属性】
技术研发人员：王绚，张海峰，周桐，刘贺，王悠然，耿辉，李娟，梁飞，
申请(专利权)人：中国移动通信集团设计院有限公司，
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。