(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 202111655734.X (22)申请日 2021.12.3 0 (71)申请人 深圳前海微众 银行股份有限公司 地址 518027 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 张海川　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 代理人 宋兴　臧建明 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 用户的类型信息的确定方法、 设备及 存储介 质 (57)摘要 本公开实施例提供一种用户的类型信息的 确定方法、 设备及存储介质， 属于科技金融领域， 该方法包括： 获取用户的特征数据； 将用户的特 征数据分别输入第一预测模型和第二预测模型， 获取第一预测模型输出的第一转化率 以及第二 预测模型输出的第二转化率， 第一预测模型用于 预测在预设执行条件下生成用户的目标数据的 概率， 第二预测模型用于预测在不施加预设执行 条件下生 成用户的目标数据的概率； 根据第一转 化率和第二转化率， 确定用户的类型信息。 通过 该方式， 可以在预设执行条件下有效对用户的类 型进行划分。 权利要求书2页 说明书13页 附图4页 CN 114298232 A 2022.04.08 CN 114298232 A 1.一种用户的类型信息的确定方法， 其特 征在于， 所述方法包括： 获取用户的特 征数据； 将所述用户的特征数据分别 输入第一预测模型和第 二预测模型， 获取所述第 一预测模 型输出的第一转化率以及所述第二预测模型输出的第二转化率， 所述第一预测模型用于预 测在预设执行条件下生成所述用户的目标数据的概率， 所述第二预测模型用于预测在不施 加所述预设执 行条件下生成所述用户的目标 数据的概 率； 根据所述第一 转化率和所述第二 转化率， 确定所述用户的类型信息 。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述第 一转化率和所述第 二转化 率， 确定所述用户的类型信息， 包括： 将所述第一转化率和所述第二转化率的差值作为所述预设执行条件对生成所述用户 的目标数据的概 率的贡献值； 根据所述第一 转化率、 所述第二 转化率以及所述贡献值， 确定所述用户的类型信息 。 3.根据权利要求1所述的方法， 其特征在于， 所述第 一预测模型是通过第 一样本集训练 后生成的， 所述第一样本集中包含有历史用户的特征数据以及在所述预设执行条件下生成 所述历史用户的目标 数据的结果数据； 所述第二预测模型是通过第 二样本集训练后 生成的， 所述第 二样本集中包含有历史用 户的特征数据以及在不施加所述预设执行条件下生成所述历史用户的目标数据的结果数 据。 4.根据权利要求1 ‑3任一项所述的方法， 其特征在于， 在根据 所述第一转化率和所述第 二转化率， 确定所述用户的类型信息之后， 所述方法还 包括： 根据用户的多维向量， 在数据库中查询目标类型的用户的转移用户， 所述多维向量用 于表征在多个维度下用户之 间的关联关系， 所述转移用户为被施加所述预设执行条件以进 行量级拓展的用户。 5.根据权利要求4所述的方法， 其特征在于， 所述根据用户的多维向量， 在数据库中查 询目标类型的用户的转移用户， 包括： 根据所述数据库中待查询的用户的多维向量和所述目标类型的用户的多维向量之间 的余弦相似度， 确定所述待查询的用户是否为所述 转移用户。 6.根据权利要求4所述的方法， 其特征在于， 所述根据用户的多维向量， 在数据库中查 询目标类型的用户的转移用户， 包括： 根据预设的采样比例， 对所述目标类型的用户的多维向量和非 目标类型的用户的多维 向量进行采样， 生成第三样本集， 所述 目标类型 的用户的多维向量为所述第三样本集的正 样本， 所述非目标类型的用户的多维向量 为所述第三样本集的负 样本； 使用所述第三样本对相似人群扩展模型进行训练； 将所述数据库中待查询的用户的多维向量输入训练后的相似人群扩展模型中， 并获取 所述训练后的相似人群扩展模型输出的人群转换概 率； 根据所述人群转换概 率， 确定所述待查询的用户是否为所述 转移用户。 7.根据权利要求4所述的方法， 其特征在于， 在所述根据用户的多维向量， 在数据库中 查询目标类型的用户的转移用户之前， 所述方法还 包括： 根据所述用户之间的关联信息， 确定所述数据库中的用户的多维向量。权　利　要　求　书 1/2 页 2 CN 114298232 A 28.根据权利要求7所述的方法， 其特征在于， 所述根据所述用户之间的关联信息， 确定 所述数据库中用户的多维向量， 包括： 从所述数据库中选择目标用户作为用户关系网中的目标节点； 依次确定所述目标节点的关联用户节点序列中的当前末尾节点的下一用户节点， 直至 所述目标用户的节点序列的长度达 到预设的序列长度； 根据所述目标节点的关联用户节点序列， 生成所述目标节点的关联节点阵列； 根据所述目标节点的关联节点阵列， 确定所述数据库中用户的多维向量。 9.根据权利要求8所述的方法， 其特征在于， 所述确定所述目标节点的关联用户节点序 列中的当前末尾节点的下一用户节点， 包括： 确定所述当前末尾节点的归一化转移概率并对所述当前末尾节点的关联节点进行加 权采样， 确定所述下一用户节点。 10.根据权利要求9所述的方法， 其特征在于， 所述确定所述当前末尾节点的归一化转 移概率， 包括： 根据所述用户之间的关联信 息， 确定所述当前末尾节点与任一关联用户节点之间的转 移概率； 归一化所述当前末尾节点与任一关联用户节点之间的转移概率， 确定所述当前末尾节 点的归一 化转移概率。 11.根据权利要求10所述的方法， 其特征在于， 所述根据所述用户之间的关联信息， 确 定所述当前末尾节点与任一关联用户节点之间的转移概 率， 包括： 根据所述用户之间的关联信 息以及所述用户的标识， 生成所述当前末尾节点与任一关 联用户节点之间的权 重数据； 根据所述当前末尾节点与任一关联用户节点在用户关系网中最短路径距离的取值， 确 定所述当前末尾节点与任一关联用户节点之间的权 重修正系数； 根据所述当前末尾节点与任一关联用户节点之间的权重数据和所述当前末尾节点与 任一关联用户节点之间的权重修正系数， 确定所述当前末尾节点与任一关联用户节点之间 的转移概 率。 12.根据权利要求11所述的方法， 其特征在于， 所述最短路径距离的取值包括第一取 值、 第二取值和第三取值； 所述 最短路径 距离的取值与所述权 重修正系数存在映射关系； 若所述关联用户节点为所述当前末尾节点的上一节点， 则所述最短路径距离的取值为 所述第一取值， 若所述关联用户节点与所述当前末尾节点为相邻节点， 则所述最短路径距 离的取值为所述第二取值， 若 所述关联用户节点不是所述当前末 尾节点的上一节点或所述 当前末尾节点的相邻节点， 则所述 最短路径 距离的取值 为所述第三取值。 13.一种电子设备， 其特征在于， 包括： 处理器和存储器； 其中， 所述存储器存储有计算 机程序， 所述计算机程序适于由所述处 理器加载并执 行如权利要求1 ‑12任意一项的方法。 14.一种计算机存储介质， 其特征在于， 所述计算机存储介质存储有多条指令， 所述指 令适于由处 理器加载并执 行如权利要求1 ‑12任意一项的方法步骤。权　利　要　求　书 2/2 页 3 CN 114298232 A 3