(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111352095.X (22)申请日 2021.11.16 (71)申请人 京东科技信息技 术有限公司 地址 100176 北京市北京经济技 术开发区 科创十一 街18号院2号楼6层6 01 (72)发明人 刘君亮　易津锋　王答明　胡炜　 陈东东　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 代理人 单冠飞 (51)Int.Cl. G06F 16/957(2019.01) G06Q 30/06(2012.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 受众群体获取方法、 用户对象匹配模 型的训 练方法及装置 (57)摘要 本申请公开了一种受众群体获取方法、 用户 对象匹配模型的训练方法及装置。 其实现方案 为： 获取待发布对象 的所属品类及待发布对象 的 对象属性信息； 获取在第一预设时间段内浏览所 属品类下对象的用户群体和用户群体中每个用 户与对象的交互行为数据； 根据交互行为数据， 确定每个用户的用户属性信息； 将待发布对象 的 对象属性信息和每个用户的用户属性信息输入 至预先训练的用户对象匹配模型， 获得每个用户 分别与待发布对象的匹配概率； 根据每个用户分 别与待发布对象的匹配概率， 在用户群体中筛选 出待发布对象的受众群体。 该方案可以有效地提 高受众群体预测的准确率， 具有重要的应用价 值。 权利要求书4页 说明书20页 附图7页 CN 114065074 A 2022.02.18 CN 114065074 A 1.一种受众群 体获取方法， 其特 征在于， 包括： 获取待发布对象的所属品类及所述待发布对象的对象属性信息； 获取在第一预设时间段内浏览所述所属品类下对象的用户群体和所述用户群体中每 个用户与所述对象的交 互行为数据； 根据所述交 互行为数据， 确定每 个所述用户的用户属性信息； 将所述待发布对象的对象属性信息和每个所述用户的用户属性信息输入至预先训练 的用户对象匹配模型， 获得每 个所述用户分别与所述待发布对象的匹配概 率； 根据每个所述用户分别与 所述待发布对象的匹配概率， 在所述用户群体中筛选出所述 待发布对象的受众群 体。 2.根据权利要求1所述的方法， 其特征在于， 获取所述待发布对象的对象属性信息， 包 括： 提取所述所属品类下所有对象的属性信息， 并对所述所有对象的属性信息进行预处 理， 得到分段属性 集； 获取所述待发布对象的属性信 息， 并将所述待发布对象的属性信 息与所述分段属性集 中的属性进行匹配， 确定所述待发布对象的对象属性信息 。 3.根据权利要求2所述的方法， 其特征在于， 所述根据所述交互行为数据， 确定每个所 述用户的用户属性信息， 包括： 基于所述分段属性集中各属性及多个不同时间段， 对每个所述用户与 所述对象的交互 行为数据进行分析， 提取每 个所述用户的属性偏好信息； 获取每个所述用户的基本信 息， 并将每个所述用户的属性偏好信 息和基本信 息确定为 每个所述用户的用户属性信息 。 4.根据权利要求1所述的方法， 其特征在于， 所述用户对象匹配模型是通过以下方式预 先训练而得到的： 获取在第二预设时间段内浏览所述所属品类下对象样本的多个用户样本和每个所述 用户样本与所述对象样本的交 互行为数据； 获取每个所述用户样本的基本信 息， 并根据每个所述用户样本与所述对象样本的交互 行为数据， 确定每 个所述用户样本的属性偏好信息； 根据每个所述用户样本的基本信 息和属性偏好信 息， 确定每个所述用户样本的用户属 性信息； 获取每个所述用户样本浏览的对象样本的对象属性信 息， 并确定每个所述用户样本的 标签值； 将每个所述用户样本的用户属性信息和其浏览的对象样本的对象属性信息输入至机 器学习模型， 获得每 个所述用户样本与其浏览的对象样本的匹配概 率预测值； 根据每个所述用户样本与其浏览的对象样本的匹配概率预测值和每个所述用户样本 的标签值， 训练所述机器学习模型， 获取模型参数， 并根据所述模型参数生 成所述用户对象 匹配模型。 5.根据权利要求4所述的方法， 其特征在于， 所述将每个所述用户样本的用户属性信 息 和每个所述用户样本浏览的对象样本的对象属性信息 输入至机器学习模型， 包括： 确定每个所述用户样本浏览的对象样本的发布时间， 并根据所述发布时间确定每个所权　利　要　求　书 1/4 页 2 CN 114065074 A 2述用户样本的权 重信息； 将每个所述用户样本的用户属性信 息、 权重信 息和其浏 览的对象样本的对象属性信 息 输入至机器学习模型。 6.根据权利要求4或5所述的方法， 其特征在于， 所述根据每个所述用户样本与所述对 象样本的交 互行为数据， 确定每 个所述用户样本的属性偏好信息， 包括： 基于所述所属品类的分段属性集中各属性及多个不同时间段， 对每个所述用户样本与 所述对象样本的交 互行为数据进行分析， 提取每 个所述用户样本的属性偏好信息 。 7.根据权利要求4或5所述的方法， 其特征在于， 所述确定每个所述用户样本的标签值， 包括： 基于每个所述用户样本与其浏 览的对象样本的交互行为数据， 获取每个所述用户样本 对其浏览的对象样本在第三预设时间段内的行为结果信息； 根据每个所述用户样本对其浏 览的对象样本在第 三预设时间段内的行为结果信 息， 确 定每个所述用户样本的标签值。 8.一种用户对象匹配模型的训练方法， 其特征在于， 所述用户对象匹配模型用于预测 待发布对象的受众群 体， 所述训练方法包括： 获取在第二预设时间段内浏览预设品类下对象样本的多个用户样本和每个所述用户 样本与所述对象样本的交 互行为数据； 获取每个所述用户样本的基本信 息， 并根据每个所述用户样本与所述对象样本的交互 行为数据， 确定每 个所述用户样本的属性偏好信息； 根据每个所述用户样本的基本信 息和属性偏好信 息， 确定每个所述用户样本的用户属 性信息； 获取所述每个用户样本浏览的对象样本的对象属性信 息， 并确定每个所述用户样本的 标签值； 将每个所述用户样本的用户属性信息和其浏览的对象样本的对象属性信息输入至机 器学习模型， 获得每 个所述用户样本与其浏览的对象样本的匹配概 率预测值； 根据每个所述用户样本与其浏览的对象样本的匹配概率预测值和每个所述用户样本 的标签值， 训练所述机器学习模型， 获取模型参数， 并根据所述模型参数生 成所述用户对象 匹配模型。 9.根据权利要求8所述的方法， 其特征在于， 所述将每个所述用户样本的用户属性信 息 和其浏览的对象样本的对象属性信息 输入至机器学习模型， 包括： 确定每个所述用户样本浏览的对象样本的发布时间， 并根据所述发布时间确定每个所 述用户样本的权 重信息； 将每个所述用户样本的用户属性信 息、 权重信 息和其浏 览的对象样本的对象属性信 息 输入至机器学习模型。 10.根据权利要求8 或9所述的方法， 其特征在于， 所述根据每个所述用户样本与所述对 象样本的交 互行为数据， 确定每 个所述用户样本的属性偏好信息， 包括： 基于所述预设品类的分段属性集中各属性及多个不同时间段， 对每个所述用户样本与 所述对象样本的交 互行为数据进行分析， 提取每 个所述用户样本的属性偏好信息 。 11.根据权利要求8 或9所述的方法， 其特征在于， 所述获取每个所述用户样本浏 览的对权　利　要　求　书 2/4 页 3 CN 114065074 A 3