CN110634024A - 一种用户属性标记方法、装置、电子设备及存储介质 - Google Patents
一种用户属性标记方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110634024A CN110634024A CN201910865334.8A CN201910865334A CN110634024A CN 110634024 A CN110634024 A CN 110634024A CN 201910865334 A CN201910865334 A CN 201910865334A CN 110634024 A CN110634024 A CN 110634024A
- Authority
- CN
- China
- Prior art keywords
- user
- target
- data
- attribute
- behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 claims abstract description 111
- 238000013210 evaluation model Methods 0.000 claims abstract description 90
- 238000012549 training Methods 0.000 claims abstract description 60
- 238000012360 testing method Methods 0.000 claims description 26
- 238000012216 screening Methods 0.000 claims description 18
- 238000002372 labelling Methods 0.000 claims description 13
- 238000003032 molecular docking Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 description 188
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000001960 triggered effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开实施例公开了一种用户属性标记方法、装置、电子设备及存储介质，该方法包括：获取目标用户在预设时间内的目标行为特征数据；将目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与目标行为特征数据相对应的特征评估值；根据特征评估值，对目标用户的属性进行标记。本公开实施例的技术方案，解决了现有技术中经纪人通过电话列表一一联系各个用户，确定用户是否为看房用户，存在效率较低、人工成本较高的问题，并且在确定用户为看房用户时，也不清楚该用户的价值，从而也无法提供与用户对应服务的问题，实现了预先确定用户的属性，并将其推送给至少一个经纪人，提高了经纪人的效率，以及降低了人工成本的技术效果。
Description
技术领域
本公开实施例涉及计算机技术领域，尤其涉及一种用户属性标记方法、装置、电子设备及存储介质。
背景技术
随着互联网的进步，用户需要购买房子或者租赁房子，越来越倾向在网上查找房源，并通过网上的联系方式与看房经纪人联系，从而提高查找房源的效率。
然而，经纪人联系看房或买房用户时，多是根据电话列表一一给各个用户打电话，从而确认用户是否有租房或购房意愿，存在效率较低，人工成本较高的问题；并且，即使用户有购房意愿，也需要人工确定用户的价值，即用户的属性，存在人工成本较高、筛选不准确的技术问题。
发明内容
本公开实施例提供一种用户属性标记方法、装置、电子设备及存储介质，以实现降低人工成本、提高用户属性标记准确率的技术效果。
第一方面，本公开实施例提供了一种用户属性标记方法，该方法包括：
获取目标用户在预设时间内的目标行为特征数据；
将所述目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与所述目标行为特征数据相对应的特征评估值；
根据所述特征评估值，对所述目标用户的属性进行标记。
第二方面，本公开实施例还提供了一种用户属性标记装置，该装置包括：
目标行为特征数据获取模块，获取目标用户在预设时间内的目标行为特征数据；
目标特征评估值确定模块，用于将将所述目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与所述目标行为特征数据相对应的特征评估值；
用户属性标记模块，用于根据所述特征评估值，对所述目标用户的属性进行标记。
第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例任一所述的用户属性标记方法。
第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的用户属性标记方法。
本公开实施例的技术方案，通过获取目标用户在预设时间内的目标行为特征数据；将目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与目标行为特征数据相对应的特征评估值；根据特征评估值，对目标用户的属性进行标记，解决了现有技术中需要人工确定各个用户的属性，存在人工成本较高问题，并且由于是人工确定用户的属性，可能会存在一定的误差，导致属性标记准确率较低的技术问题，实现了自动根据用户的行为特征数据，确定与用户相对应的用户属性，提高属性确定的准确率，以及降低人工成本的技术效果。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本公开实施例一所提供的一种用户属性标记方法流程示意图；
图2为本公开实施例二所提供的一种用户属性标记方法另一流程示意图；
图3为本公开实施例三所提供的一种用户属性标记装置结构示意图；
图4为本公开实施例四所提供的一种电子设备结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
实施例一
图1为本公开实施例一所提供的一种用户属性标记方法流程示意图，本实施例可适用于根据用户的行为特征数据，确定用户所属的类型，并对其进行标记的情形，该方法可以由用户属性标记装置来执行，该装置可以通过软件和/或硬件的形式实现，可选的，通过电子设备来实现，该电子设备可以是移动终端、PC端等。
如图1所述，本实施例的方法包括：
S110、获取目标用户在预设时间内的目标行为特征数据。
需要说明的是，为了清楚的介绍本公开实施例的技术方案，可以以看房应用程序为例来介绍。
其中，预设时间可以是距离当前时刻一个星期、十天、半个月或一个月等。从时效性来说，预设时间可以是一个星期，当然，从数据可靠性上来说，预设时间可以是一个月。用户可以根据实际需求设置预设时间，在此不再具体限定。当用户触发看房应用程序时，可以获取距离当前时刻一个星期内的触发的各个数据。将触发看房应用程序上各个控件的用户作为目标用户，当然，若应用程序需要注册，那么将此时登陆的账号所对应的用户作为目标用户。将目标用户在一个星期、十天、半个月或一个月时间在应用程序上触发的满足一定条件的行为特征数据，作为目标行为特征数据。
具体的，获取目标用户一个月内的有效操作，根据有效操作确定与其相对应的行为特征数据，即目标行为特征数据。也就是说，可以根据获取到的有效操作，确定与目标用户相对应的目标行为特征数据。
需要说明的是，目标用户可以触发看房应用程序上的各个控件，但并不能将目标用户的所有触发操作均作为确定用户属性的依据。这是因为，用户的触发操作可能存在误点的情形，那么此操作所对应的行为特征数据是没有意义的，因此需要从预设时间内，所有触发操作所对应的行为特征数据中，筛选出有效行为特征数据。
可选的，获取目标用户在预设时间内的所有行为特征数据；基于预设筛选条件，从所有行为特征数据中筛选出有效行为特征数据，作为目标行为特征数据。
在本实施例中，行为特征数据包括：浏览各个房源的时长、触发目标控件的次数、触发控件后的通话时长、累计通话时长、房源类型、意向商圈以及意向小区。
需要说明的是，当检测到目标用户触发看房应用程序，可以记录目标用户在看房应用程序上的所有触发操作。将与所有触发操作相对应的数据作为行为特征数据。例如，浏览某个房源的时长，触发目标控件后与房源经纪人的通话时长等，均是与用户对应的行为特征数据。
其中，目标控件为触发与经纪人电话联系、或即时通信的控件。监测目标控件的好处在于：当看房用户与经纪人联系时，需要触发联系经纪人的控件才可以实现。若用户触发了目标控件，说明该用户的购房或租房意愿是比较强烈的，那么此用户有可能是潜在的高质量质量。房源类型可以是房源的户型、房源的总价值、新房还是二手房等。意向商圈可以是房源的地理位置；意向小区可以是用户浏览的各个房源位于哪一个小区等。预设筛选条件可以是：用户浏览各个页面的时间需要超过预设浏览时间阈值，可选的，20S；触发目标控件，可选的，联系经纪人的控件；触发目标控件后的通话时长，需要大于预设通话时间阈值等，可选的，超过20S。可以根据预设筛选条件，从所有行为特征数据中筛选出满足上述预设筛选条件的行为特征数据，作为有效行为特征数据，即目标行为特征数据。
也就是说，所有行为特征数据以及有效行为特征数据，均可以包括上述所列举的一种或者多种。可根据预先设置的筛选条件从所有行为特征数据中，筛选出与筛选条件相对应的行为特征数据，作为目标行为特征数据。
具体的，获取目标用户在预设时间内的所有行为特征数据，可选的，一个月内目标用户触发的所有操作，根据用户的触发操作确定与用户相对应的所有行为特征数据，基于预设的筛选条件从所有行为特征数据中筛选出符合筛选条件的行为特征数据，作为目标行为特征数据。
示例性的，获取目标用户在一个月内触发应用程序上的所有行为特征数据。从所有行为特征数据中，筛选出浏览各个页面时间超过20S时，该页面所对应的房源数据、房源所对应的商圈、小区；触发目标控件时，与目标控件相对应的房源关联信息，可选的，房源大小、小区、商圈等；筛选出触发目标控件后，通话时长超过20S时，该控件所在页面的房源关联数据，将此时筛选出来的行为特征数据，作为目标行为特征数据。
需要说明的是，为了提高确定用户类型的准确性，与用户相对应的行为特征数据中还可以包括用户的年龄，性别，常住地，家乡，学历水平，收入水平等属性特征，职业，婚姻状况，住房车辆等社会属性，财经，旅游，科技，体育等兴趣偏好等。
S120、将目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与目标行为特征数据相对应的特征评估值。
其中，目标行为特征评估模型是预先训练得到的。目标行为特征评估模型，可以根据用户的行为特征数据，确定与行为特征数据相对应的特征评估值，即与用户相对应的分数值。进而，根据特征评估值确定用户的类型。
具体的，将与目标用户相对应的目标行为特征数据，可选的，触发应用程序上的目标控件的次数、触发目标控件后通话时长、累计通话时长等，输入至预先训练得到的目标行为特征评估模型中，可以得到与目标行为特征相对应的分数，即特征评估值。
示例性的，目标行为特征中包括：浏览网页上各个房源的时间超过20S，触发目标控件的总次数大于十次，触发目标控件后每次通话时长为20min等等，将上述特征输入至目标行为特征评估模型中后，可以输出与目标行为特征相对应的特征评估值，可选的，输出的特征评估值为0.9。
S130、根据特征评估值，对目标用户的属性进行标记。
其中，对用户的属性进行标记，可以是将用户标记为第一类型用户或第二类型用户。在本实施例中，第一类型用户等级高于第二类型用户等级，可以理解为第一类型用户为高质量用户，第二类型用户为低质量用户。
具体的，可以根据得到的特征评估值，来确定目标用户为第一类型用户，还是第二类型用户，即确定用户为高质量用户还是低质量在用户，在确定用户的类型后，将得到的结果与目标用户进行绑定，即将目标用户的属性标记为第一类型或第二类型。
在本实施例中，根据特征评估值，对目标用户的属性进行标记可以是：当特征评估值超过预设评估值阈值时，则将目标用户的属性标记为第一类型用户；当特征评估值低于预设评估值阈值时，则将目标用户的属性标记为第二类型用户；其中，第一类型用户的等级高于第二类型用户的等级。
其中，预设评估值阈值是预先设置的，可选的，预设评估值阈值可以设置为0.8。第一类型用户是指购房或租房的意愿比较强烈，将此类型的用户作为高质量用户，第二类型用户是指未有购房或租房意愿，或意愿较低的用户，将此类型用户称为低质量用户。
需要说明的是，本实施例中所提及的各个用户的质量高低，是针对用户是否有购房意愿来定义的。
具体的，当特征评估值超过预先设置的评估值阈值时，则说明目标用户的购房或租房的意愿比较强烈，可以为第一类型用户，即高质量用户，可以将目标用户的属性标记为第一类型用户；当特征评估值低于预先设置的评估阈值时，则说明目标用户的购房或租房的意愿比较低，可以为第二类型用户，即低质量用户，此时可以将目标用户的属性标记为第二类型用户。
示例性的，预设评估值阈值为0.85。将目标用户的目标行为特征数据输入至目标行为特征评估模型中后，可以得到与目标用户相对应的行为特征评估值。当特征评估值高于0.85，则将目标用户的属性标记为第一类型用户；若特征评估值低于0.85，则将目标用户的属性标记为低质量用户，即第二类型用户。
本公开实施例的技术方案，通过获取目标用户在预设时间内的目标行为特征数据；将目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与目标行为特征数据相对应的特征评估值；根据特征评估值，对目标用户的属性进行标记，解决了现有技术中需要人工确定各个用户的属性，存在人工成本较高问题，并且由于是人工确定用户的属性，可能会存在一定的误差，导致属性标记准确率较低的技术问题，实现了自动根据用户的行为特征数据，确定与用户相对应的属性，提高属性确定的准确率，以及降低人工成本的技术效果。
实施例二
在将目标用户的目标行为特征数据输入至目标行为特征评估模型之前，可以预先获取训练样本数据，基于训练样本数据来训练目标行为特征评估模型。图2为本公开实施例二所提供的一种用户属性标记方法另一流程示意图。
如图2所示，所述方法包括：
S210、获取多个训练样本数据，并分别提取出与每一个训练样本数据相对应的有效行为特征数据，作为训练样本有效数据。
为了提高目标行为特征评估模型的准确性，可以尽可能多的获取多个样本数据。其中，一个样本数据与一个用户相对应，一个用户对应的行为特征数据可以包括一个或者多个。相应的，多个样本数据，即多个用户。多个样本数据中可以包括：多个高质量用户以及多个低质量用户，即样本数据中第一类型用户、以及第二类型用户。将训练目标行为特征评估模型的样本数据作为训练样本数据。与每个样本数据相对应的行为特征数据有多个，可以从与每个用户相对应的行为特征数据中，筛选出有效行为特征数据，将筛选出的数据作为训练样本有效数据，即参与训练目标行为特征评估模型的数据均为与每个用户相对应的有效行为特征数据。
当然，在对训练样本数据进行训练之前，可以先对训练样本数据进行标记，可选的，将第一类型用户标记为1，第二类型用户标记为0。
具体的，分别获取一定数量的与高质量用户以及低质量用户，相对应的有效行为特征数据，作为训练样本有效数据。
示例性的，获取5000个训练样本数据，并分别提取出与每个用户相对应的有效行为特征数据，作为训练样本有效数据。同时，确定5000个训练样本数据的用户类型，并分别进行标记，可选的，将第一类型用户标记为1，第二类型用户标记为0。
S220、对训练样本有效数据进行训练，得到待调整行为特征评估模型。
为了对训练样本有效数据进行训练，可以将高质量用户标记为1，即第一类型用户标记为1，低质量用户标记为0，即第二类型用户标记为0。
将各个用户的有效行为特征数据作为输入，与各个用户相对应的用户属性类型作为输出，训练特征评估模型，得到待调整行为特征评估模型。
S230、获取多个测试样本数据，分别将测试样本数据输入至待调整行为特征评估模型中，得到与每一个测试样本数据相对应的特征评估值，作为待使用评估值。
为了进一步确定待调整行为特征评估模型是否可以作为目标行为特征评估模型，来确定用户的特征评估值，可以基于测试样本数据进行验证。
其中，测试样本数据是指用来验证待调整行为特征模型是否作为目标行为特征评估的模型。当然，测试样本数据中也包括第一类型用户和/或第二类型用户。
具体的，可以将测试样本数据分别输入至待调整行为特征模型中，得到与每一个测试样本数据相对应的特征评估值，即待使用评估值。
示例性的，测试样本数据为1000个测试用户，分别将与每个测试用户相对应的有效行为特征数据输入至待调整行为特征模型中，可以得到与每个用户相对应的特征评估值，即可以得到1000个特征评估值。将此时得到的特征评估值作为待使用特征评估值。
S240、根据待使用评估值，判断待调整行为特征评估模型的准确率是否在预设准确率范围之内，若是，则执行S250；若否，则返回执行S210。
需要说明的是，也需要对测试样本数据的每一个用户进行人工标记，可选的，将第一类型用户标记为1，将第二类型用户标记为0。
还需要说明的是，将待使用行为特征评估模型输出的评估中高于预设评估阈值的用户作为第一类型用户，低于预设评估阈值的用户作为第二类型用户。
根据待使用评估值与预设评估阈值之间的关系，可以确定通过待使用特征评估模型确定的用户类型，是否与预先标记的用户类型一致，并可以根据是否一致的比例，确定待调整评估模型是否可以作为目标行为特征评估模型。
具体的，通过待调整评估模型确定用户的类型与预先标记的类型一致的数量，处于总测试用户数量，得到与待调整评估模型相对应的模型准确率。当准确率在预设范围之内，可选的，0.85至1之间，则确定待调整评估模型为目标评估模型；若准确率在预设范围之外，可选的，低于0.85，则确定待调整评估模型的准确率较低，可以返回执行S210，即再次训练待调整评估模型，直至待调整评估模型的准确率在预设范围之内，即准确率在0.85到1之间。
示例性的，测试样本数据的数量为1000个，预设范围为0.85至1。其中，第一类型的用户数量与第二类型的用户数量分别为500个。将与1000个测试用户相对应的有效行为特征数据，输入至待调整行为特征模型中后，可以得到与每个用户相对应的特征评估值。根据特征评估值可以确定用户的类型为第一类型用户，还是第二类型用户。若根据特征评估值确定第一类型用户的数量为550个，第二类型的用户数量为450个，那么说明待调整行为特征模型输出的结果有50个错误，950个正确的，即待调整行为特征模型的准确率为0.95，在0.85至1之内，此时待调整行为特征评估模型可以作为目标行为特征评估模型；反之，则需要重新训练待调整行为特征评估模型，即返回执行S210。
S250、将目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与目标行为特征数据相对应的特征评估值。
在得到目标行为特征评估模型后，若需要对用户的属性进行标记，即判定用户的类型，可以将与目标用户相对应的目标行为特征数据，输入至目标行为特征评估模型中，得到与目标用户相对应的特征评估值。
S260、根据特征评估值，对目标用户的属性进行标记。
当特征评估值高于第一预设评估阈值，则确定目标用户为第一类型用户，即高质量用户；当特征评估值低于第一预设评估阈值时，则确定目标用户为第二类型用户，即低质量用户，并将目标用户的属性标记为第一类型或第二类型。
S270、当目标用户为第一类型用户时，则将目标用户的关联信息推送至至少一个对接用户。
其中，至少一个对接用户的数量可以是一个、两个或者多个。对接用户可以理解为与看房用户相对的用户，可选的，看房经纪人、或经纪公司等。关联信息可以是与目标用户相对应的联系方式、期望房源的价格、房源大小，几室几厅，以及期望商圈、小区等信息。
具体的，在确定目标用户为第一类型用户，即目标用户为高质量用户时，可以将该目标用户的联系方式、期望房源的价格、大小等信息售卖给经纪人或经济公司。这样设置的好处在于，可以提高平台收益、以及预先使经纪人确定用户的价值，进而为用户提供更好服务的技术效果。
本公开实施例的技术方案，通过获取目标用户在预设时间内的目标行为特征数据；将目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与目标行为特征数据相对应的特征评估值；根据特征评估值，对目标用户的属性进行标记，解决了现有技术中需要人工确定各个用户的属性，存在人工成本较高问题，并且由于是人工确定用户的属性，可能会存在一定的误差，导致属性标记准确率较低的技术问题，实现了自动根据用户的行为特征数据，确定与用户相对应的用户属性，提高属性确定的准确率，以及降低人工成本的技术效果。
实施例三
图3为本公开实施例三提供的一种用户属性标记装置结构示意图，该装置包括：目标行为特征数据获取模块310、目标特征评估值确定模块320以及用户属性标记模块330。
其中，目标行为特征数据获取模块310，获取目标用户在预设时间内的目标行为特征数据；目标特征评估值确定模块320，用于将将所述目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与所述目标行为特征数据相对应的特征评估值；用户属性标记模块330，用于根据所述特征评估值，对所述目标用户的属性进行标记。
在上述技术方案的基础上，所述目标行为特征数据获取模块包括：
行为特征数据获取单元，用于获取目标用户在预设时间内的所有行为特征数据；
行为特征数据筛选单元，用于基于预设筛选条件，从所述所有行为特征数据中筛选出有效行为特征数据，作为目标行为特征数据。
在上述各技术方案的基础上，所述用户属性标记模块包括：
第一判断单元，用于当所述特征评估值超过预设评估阈值时，则将所述目标用户的属性标记为第一类型用户；
第二判断单元，用于当所述特征评估值低于所述预设评估阈值时，则将所述目标用户的属性标记为第二类型用户；
其中，所述第一类型用户的等级高于所述第二类型用户的等级。
在上述各技术方案的基础上，确定所述目标行为特征评估模型包括：
训练样本数据确定单元，用于获取多个训练样本数据，并分别提取出与每一个训练样本数据相对应的有效行为特征数据，作为训练样本有效数据；
待调整行为特征评估模型确定单元，用于对所述训练样本有效数据进行训练，得到待调整行为特征评估模型；
待调整行为特征评估模型校验单元，用于对所述待调整行为特征评估模型进行校验，得到所述目标行为特征评估模型；
其中，所述目标行为特征评估模型，用于确定与用户行为特征数据相对应的特征评估值；所述训练样本数据中包括第一类型用户以及第二类型用户。
在上述各技术方案的基础上，所述待调整行为特征评估模型校验单元，还用于：获取多个测试样本数据，分别将所述测试样本数据输入至所述待调整行为特征评估模型中，得到与每一个测试样本数据相对应的特征评估值，作为待使用评估值；
根据所述待使用评估值，判断所述待调整行为特征评估模型的准确率是否在预设准确率范围之内；
若是，则将所述待调整行为特征评估模型作为目标行为特征评估模型；
若否，则对所述待调整行为特征评估模型进行训练，直至所述待调整行为特征评估模型的准确率在所述预设准确率范围之内，得到所述目标行为特征评估模型；
其中，所述测试样本数据中包括第一类型用户以及第二类型用户。
在上述各技术方案的基础上，所述装置还包括推送模块，用于在所述第一判断单元将所述特征评估值超过预设评估阈值时，则将所述目标用户的属性标记为第一类型用户之后，用于：
将所述目标用户的关联信息推送至至少一个对接用户；
其中，所述关联信息包括目标用户的联系方式；所述对接用户包括看房经纪公司和/或看房经纪人。
在上述各技术方案的基础上，所述行为特征数据包括：浏览各个房源的时长、触发目标控件的次数、触发控件后的通话时长、累计通话时长、房源类型、意向商圈以及意向小区。
本公开实施例的技术方案，通过获取目标用户在预设时间内的目标行为特征数据；将目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与目标行为特征数据相对应的特征评估值；根据特征评估值，对目标用户的属性进行标记，解决了现有技术中需要人工确定各个用户的属性，存在人工成本较高问题，并且由于是人工确定用户的属性，可能会存在一定的误差，导致属性标记准确率较低的技术问题，实现了自动根据用户的行为特征数据，确定与用户相对应的用户属性，提高属性确定的准确率，以及降低人工成本的技术效果。
本公开实施例所提供的用户属性标记装置可执行本公开任意实施例所提供的用户属性标记方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。
实施例四
下面参考图4，其示出了适于用来实现本公开实施例的电子设备(例如图4中的终端设备或服务器)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置406加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置406；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置406被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
本公开实施例提供的终端与上述实施例提供的用户属性标记方法属于同一发明构思，未在本公开实施例中详尽描述的技术细节可参见上述实施例，并且本公开实施例与上述实施例具有相同的有益效果。
实施例五
本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的用户属性标记方法。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机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。而在本公开中，计算机可读信号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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机可读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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
获取目标用户在预设时间内的目标行为特征数据；
将所述目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与所述目标行为特征数据相对应的特征评估值；
根据所述特征评估值，对所述目标用户的属性进行标记。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一判断单元还可以被描述为“第一类型用户判断单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，【示例一】提供了一种用户属性标记方法，该方法包括：
获取目标用户在预设时间内的目标行为特征数据；
将所述目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与所述目标行为特征数据相对应的特征评估值；
根据所述特征评估值，对所述目标用户的属性进行标记。
根据本公开的一个或多个实施例，【示例二】提供了一种用户属性标记方法，还包括：
可选的，所述获取目标用户在预设时间内的目标行为特征数据，包括：
获取目标用户在预设时间内的所有行为特征数据；
基于预设筛选条件，从所述所有行为特征数据中筛选出有效行为特征数据，作为目标行为特征数据。
根据本公开的一个或多个实施例，【示例三】提供了一种用户属性标记方法，还包括：
可选的，所述根据所述特征评估值，对所述目标用户的属性进行标记，包括：
当所述特征评估值超过预设评估阈值时，则将所述目标用户的属性标记为第一类型用户；
当所述特征评估值低于所述预设评估阈值时，则将所述目标用户的属性标记为第二类型用户；
其中，所述第一类型用户的等级高于所述第二类型用户的等级。
根据本公开的一个或多个实施例，【示例四】提供了一种用户属性标记方法，还包括：
可选的，确定所述目标行为特征评估模型包括：
获取多个训练样本数据，并分别提取出与每一个训练样本数据相对应的有效行为特征数据，作为训练样本有效数据；
对所述训练样本有效数据进行训练，得到待调整行为特征评估模型；
对所述待调整行为特征评估模型进行校验，得到所述目标行为特征评估模型；
其中，所述目标行为特征评估模型，用于确定与用户行为特征数据相对应的特征评估值；所述训练样本数据中包括第一类型用户以及第二类型用户。
根据本公开的一个或多个实施例，【示例五】提供了一种用户属性标记方法，还包括：
可选的，所述对所述待调整行为特征评估模型进行校验，得到所述目标行为特征评估模型，包括：
获取多个测试样本数据，分别将所述测试样本数据输入至所述待调整行为特征评估模型中，得到与每一个测试样本数据相对应的特征评估值，作为待使用评估值；
根据所述待使用评估值，判断所述待调整行为特征评估模型的准确率是否在预设准确率范围之内；
若是，则将所述待调整行为特征评估模型作为目标行为特征评估模型；
若否，则对所述待调整行为特征评估模型进行训练，直至所述待调整行为特征评估模型的准确率在所述预设准确率范围之内，得到所述目标行为特征评估模型；
其中，所述测试样本数据中包括第一类型用户以及第二类型用户。
根据本公开的一个或多个实施例，【示例六】提供了一种用户属性标记方法，还包括：
可选的，在当所述特征评估值超过预设评估阈值时，则将所述目标用户的属性标记为第一类型用户之后，还包括：
将所述目标用户的关联信息推送至至少一个对接用户；
其中，所述关联信息包括目标用户的联系方式；所述对接用户包括看房经纪公司和/或看房经纪人。
根据本公开的一个或多个实施例，【示例七】提供了一种用户属性标记方法，还包括：
可选的，所述行为特征数据包括：浏览各个房源的时长、触发目标控件的次数、触发控件后的通话时长、累计通话时长、房源类型、意向商圈以及意向小区。
根据本公开的一个或多个实施例，【示例八】提供了一种用户属性标记装置，该装置包括：
目标行为特征数据获取模块，获取目标用户在预设时间内的目标行为特征数据；
目标特征评估值确定模块，用于将将所述目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与所述目标行为特征数据相对应的特征评估值；
用户属性标记模块，用于根据所述特征评估值，对所述目标用户的属性进行标记。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种用户属性标记方法，其特征在于，包括：
获取目标用户在预设时间内的目标行为特征数据；
将所述目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与所述目标行为特征数据相对应的特征评估值；
根据所述特征评估值，对所述目标用户的属性进行标记。
2.根据权利要求1所述的方法，其特征在于，所述获取目标用户在预设时间内的目标行为特征数据，包括：
获取目标用户在预设时间内的所有行为特征数据；
基于预设筛选条件，从所述所有行为特征数据中筛选出有效行为特征数据，作为目标行为特征数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述特征评估值，对所述目标用户的属性进行标记，包括：
当所述特征评估值超过预设评估阈值时，则将所述目标用户的属性标记为第一类型用户；
当所述特征评估值低于所述预设评估阈值时，则将所述目标用户的属性标记为第二类型用户；
其中，所述第一类型用户的等级高于所述第二类型用户的等级。
4.根据权利要求1所述的方法，其特征在于，确定所述目标行为特征评估模型包括：
获取多个训练样本数据，并分别提取出与每一个训练样本数据相对应的有效行为特征数据，作为训练样本有效数据；
对所述训练样本有效数据进行训练，得到待调整行为特征评估模型；
对所述待调整行为特征评估模型进行校验，得到所述目标行为特征评估模型；
其中，所述目标行为特征评估模型，用于确定与用户行为特征数据相对应的特征评估值；所述训练样本数据中包括第一类型用户以及第二类型用户。
5.根据权利要求4所述的方法，其特征在于，所述对所述待调整行为特征评估模型进行校验，得到所述目标行为特征评估模型，包括：
获取多个测试样本数据，分别将所述测试样本数据输入至所述待调整行为特征评估模型中，得到与每一个测试样本数据相对应的特征评估值，作为待使用评估值；
根据所述待使用评估值，判断所述待调整行为特征评估模型的准确率是否在预设准确率范围之内；
若是，则将所述待调整行为特征评估模型作为目标行为特征评估模型；
若否，则对所述待调整行为特征评估模型进行训练，直至所述待调整行为特征评估模型的准确率在所述预设准确率范围之内，得到所述目标行为特征评估模型；
其中，所述测试样本数据中包括第一类型用户以及第二类型用户。
6.根据权利要求3所述的方法，其特征在于，在当所述特征评估值超过预设评估阈值时，则将所述目标用户的属性标记为第一类型用户之后，还包括：
将所述目标用户的关联信息推送至至少一个对接用户；
其中，所述关联信息包括目标用户的联系方式；所述对接用户包括看房经纪公司和/或看房经纪人。
7.根据权利要求1-5中任一所述的方法，其特征在于，所述行为特征数据包括：浏览各个房源的时长、触发目标控件的次数、触发控件后的通话时长、累计通话时长、房源类型、意向商圈以及意向小区。
8.一种用户属性标记装置，其特征在于，包括：
目标行为特征数据获取模块，获取目标用户在预设时间内的目标行为特征数据；
目标特征评估值确定模块，用于将将所述目标行为特征数据，输入至预先训练得到的目标行为特征评估模型中，得到与所述目标行为特征数据相对应的特征评估值；
用户属性标记模块，用于根据所述特征评估值，对所述目标用户的属性进行标记。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的用户属性标记方法。
10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的用户属性标记方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910865334.8A CN110634024A (zh) | 2019-09-12 | 2019-09-12 | 一种用户属性标记方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910865334.8A CN110634024A (zh) | 2019-09-12 | 2019-09-12 | 一种用户属性标记方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110634024A true CN110634024A (zh) | 2019-12-31 |
Family
ID=68971033
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910865334.8A Pending CN110634024A (zh) | 2019-09-12 | 2019-09-12 | 一种用户属性标记方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110634024A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112116397A (zh) * | 2020-09-25 | 2020-12-22 | 贝壳技术有限公司 | 用户行为特征实时处理方法、装置、存储介质及电子设备 |
| CN113554532A (zh) * | 2021-06-16 | 2021-10-26 | 北京房江湖科技有限公司 | 经纪人列表页排序方法、存储介质及程序产品 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106204127A (zh) * | 2016-07-06 | 2016-12-07 | 乐视控股（北京）有限公司 | 针对应用的用户评价方法及装置 |
| CN107742217A (zh) * | 2017-09-07 | 2018-02-27 | 阿里巴巴集团控股有限公司 | 基于商家的业务控制方法和装置 |
| CN108268993A (zh) * | 2017-01-04 | 2018-07-10 | 阿里巴巴集团控股有限公司 | 基于自编码神经网络的电子业务风险识别方法和装置 |
| CN108304994A (zh) * | 2018-01-10 | 2018-07-20 | 链家网（北京）科技有限公司 | 一种在售房源质量评估方法及服务器 |
| CN109242523A (zh) * | 2018-07-06 | 2019-01-18 | 成都正合云智数据科技有限公司 | 一种专用于房产销售行业的购房人群画像方法及其实现装置 |
| CN109902224A (zh) * | 2019-01-17 | 2019-06-18 | 平安城市建设科技(深圳)有限公司 | 基于用户行为分析的房源推荐方法、装置、设备和介质 |
| CN110069545A (zh) * | 2019-03-07 | 2019-07-30 | 阿里巴巴集团控股有限公司 | 一种行为数据评估方法及装置 |
| CN110191113A (zh) * | 2019-05-24 | 2019-08-30 | 新华三信息安全技术有限公司 | 一种用户行为风险评估方法及装置 |
-
2019
- 2019-09-12 CN CN201910865334.8A patent/CN110634024A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106204127A (zh) * | 2016-07-06 | 2016-12-07 | 乐视控股（北京）有限公司 | 针对应用的用户评价方法及装置 |
| CN108268993A (zh) * | 2017-01-04 | 2018-07-10 | 阿里巴巴集团控股有限公司 | 基于自编码神经网络的电子业务风险识别方法和装置 |
| CN107742217A (zh) * | 2017-09-07 | 2018-02-27 | 阿里巴巴集团控股有限公司 | 基于商家的业务控制方法和装置 |
| CN108304994A (zh) * | 2018-01-10 | 2018-07-20 | 链家网（北京）科技有限公司 | 一种在售房源质量评估方法及服务器 |
| CN109242523A (zh) * | 2018-07-06 | 2019-01-18 | 成都正合云智数据科技有限公司 | 一种专用于房产销售行业的购房人群画像方法及其实现装置 |
| CN109902224A (zh) * | 2019-01-17 | 2019-06-18 | 平安城市建设科技(深圳)有限公司 | 基于用户行为分析的房源推荐方法、装置、设备和介质 |
| CN110069545A (zh) * | 2019-03-07 | 2019-07-30 | 阿里巴巴集团控股有限公司 | 一种行为数据评估方法及装置 |
| CN110191113A (zh) * | 2019-05-24 | 2019-08-30 | 新华三信息安全技术有限公司 | 一种用户行为风险评估方法及装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112116397A (zh) * | 2020-09-25 | 2020-12-22 | 贝壳技术有限公司 | 用户行为特征实时处理方法、装置、存储介质及电子设备 |
| CN113554532A (zh) * | 2021-06-16 | 2021-10-26 | 北京房江湖科技有限公司 | 经纪人列表页排序方法、存储介质及程序产品 |
| CN113554532B (zh) * | 2021-06-16 | 2024-06-07 | 贝壳找房(北京)科技有限公司 | 经纪人列表页排序方法、存储介质及程序产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110874440B (zh) | 一种信息推送及其模型训练的方法、装置及电子设备 | |
| CN110598157B (zh) | 目标信息识别方法、装置、设备及存储介质 | |
| CN110634047B (zh) | 一种推荐房源的方法、装置、电子设备及存储介质 | |
| CN114443897B (zh) | 一种视频推荐方法、装置、电子设备和存储介质 | |
| CN111831855B (zh) | 用于匹配视频的方法、装置、电子设备和介质 | |
| CN110097397B (zh) | 基于反馈的信息推送方法、装置及电子设备 | |
| CN110362750B (zh) | 目标用户确定方法、装置、电子设备和计算机可读介质 | |
| CN110636459A (zh) | 一种消息提醒方法、装置、电子设备及存储介质 | |
| CN111291258A (zh) | 搜索热词的推荐方法、装置、电子设备及可读介质 | |
| CN110516159A (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
| CN112836128A (zh) | 信息推荐方法、装置、设备和存储介质 | |
| CN111291206A (zh) | 标记房源的方法、装置、电子设备及存储介质 | |
| CN110737846B (zh) | 一种社交界面推荐方法、装置、电子设备及存储介质 | |
| CN111738316A (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
| CN110634024A (zh) | 一种用户属性标记方法、装置、电子设备及存储介质 | |
| CN113033680B (zh) | 视频分类方法、装置、可读介质及电子设备 | |
| CN111209432A (zh) | 信息获取的方法、装置、电子设备及计算机可读介质 | |
| CN110781066B (zh) | 用户行为分析方法、装置、设备及存储介质 | |
| CN116204740A (zh) | 标签确定方法、信息推荐方法、装置、设备及存储介质 | |
| CN116109374A (zh) | 资源位展示方法、装置、电子设备和计算机可读介质 | |
| CN112860999B (zh) | 信息推荐方法、装置、设备和存储介质 | |
| CN115470407A (zh) | 培训内容推荐方法及其装置、设备、介质 | |
| CN112348614B (zh) | 用于推送信息的方法和装置 | |
| CN113177176A (zh) | 特征构建方法、内容显示方法及相关装置 | |
| CN111399725B (zh) | 用于呈现信息的方法、装置、电子设备和介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230427 Address after: Room 802, Information Building, 13 Linyin North Street, Pinggu District, Beijing, 101299 Applicant after: Beijing youzhuju Network Technology Co.,Ltd. Address before: No. 715, 7th floor, building 3, 52 Zhongguancun South Street, Haidian District, Beijing 100081 Applicant before: Beijing infinite light field technology Co.,Ltd. |