獲取目標(biāo)用戶的方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)技術(shù)，尤其涉及一種獲取目標(biāo)用戶的方法和裝置。
【背景技術(shù)】
[0002]在很多領(lǐng)域，需要從大量的用戶中分離出具有某種共性的用戶，將需要分離出的具有某種共性的用戶稱為目標(biāo)用戶，獲取目標(biāo)用戶之后，向目標(biāo)用戶推送信息，例如:推送廣告、安全提示或節(jié)日問候等。
[0003]通常，通過建立一些規(guī)則，采用規(guī)則匹配的方式，將目標(biāo)用戶從大量的用戶中分離出來。例如:目標(biāo)用戶應(yīng)該滿足兩條規(guī)則:1、性別為男性；2、身高為175厘米以上，則將大量的用戶中滿足上述兩條規(guī)則的用戶與其他用戶進(jìn)行分離，以獲得目標(biāo)用戶。
[0004]然而，采用上述方法，獲取的目標(biāo)用戶的準(zhǔn)確性不高，導(dǎo)致向目標(biāo)用戶進(jìn)行信息推送的有效性不高。

【發(fā)明內(nèi)容】

[0005]本發(fā)明提供一種獲取目標(biāo)用戶的方法和裝置，以提高獲取目標(biāo)用戶的準(zhǔn)確性，從而，提高向目標(biāo)用戶進(jìn)行信息推送的有效性。
[0006]本發(fā)明第一方面提供一種獲取目標(biāo)用戶的方法，包括:
[0007]建立目標(biāo)用戶的M個(gè)預(yù)測模型，所述預(yù)測模型中包含不同的用戶特征的權(quán)重系數(shù)，所述M為大于等于I的整數(shù)；
[0008]將待測用戶的用戶特征的集合輸入所述M個(gè)預(yù)測模型中，所述用戶特征的集合包含待測用戶的N個(gè)用戶特征，所述N為大于等于I的整數(shù)；
[0009]根據(jù)所述M個(gè)預(yù)測模型的預(yù)測結(jié)果，獲取目標(biāo)用戶；
[0010]向所述目標(biāo)用戶推送信息。
[0011]在上述實(shí)施例中，所述建立目標(biāo)用戶的M個(gè)預(yù)測模型，包括:
[0012]將第一樣本和第i個(gè)第二樣本，通過二分類算法，建立目標(biāo)用戶的第i個(gè)預(yù)測模型，其中，所述I < i SM且為整數(shù)，所述第一樣本包含R個(gè)已知的目標(biāo)用戶的用戶特征的集合，所述第二樣本包含R個(gè)非目標(biāo)用戶的用戶特征的集合，所述M個(gè)第二樣本中每兩個(gè)第二樣本不相同，所述R為大于等于I的整數(shù)。
[0013]在上述實(shí)施例中，所述方法還包括:
[0014]獲取所述R個(gè)已知的目標(biāo)用戶的特定用戶特征，所述特定用戶特征能夠唯一標(biāo)識所述目標(biāo)用戶；
[0015]將所述特定用戶特征與數(shù)據(jù)庫中存儲(chǔ)的用戶特征匹配，獲取所述R個(gè)已知的目標(biāo)用戶的用戶特征的集合。
[0016]在上述實(shí)施例中，所述根據(jù)所述M個(gè)預(yù)測模型的預(yù)測結(jié)果，獲取目標(biāo)用戶，包括:
[0017]獲取所述M個(gè)預(yù)測模型的預(yù)測結(jié)果中，L個(gè)預(yù)測結(jié)果為目標(biāo)用戶的待測用戶為目標(biāo)用戶，其中，所述L與M的比值大于預(yù)設(shè)閾值。
[0018]在上述實(shí)施例中，所述二分類算法包括:
[0019]邏輯回歸算法、決策樹算法或支持向量機(jī)算法。
[0020]在上述實(shí)施例中，所述向所述目標(biāo)用戶推送信息，包括:
[0021 ] 向所述目標(biāo)用戶推送廣告。
[0022]本發(fā)明第二方面提供一種獲取目標(biāo)用戶的裝置，包括:
[0023]模型建立模塊，用于建立目標(biāo)用戶的M個(gè)預(yù)測模型，所述預(yù)測模型中包含不同的用戶特征的權(quán)重系數(shù)，所述M為大于等于I的整數(shù)；
[0024]輸入模塊，用于將待測用戶的用戶特征的集合輸入所述M個(gè)預(yù)測模型中，所述用戶特征的集合包含待測用戶的N個(gè)用戶特征，所述N為大于等于I的整數(shù)；
[0025]處理模塊，用于根據(jù)所述M個(gè)預(yù)測模型的預(yù)測結(jié)果，獲取目標(biāo)用戶；
[0026]推送模塊，用于向所述目標(biāo)用戶推送信息。
[0027]在上述實(shí)施例中，所述模型建立模塊具體用于將第一樣本和第i個(gè)第二樣本，通過二分類算法，建立目標(biāo)用戶的第i個(gè)預(yù)測模型，其中，所述I ( i < M且為整數(shù)，所述第一樣本包含R個(gè)已知的目標(biāo)用戶的用戶特征的集合，所述第二樣本包含R個(gè)非目標(biāo)用戶的用戶特征的集合，所述M個(gè)第二樣本中每兩個(gè)第二樣本不相同，所述R為大于等于I的整數(shù)。
[0028]在上述實(shí)施例中，所述處理模塊還用于獲取所述R個(gè)已知的目標(biāo)用戶的特定用戶特征，所述特定用戶特征能夠唯一標(biāo)識所述目標(biāo)用戶；將所述特定用戶特征與數(shù)據(jù)庫中存儲(chǔ)的用戶特征匹配，獲取所述R個(gè)已知的目標(biāo)用戶的用戶特征的集合。
[0029]在上述實(shí)施例中，所述處理模塊具體用于獲取所述M個(gè)預(yù)測模型的預(yù)測結(jié)果中，L個(gè)預(yù)測結(jié)果為目標(biāo)用戶的待測用戶為目標(biāo)用戶，其中，所述L與M的比值大于預(yù)設(shè)閾值。
[0030]在上述實(shí)施例中，所述二分類算法包括:
[0031 ] 邏輯回歸算法、決策樹算法或支持向量機(jī)算法。
[0032]本發(fā)明提供的獲取目標(biāo)用戶的方法和裝置，通過建立目標(biāo)用戶的M個(gè)預(yù)測模型，將待測用戶的用戶特征的集合輸入M個(gè)預(yù)測模型中，根據(jù)M個(gè)預(yù)測模型的預(yù)測結(jié)果，獲取目標(biāo)用戶，向所述目標(biāo)用戶推送信息。由于預(yù)測模型中包含不同的用戶特征的權(quán)重系數(shù)，即每個(gè)用戶特征對判斷是否為目標(biāo)用戶的影響程度不同，通過權(quán)重系數(shù)體現(xiàn)這種影響程度，提高獲取的目標(biāo)用戶的準(zhǔn)確性，從而，提高向目標(biāo)用戶進(jìn)行信息推送的有效性。
【附圖說明】
[0033]為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0034]圖1為本發(fā)明獲取目標(biāo)用戶的裝置實(shí)施例一的結(jié)構(gòu)示意圖；
[0035]圖2為本發(fā)明獲取目標(biāo)用戶的方法實(shí)施例一的流程示意圖；
[0036]圖3為本發(fā)明獲取目標(biāo)用戶的方法實(shí)施例二的流程示意圖；
[0037]圖4為本發(fā)明獲取目標(biāo)用戶的裝置實(shí)施例二的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0038]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0039]本發(fā)明的說明書和權(quán)利要求書及上述附圖中的術(shù)語“第一”、“第二”、“第三” “第四”等(如果存在)是用于區(qū)別類似的對象，而不必用于描述特定的順序或先后次序。應(yīng)該理解這樣使用的數(shù)據(jù)在適當(dāng)情況下可以互換，以便這里描述的本發(fā)明的實(shí)施例例如能夠以除了在這里圖示或描述的那些以外的順序?qū)嵤?。此外，術(shù)語“包括”和“具有”以及他們的任何變形，意圖在于覆蓋不排他的包含，例如，包含了一系列步驟或單元的過程、方法、系統(tǒng)、產(chǎn)品或設(shè)備不必限于清楚地列出的那些步驟或單元，而是可包括沒有清楚地列出的或?qū)τ谶@些過程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。
[0040]在獲取目標(biāo)用戶時(shí)，由于不同的用戶特征對判斷是否為目標(biāo)用戶的影響程度不同，例如:目標(biāo)用戶為某應(yīng)用程序(Applicat1n，以下簡稱:APP)的潛在用戶，其中，性別權(quán)重系數(shù)為0.8，如果是男性，則0.8的可能性是該APP的潛在用戶，年齡權(quán)重系數(shù)為0.2，如果是25?30之間，則有0.2的可能性是該APP的潛在用戶。因此，本發(fā)明為了提高獲取目標(biāo)用戶的準(zhǔn)確率，考慮不同的用戶特征對判斷是否為目標(biāo)用戶的影響程度，通過建立目標(biāo)用戶的M個(gè)預(yù)測模塊，預(yù)測模型中包含不同的用戶特征的權(quán)重系數(shù)，其中，M為大于等于I的整數(shù)，從而，參考了不同的用戶特征對判斷是否為目標(biāo)用戶的影響程度，將待測用戶的用戶特征的集合輸入M個(gè)預(yù)測模型中，所述用戶特征的集合包含待測用戶的N個(gè)用戶特征，N為大于等于I的整數(shù)；根據(jù)所述M個(gè)預(yù)測模型的預(yù)測結(jié)果，獲取目標(biāo)用戶，向目標(biāo)用戶推送信息，由于預(yù)測模型中包含不同的用戶特征的權(quán)重系數(shù)，即每個(gè)用戶特征對判斷是否為目標(biāo)用戶的影響程度不同，通過權(quán)重系數(shù)體現(xiàn)這種影響程度，提高獲取的目標(biāo)用戶的準(zhǔn)確性，從而，提高向目標(biāo)用