CN109034853B - 基于种子用户寻找相似用户方法、装置、介质和电子设备 - Google Patents

Abstract

本公开是关于一种基于种子用户寻找相似用户方法、装置、存储介质和电子设备。该方法包括：获取用户行为对应的SKU，对所述SKU进行离散向量化处理得到SKU特征数据；获取用户的第一特征数据，根据所述第一特征数据和所述SKU特征数据进行预设模型训练得到一相似用户预测模型；其中，所述第一特征数据为不同于所述SKU的预设离散特征数据；获取一预设用户信息，根据所述预设用户信息和所述相似用户预测模型预测确定该预设用户所关联对应的相似用户。本公开可以改善扩展相似用户时效率低、耗时长的问题，提高模型的泛化能力和扩展效果。

Description

基于种子用户寻找相似用户方法、装置、介质和电子设备

技术领域

本公开涉及移动互联网技术领域，尤其涉及一种基于种子用户寻找相似用户方法、基于种子用户寻找相似用户装置以及实现所述基于种子用户寻找相似用户方法的计算机可读存储介质和电子设备。

背景技术

在目前的移动互联网时代，一些电商为了提升品牌影响力，促进商品销售，可以根据用户在互联网上的各种行为，依托精准定向技术挖掘出与广告主所推广商品有直接或潜在关系的相似用户。这种挖掘用户的技术方法也统称为受众定向技术。

相关技术中，一些广告平台提出了一种“新客推荐”的广告受众定向技术，利用广告主的精准客户数据以及广告平台拥有的其他用户行为数据，通过“以人找人”的方式进行相似人群扩展，即Lookalike技术。

目前Lookalike技术的实现方案虽然有很多，但是Lookalike技术依然存在一些问题，例如，算法的扩展耗时较大且效率低，扩展的用户量难以预估。另外，算法误差较大，将导致一些相似用户提前被舍弃掉，从而影响扩展的准确性，使得这些与种子用户相似的用户得不到广告曝光。因此，有必要提供一种新的技术方案改善上述方案中存在的一个或者多个问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于种子用户寻找相似用户方法、基于种子用户寻找相似用户装置以及实现所述基于种子用户寻找相似用户方法的计算机可读存储介质和电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的第一方面，提供一种基于种子用户寻找相似用户方法，该方法包括：

获取用户行为对应的SKU，对所述SKU进行离散向量化处理得到SKU特征数据；

获取用户的第一特征数据，根据所述第一特征数据和所述SKU特征数据进行预设模型训练得到一相似用户预测模型；其中，所述第一特征数据为不同于所述SKU的预设离散特征数据；

获取一预设用户信息，根据所述预设用户信息和所述相似用户预测模型预测确定该预设用户所关联对应的相似用户。

本公开的一种示例性实施例中，所述获取用户行为对应的SKU，对所述SKU进行离散向量化处理得到SKU特征数据包括：

获取用户行为对应的多个SKU，对所述多个SKU中的每个SKU进行离散向量化处理得到每个SKU对应的向量；

对所述每个SKU对应的向量求平均值，并将该平均值作为所述SKU特征数据。

本公开的一种示例性实施例中，所述用户行为对应的SKU包括购买SKU和浏览SKU中的至少一个。

本公开的一种示例性实施例中，所述第一特征数据包括用户属性信息数据，所述用户属性信息数据由用户的注册信息数据和/或用户行为数据而确定。

本公开的一种示例性实施例中，所述相似用户预测模型包括逻辑回归LR模型；

所述根据所述第一特征数据和所述SKU特征数据进行预设模型训练得到一相似用户预测模型包括：

将所述第一特征数据和所述SKU特征数据输入预设的LR模型训练工具，并以LBFGS算法进行模型训练得到所述逻辑回归LR模型。

本公开的一种示例性实施例中，该方法还包括：

在进行所述模型训练之前，将所述种子用户作为正样本，并进行随机采样获取全部用户中的部分用户作为负样本；

将所述正样本、负样本以及所述第一特征数据和所述SKU特征数据放入训练集，并基于该训练集进行后续的所述模型训练。

本公开的一种示例性实施例中，所述获取一预设用户信息，根据所述预设用户信息和所述相似用户预测模型预测确定该预设用户所关联对应的相似用户包括：

根据所述预设用户信息确定用户行为时间，以将预设时段内的用户作为活跃用户加入候选集合；

利用所述逻辑回归LR模型对所述候选集合进行预测，得到其中每个用户与种子用户相似的概率值；

对所述每个用户与种子用户相似的概率值进行排序，依次选取其中排序最前的N个概率值对应的用户作为扩展的相似用户；其中N为自然数。

本公开的一种示例性实施例中，该方法还包括：

每隔预设时间更新所述候选集合中的活跃用户。

本公开的一种示例性实施例中，该方法还包括：

根据预设扩展的用户数量调整所述N的取值从而调整相似用户的扩展量。

根据本公开实施例的第二方面，提供一种基于种子用户寻找相似用户装置，该装置包括：

离散向量化模块，用于获取用户行为对应的SKU，对所述SKU进行离散向量化处理得到SKU特征数据；

模型训练模块，用于获取用户的第一特征数据，根据所述第一特征数据和所述SKU特征数据进行预设模型训练得到一相似用户预测模型；其中，所述第一特征数据为不同于所述SKU的预设离散特征数据；

用户扩展模块，用于获取一预设用户信息，根据所述预设用户信息和所述相似用户预测模型预测确定该预设用户所关联对应的相似用户。

根据本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任意一个实施例中所述基于种子用户寻找相似用户方法的步骤。

根据本公开实施例的第四方面，提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述基于种子用户寻找相似用户方法的步骤。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开的一种实施例中，通过基于种子用户寻找相似用户上述方法及装置，对离散化的大量用户行为对应的SKU进行离散向量化处理而得到SKU特征数据，同时获取不同于所述SKU的预设离散特征数据即第一特征数据为，这样就获得了离散特征和离散向量化后的SKU特征的组合用户特征，以此作为输入进行模型训练并基于训练得到的模型进行相似用户扩展。这样，由于使用离散向量化技术压缩了特征空间，模型训练时间缩短很多，而且模型泛化能力得到了提高，从而可以改善Lookalike技术扩展相似用户时效率低、耗时长的问题，提高模型的泛化能力和扩展效果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出本公开示例性实施例中基于种子用户寻找相似用户方法流程图；

图2示意性示出本公开示例性实施例中基于种子用户寻找相似用户方法流程图；

图3示意性示出本公开示例性实施例中一种离散特征向量化训练网络结构示意图；

图4示意性示出本公开示例性实施例中基于种子用户寻找相似用户方法流程图；

图5示意性示出本公开示例性实施例中基于种子用户寻找相似用户方法流程图；

图6示意性示出本公开示例性实施例中一种寻找相似用户应用场景示意图；

图7示意性示出本公开示例性实施例中一种基于种子用户寻找相似用户装置示意图；

图8示意性示出本公开示例性实施例中一种计算机可读存储介质示意图；

图9示意性示出本公开示例性实施例中一种电子设备示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中首先提供了一种基于种子用户寻找相似用户方法。参考图1中所示，该方法可以包括：

步骤S101：获取用户行为对应的SKU(Stock Keeping Unit，库存量单位)，对所述SKU进行离散向量化处理得到SKU特征数据。

步骤S102：获取用户的第一特征数据，根据所述第一特征数据和所述SKU特征数据进行预设模型训练得到一相似用户预测模型。其中，所述第一特征数据为不同于所述SKU的预设离散特征数据。

步骤S103：获取一预设用户信息，根据所述预设用户信息和所述相似用户预测模型预测确定该预设用户所关联对应的相似用户。

通过上述基于种子用户寻找相似用户方法，获得离散特征和离散向量化后的SKU特征的组合用户特征，以此作为输入进行模型训练并基于训练得到的模型进行相似用户扩展。这样，由于使用离散向量化技术压缩了特征空间，模型训练时间缩短很多，而且模型泛化能力得到了提高，从而可以改善Lookalike技术扩展相似用户时效率低、耗时长的问题，提高模型的泛化能力和扩展效果。

下面，将参考图1至图6对本示例实施方式中的上述方法的各个步骤进行更详细的说明。

在步骤S101中，获取用户行为对应的SKU，对所述SKU进行离散向量化处理得到SKU特征数据。

本示例实施方式中，示例性的，所述用户行为对应的SKU可以包括但不限于如用户在电商网站上的购买SKU和浏览SKU中的至少一个。电商的SKU可以包括电商商品名称数据以及和每一电商商品名称关联的电商商品相关数据。例如，SKU可以包括商品名称如“洗发水”，以及与之关联的商品相关数据，如“欧莱雅”、“柔顺”和“保湿”等等。这些特征数据可以用于确定用户之间的相似性，例如都喜欢同一品牌的洗发水等等。而这些特征数据通常是离散特征，且在电商平台上通常有数以亿计的SKU，如果直接使用离散特征将使用户特征维度巨大，而且异常稀疏，由于离散SKU之间没有语义相关性，所以不同SKU之间也不能进行运算。

本示例实施方式中，发明人开创性的类比word2vec思想提出sku2vec即SKU向量化构思，将SKU向量化。具体的，可以利用离散向量化embedding技术将SKU向量化。示例性的，将每个SKU可以看成一个word，每个用户在一定时间间隔内如浏览的SKU序列可以看成一个doc，使用word2vec作为训练工具，其训练网络结构如图3所示。将每个SKU训练映射成一个向量。这样不同SKU对应的向量间的距离可以用来衡量其相关性，用户如浏览的不同SKU之间的运算也有了意义。

参考图2中所示，在本公开的一种示例性实施例中，所述获取用户行为对应的SKU，对所述SKU进行离散向量化处理得到SKU特征数据可以包括以下步骤：

步骤S201：获取用户行为对应的多个SKU，对所述多个SKU中的每个SKU进行离散向量化处理得到每个SKU对应的向量。

示例性的，在SKU上的用户行为特征生成，可以根据用户日志数据生成用户如浏览SKU序列数据，并对SKU进行embedding得到每个SKU对应的向量，也即建立SKU到向量的映射表。

步骤S202：对所述每个SKU对应的向量求平均值，并将该平均值作为所述SKU特征数据。

示例性的，将用户行为如浏览对应的所有SKU对应的向量的平均值作为用户的SKU特征数据，SKU相关特征为用户稀疏特征，具体如表1所示。

表1稀疏SKU embedding特征

本示例性实施例中通过将SKU向量化，具体可以将用户浏览或购买行为对应的所有SKU对应的向量求平均值，作为该用户在SKU维度的特征数据，从而达到压缩特征维度的目的。

在步骤S102中，获取用户的第一特征数据，根据所述第一特征数据和所述SKU特征数据进行预设模型训练得到一相似用户预测模型。其中，所述第一特征数据为不同于所述SKU的预设离散特征数据。

在本公开的一种示例性实施例中，所述第一特征数据可以包括用户属性信息数据，所述用户属性信息数据可以由用户的注册信息数据和/或用户行为数据而确定。

示例性的，所述用户属性信息数据可以是用户画像特征，即根据用户的注册信息以及各种行为数据，利用数据挖掘技术对用户做各种维度标签的描述。这些画像特征可以补充用户的通用属性，完善后续用于模型训练数据的特征。如下表2示例性示出部分用户画像特征。

表2

所述第一特征数据还可以包括用户粗粒度离散特征，例如可以根据用户行为的不同，对用户特征进行分类，形成不同的用户特征，本实施例中主要使用用户的浏览行为特征和购买行为特征。可以将用户的行为聚合到SKU的三级类目、二级类目、一级类目、SKU所属店铺、品牌等。这种粗粒度的特征更适合描述用户的长期爱好。

通过上述特征生成过程，获得了离散特征数据(即第一特征数据)和embedding特征(即所述SKU特征数据)数据的组合用户特征数据。设计离散特征和embedding特征作为输入进行模型训练，可以在后续改善Lookalike技术扩展相似人群效率低、耗时长的问题；同时兼顾模型的可解释性、泛化能力和扩展效果。

下面是利用上述获取的这些特征数据来表达用户，拟合模型。在本公开的一种示例性实施例中，所述相似用户预测模型可以包括但不限于逻辑回归LR模型。本实施例中选用逻辑回归LR模型，该模型属于线性模型系，具有很好的可解释性且实现简单。需要说明的是，用户扩展本质上是根据用户的某些属性、特征，找到用户之间的相关性。本实施例中示例性的利用LR模型寻找扩展相似用户，但其他诸如规则系统、聚类、深度模型等，都可以用于相似用户的寻找，对此不作限定。

步骤S102中，所述根据所述第一特征数据和所述SKU特征数据进行预设模型训练得到一相似用户预测模型可以包括以下步骤：将所述第一特征数据和所述SKU特征数据输入预设的LR模型训练工具，并以LBFGS算法进行模型训练得到所述逻辑回归LR模型。

示例性的，为了平衡训练时间和模型效果，可以根据具体情况设置最大迭代次数和收敛条件。本实施例中示例性的利用Spark平台，使用Mllib中的LR作为训练工具，LBFGS算法作为训练方法进行训练模型。由于前面使用embedding技术压缩了特征空间，本实施例中的LR模型训练时间缩短很多，而且泛化能力得到了提高。

需要说明的是，模型的预测能力通常由记忆能力和泛化能力组成，一般线性模型具有更好的记忆能力，而深层学习模型则泛化能力更好一些。本实施例中通过将SKU映射成向量，使得SKU特征由one-hot特征即0-1特征变成连续特征，这其实是向线性模型中引入了非线性因素，相当于提高了模型的泛化能力，并且在一定程度上可以减缓模型的过拟合现象。

在上述实施例的基础上，本公开的一种示例性实施例中，该方法还可以包括以下步骤A～B：

步骤A：在进行所述模型训练之前，将所述种子用户作为正样本，并进行随机采样获取全部用户中的部分用户作为负样本。

示例性的，本实施例中正样本生成方式可以是，广告主指定的种子用户或广告真实曝光后的点击用户，可以直接作为正样本。

本实施例中负样本可以是共享负样本。模型训练其实缺少明确的负例，非正样本都是缺乏标记的。一般可以采用随机采样，或者按用户活跃度有偏采样等方式进行选择，且不同模型间可以共享负样本。

步骤B：将所述正样本、负样本以及所述第一特征数据和所述SKU特征数据放入训练集，并基于该训练集进行后续的所述模型训练。

示例性的，可以参考图5中所示，基于获取的用户特征、正样本、负样本设置训练集，之后就可以使用Mllib中的LR作为训练工具，LBFGS算法作为训练方法进行训练模型。本实施例中通过随机采样和共享负例，可以缩短训练数据生成时间。

在步骤S103中，获取一预设用户信息，根据所述预设用户信息和所述相似用户预测模型预测确定该预设用户所关联对应的相似用户。

参考图4中所示，示例性的，为了减少扩展相似用户的耗时，该步骤S103可以包括以下步骤：

步骤S401：根据所述预设用户信息确定用户行为时间，以将预设时段内的用户作为活跃用户加入候选集合。

示例性的，候选集合的选取可以根据cache原理，如果一个用户最近从来没有在电商平台有行为记录，那么在未来一段时间内，会产生用户行为的概率也会非常低。这部分不活跃用户即使和种子用户相似，收到广告曝光的概率也非常低。所以本实施例中选取预设时段内如最近一个月内活跃的用户作为候选集合，预测这部分活跃用户的耗时会比预测全量用户少很多，并且没预测的用户基本是最近不会产生上网行为的用户，所以对广告效果、曝光量不会有太大影响。

在本公开的一种示例性实施例中，进一步的，为了提高扩展相似用户的准确性，每隔预设时间更新所述候选集合中的活跃用户。例如该候选集合会按例如天不断更新，及时将转为活跃的用户加入该候选集合。本实施例支持模型的自动化更新，包括实际曝光后点击用户作为正例的回流引用，补充正例集合、特征数据的更新及模型的定期更新，进而提高扩展相似用户的准确性。

步骤S402：利用所述逻辑回归LR模型对所述候选集合进行预测，得到其中每个用户与种子用户相似的概率值。

示例性的，对于一个给定的用户u_i，与其对应的特征为f_i，一个训练好的LR模型可以根据下式预估出该用户与种子用户相似的概率值：

这样就可以根据概率值及广告主期望得到的扩展量选定相似用户。

步骤S403：对所述每个用户与种子用户相似的概率值进行排序，依次选取其中排序最前的N个概率值对应的用户作为扩展的相似用户；其中N为自然数。

示例性的，例如可以根据广告主选取的扩展量，利用Spark平台中的如局部排序算法GenSort对预测结果进行局部排序，选取其中的Top-N个用户作为扩展用户。

参考图6中所示，在上述实施例的基础上，在本公开的一种示例性实施例中，该方法可以还包括以下步骤：

步骤S404：根据预设扩展的用户数量调整所述N的取值从而调整相似用户的扩展量。

示例性的，所述预设扩展的用户数量可以根据广告预算、推广力度等设置，这样可以保证获得合适的广告曝光。也可以根据广告曝光效果，如ROI，CTR等，调整相似用户扩展量，以达到均衡广告效果和广告曝光量的目的。这样就在一定程度上解决了相关技术中存在扩展用户量难以预估的问题，同时使得与种子用户相似的用户得到有效且较为准确的广告曝光，提高扩展的准确性。

本实施例可以应用于电商平台购物场景中，满足广告主根据已有种子用户定向寻找相似用户的需求，此方法可以融入已有的广告系统中，形成一套切实可行、可用于工业化生产的技术方案。

本实施例中使用示例性的逻辑回归方法，对用户进行扩展，以满足广告主根据已有种子用户定向相似用户的需求。广告主可以根据广告效果调整扩展量，以均衡广告效果和曝光量。其次本实施例中利用离散特征和embedding特征进行模型训练，可以提高相似人群扩展效率，减少耗时，同时提高了模型的泛化能力。最后可以利用活跃用户建立候选集合，预测时仅对候选集合做预测，在保证曝光效果的同时缩短了预测耗时。

本示例实施方式中支持广告主上传自有核心用户，或使用广告平台标签组合圈定用户作为种子用户，以此来扩展相似用户，可以避免相关技术中通过用户标签扩展相似用户的不足，因为用户标签通常比较宽泛，不能很好的契合广告主的个性化定向需求，而本实施例可以满足广告主的个性化定向需求，在获得更大曝光的情况下，达到比一些通用标签方式更好的定向效果，相似用户寻找定向更为准确。另外，本实施例中使用word2vec思想对高维离散特征进行降维处理，减少模型训练耗时，提高模型泛化能力和扩展效果。

需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。另外，也易于理解的是，这些步骤可以是例如在多个模块/进程/线程中同步或异步执行。

进一步的，本示例实施方式中，还提供了一种基于种子用户寻找相似用户装置。参考图7中所示，装置100可以包括离散向量化模块101、模型训练模块102和用户扩展模块103。其中：

所述离散向量化模块101，用于获取用户行为对应的SKU，对所述SKU进行离散向量化处理得到SKU特征数据。

所述模型训练模块102，用于获取用户的第一特征数据，根据所述第一特征数据和所述SKU特征数据进行预设模型训练得到一相似用户预测模型；其中，所述第一特征数据为不同于所述SKU的预设离散特征数据。

所述用户扩展模块103，用于获取一预设用户信息，根据所述预设用户信息和所述相似用户预测模型预测确定该预设用户所关联对应的相似用户。

在本公开的一种示例性实施例中，所述离散向量化模块101可以用于获取用户行为对应的多个SKU，对所述多个SKU中的每个SKU进行离散向量化处理得到每个SKU对应的向量；然后对所述每个SKU对应的向量求平均值，并将该平均值作为所述SKU特征数据。

在本公开的一种示例性实施例中，所述用户行为对应的SKU可以包括购买SKU和浏览SKU中的至少一个。

在本公开的一种示例性实施例中，所述第一特征数据可以包括用户属性信息数据，所述用户属性信息数据可以由用户的注册信息数据和/或用户行为数据而确定。

在本公开的一种示例性实施例中，所述相似用户预测模型可以包括但不限于逻辑回归LR模型。相应的，所述模型训练模块102可以用于将所述第一特征数据和所述SKU特征数据输入预设的LR模型训练工具，并以LBFGS算法进行模型训练得到所述逻辑回归LR模型。

在本公开的一种示例性实施例中，该装置100还可以包括预处理模块，用于在进行所述模型训练之前，将所述种子用户作为正样本，并进行随机采样获取全部用户中的部分用户作为负样本；之后将所述正样本、负样本以及所述第一特征数据和所述SKU特征数据放入训练集，并可以使所述模型训练模块102基于该训练集进行后续的所述模型训练。

在本公开的一种示例性实施例中，所述用户扩展模块103可以用于：根据所述预设用户信息确定用户行为时间，以将预设时段内的用户作为活跃用户加入候选集合；利用所述逻辑回归LR模型对所述候选集合进行预测，得到其中每个用户与种子用户相似的概率值；对所述每个用户与种子用户相似的概率值进行排序，依次选取其中排序最前的N个概率值对应的用户作为扩展的相似用户；其中N为自然数。

在本公开的一种示例性实施例中，该装置100还可以包括用户更新模块，用于每隔预设时间更新所述候选集合中的活跃用户。

在本公开的一种示例性实施例中，该装置100还可以包括用户量调整模块，用于根据预设扩展的用户数量调整所述N的取值从而调整相似用户的扩展量。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。作为模块或单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现木公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被例如处理器执行时可以实现上述任意一个实施例中所述基于种子用户寻找相似用户方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述基于种子用户寻找相似用户方法部分中描述的根据本发明各种示例性实施方式的步骤。

参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品300，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

在本公开的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述基于种子用户寻找相似用户方法的步骤。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图9来描述根据本发明的这种实施方式的电子设备600。图9显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图9所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述基于种子用户寻找相似用户方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。

所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。

所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述基于种子用户寻找相似用户方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (11)

1.一种基于种子用户寻找相似用户方法，其特征在于，该方法包括：

获取用户行为对应的多个SKU，对所述多个SKU中的每个SKU进行离散向量化处理得到每个SKU对应的向量；

对所述每个SKU对应的向量求平均值，并将该平均值作为所述SKU特征数据；

获取用户的第一特征数据，根据所述第一特征数据和所述SKU特征数据得到组合用户特征数据，并根据所述组合用户特征数据进行预设模型训练得到一相似用户预测模型；其中，所述第一特征数据为不同于所述SKU的预设离散特征数据；

获取一预设用户信息，根据所述预设用户信息和所述相似用户预测模型预测确定该预设用户所关联对应的相似用户。

2.根据权利要求1所述基于种子用户寻找相似用户方法，其特征在于，所述用户行为对应的SKU包括购买SKU和浏览SKU中的至少一个。

3.根据权利要求1所述基于种子用户寻找相似用户方法，其特征在于，所述第一特征数据包括用户属性信息数据，所述用户属性信息数据由用户的注册信息数据和/或用户行为数据而确定。

4.根据权利要求1～3中任一项所述基于种子用户寻找相似用户方法，其特征在于，所述相似用户预测模型包括逻辑回归LR模型；

所述根据所述第一特征数据和所述SKU特征数据进行预设模型训练得到一相似用户预测模型包括：

将所述第一特征数据和所述SKU特征数据输入预设的LR模型训练工具，并以LBFGS算法进行模型训练得到所述逻辑回归LR模型。

5.根据权利要求4所述基于种子用户寻找相似用户方法，其特征在于，该方法还包括：

在进行所述模型训练之前，将所述种子用户作为正样本，并进行随机采样获取全部用户中的部分用户作为负样本；

将所述正样本、负样本以及所述第一特征数据和所述SKU特征数据放入训练集，并基于该训练集进行后续的所述模型训练。

6.根据权利要求4所述基于种子用户寻找相似用户方法，其特征在于，所述获取一预设用户信息，根据所述预设用户信息和所述相似用户预测模型预测确定该预设用户所关联对应的相似用户包括：

根据所述预设用户信息确定用户行为时间，以将预设时段内的用户作为活跃用户加入候选集合；

利用所述逻辑回归LR模型对所述候选集合进行预测，得到其中每个用户与种子用户相似的概率值；

对所述每个用户与种子用户相似的概率值进行排序，依次选取其中排序最前的N个概率值对应的用户作为扩展的相似用户；其中N为自然数。

7.根据权利要求6所述基于种子用户寻找相似用户方法，其特征在于，该方法还包括：

每隔预设时间更新所述候选集合中的活跃用户。

8.根据权利要求6所述基于种子用户寻找相似用户方法，其特征在于，该方法还包括：

根据预设扩展的用户数量调整所述N的取值从而调整相似用户的扩展量。

9.一种基于种子用户寻找相似用户装置，其特征在于，该装置包括：

离散向量化模块，用于获取用户行为对应的多个SKU，对所述多个SKU中的每个SKU进行离散向量化处理得到每个SKU对应的向量；

特征数据确定模块，用于对所述每个SKU对应的向量求平均值，并将该平均值作为所述SKU特征数据；

模型训练模块，用于获取用户的第一特征数据，根据所述第一特征数据和所述SKU特征数据得到组合用户特征数据，并根据所述组合用户特征数据进行预设模型训练得到一相似用户预测模型；其中，所述第一特征数据为不同于所述SKU的预设离散特征数据；

用户扩展模块，用于获取一预设用户信息，根据所述预设用户信息和所述相似用户预测模型预测确定该预设用户所关联对应的相似用户。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～8任一项所述基于种子用户寻找相似用户方法的步骤。

11.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～8任一项所述基于种子用户寻找相似用户方法的步骤。

Images