目标对象识别方法、装置、计算机设备和存储介质与流程

1.本技术涉及大数据技术领域，特别是涉及一种目标对象识别方法、装置、计算机设备和存储介质。


背景技术：

2.随着网络技术的发展，出现了基于大数据分析的目标对象识别技术，该技术通过对待识别对象在网络中的大数据信息进行分析，最终识别出满足条件的目标对象，该目标对象可以为发生目标事件的对象。
3.在传统的目标对象识别技术中，可以通过对待识别对象所拥有的虚拟资源以及资源交互数据等客观信息，对待识别对象进行分析，得到其发生目标事件的概率。
4.但是以上目标对象识别的过程中，仅通过客观信息对目标事件发生概率进行分析，信息量较少，也即分析依据不全面，导致了对目标事件发生概率的预测准确度较低，进而导致目标对象识别的准确度较低。


技术实现要素：

5.基于此，有必要针对上述技术问题，提供一种能够准确识别目标对象的目标对象识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
6.第一方面，本技术提供了一种目标对象识别方法。所述方法包括：
7.根据待识别对象的用户信息，确定所述待识别对象的目标情感因子；
8.根据所述待识别对象的所述目标情感因子，从群组中确定所述待识别对象对应的目标群组，针对任一所述群组，所述群组中各对象的目标情感因子均在所述群组对应的数值范围内；
9.在所述目标群组对应的事件发生概率大于或者等于第一数值的情况下，根据所述待识别对象的关联信息，确定所述待识别对象的目标关联情感因子，其中所述事件发生概率用于表征发生目标事件的概率；
10.根据所述目标关联情感因子对所述事件发生概率进行调整，得到所述待识别对象的目标事件发生概率；
11.在所述待识别对象的所述目标事件发生概率大于或者等于第二数值的情况下，将所述待识别对象作为目标对象。
12.在其中一个实施例中，所述根据所述目标关联情感因子对所述事件发生概率进行调整，得到所述待识别对象的目标事件发生概率，包括：
13.获取所述目标群组对应的概率校正公式；
14.将所述待识别对象的所述目标关联情感因子输入到所述概率校正公式中，得到所述待识别对象的目标事件发生概率。
15.在其中一个实施例中，所述方法还包括：
16.针对任一所述群组，根据所述群组对应的所述事件发生概率、所述群组中各历史
对象的所述目标关联情感因子、及所述群组中各所述历史对象的事件发生标注概率，确定所述目标关联情感因子对应的因子系数；
17.根据所述因子系数和所述群组对应的所述事件发生概率，构建所述群组对应的概率校正公式。
18.在其中一个实施例中，所述方法还包括：
19.针对任一所述群组，确定所述群组中发生所述目标事件的历史对象对应的第一数值；
20.根据所述第一数值和所述群组中所述历史对象的数量，确定所述群组对应的事件发生概率。
21.在其中一个实施例中，所述群组对应的事件发生概率包括至少一个事件对应的事件发生概率，所述方法还包括：
22.从所述目标群组中匹配所述目标事件；
23.在匹配到所述目标事件的情况下，将所述目标事件的所述事件发生概率作为所述目标群组对应的所述事件发生概率。
24.在其中一个实施例中，所述关联信息包括与所述待识别对象存在关联关系的关联对象的用户信息、所述待识别对象所处领域的领域信息中的至少一项，所述目标关联情感因子包括第一目标关联情感因子和第二目标关联情感因子中的至少一项；所述根据所述待识别对象的关联信息，确定所述待识别对象的目标关联情感因子，包括：
25.在所述关联信息包括所述关联对象的用户信息的情况下，获取所述待识别对象的各所述关联对象；
26.根据各所述关联对象的所述用户信息，确定各所述关联对象的关联情感因子；
27.根据各所述关联对象的所述关联情感因子，确定所述待识别对象的第一目标关联情感因子；
28.或者，在所述关联信息包括所述领域信息的情况下，根据所述领域信息，确定所述待识别对象的第二目标关联情感因子。
29.第二方面，本技术还提供了一种目标对象识别装置。所述装置包括：
30.第一确定模块，用于根据待识别对象的用户信息，确定所述待识别对象的目标情感因子；
31.第二确定模块，用于根据所述待识别对象的所述目标情感因子，从群组中确定所述待识别对象对应的目标群组，针对任一所述群组，所述群组中各对象的目标情感因子均在所述群组对应的数值范围内；
32.第三确定模块，用于在所述目标群组对应的事件发生概率大于或者等于第一数值的情况下，根据所述待识别对象的关联信息，确定所述待识别对象的目标关联情感因子，其中所述事件发生概率用于表征发生目标事件的概率；
33.调整模块，用于根据所述目标关联情感因子对所述事件发生概率进行调整，得到所述待识别对象的目标事件发生概率；
34.识别模块，用于在所述待识别对象的所述目标事件发生概率大于或者等于第二数值的情况下，将所述待识别对象作为目标对象。
35.在其中一个实施例中，所述调整模块还用于：
36.获取所述目标群组对应的概率校正公式；
37.将所述待识别对象的所述目标关联情感因子输入到所述概率校正公式中，得到所述待识别对象的目标事件发生概率。
38.在其中一个实施例中，所述装置还包括：
39.第四确定模块，用于针对任一所述群组，根据所述群组对应的所述事件发生概率、所述群组中各历史对象的所述目标关联情感因子、及所述群组中各所述历史对象的事件发生标注概率，确定所述目标关联情感因子对应的因子系数；
40.构建模块，用于根据所述因子系数和所述群组对应的所述事件发生概率，构建所述群组对应的概率校正公式。
41.在其中一个实施例中，所述装置还包括：
42.第五确定模块，用于针对任一所述群组，确定所述群组中发生所述目标事件的历史对象对应的第一数值；
43.第六确定模块，用于根据所述第一数值和所述群组中所述历史对象的数量，确定所述群组对应的事件发生概率。
44.在其中一个实施例中，所述群组对应的事件发生概率包括至少一个事件对应的事件发生概率，所述装置还包括：
45.匹配模块，用于从所述目标群组中匹配所述目标事件，在匹配到所述目标事件的情况下，将所述目标事件的所述事件发生概率作为所述目标群组对应的所述事件发生概率。
46.在其中一个实施例中，所述关联信息包括与所述待识别对象存在关联关系的关联对象的用户信息、所述待识别对象所处领域的领域信息中的至少一项，所述目标关联情感因子包括第一目标关联情感因子和第二目标关联情感因子中的至少一项；所述第三确定模块还用于：
47.在所述关联信息包括所述关联对象的用户信息的情况下，获取所述待识别对象的各所述关联对象；
48.根据各所述关联对象的所述用户信息，确定各所述关联对象的关联情感因子；
49.根据各所述关联对象的所述关联情感因子，确定所述待识别对象的第一目标关联情感因子；
50.或者，在所述关联信息包括所述领域信息的情况下，根据所述领域信息，确定所述待识别对象的第二目标关联情感因子。
51.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
52.根据待识别对象的用户信息，确定所述待识别对象的目标情感因子；
53.根据所述待识别对象的所述目标情感因子，从群组中确定所述待识别对象对应的目标群组，针对任一所述群组，所述群组中各对象的目标情感因子均在所述群组对应的数值范围内；
54.在所述目标群组对应的事件发生概率大于或者等于第一数值的情况下，根据所述待识别对象的关联信息，确定所述待识别对象的目标关联情感因子，其中所述事件发生概率用于表征发生目标事件的概率；
55.根据所述目标关联情感因子对所述事件发生概率进行调整，得到所述待识别对象的目标事件发生概率；
56.在所述待识别对象的所述目标事件发生概率大于或者等于第二数值的情况下，将所述待识别对象作为目标对象。
57.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
58.根据待识别对象的用户信息，确定所述待识别对象的目标情感因子；
59.根据所述待识别对象的所述目标情感因子，从群组中确定所述待识别对象对应的目标群组，针对任一所述群组，所述群组中各对象的目标情感因子均在所述群组对应的数值范围内；
60.在所述目标群组对应的事件发生概率大于或者等于第一数值的情况下，根据所述待识别对象的关联信息，确定所述待识别对象的目标关联情感因子，其中所述事件发生概率用于表征发生目标事件的概率；
61.根据所述目标关联情感因子对所述事件发生概率进行调整，得到所述待识别对象的目标事件发生概率；
62.在所述待识别对象的所述目标事件发生概率大于或者等于第二数值的情况下，将所述待识别对象作为目标对象。
63.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
64.根据待识别对象的用户信息，确定所述待识别对象的目标情感因子；
65.根据所述待识别对象的所述目标情感因子，从群组中确定所述待识别对象对应的目标群组，针对任一所述群组，所述群组中各对象的目标情感因子均在所述群组对应的数值范围内；
66.在所述目标群组对应的事件发生概率大于或者等于第一数值的情况下，根据所述待识别对象的关联信息，确定所述待识别对象的目标关联情感因子，其中所述事件发生概率用于表征发生目标事件的概率；
67.根据所述目标关联情感因子对所述事件发生概率进行调整，得到所述待识别对象的目标事件发生概率；
68.在所述待识别对象的所述目标事件发生概率大于或者等于第二数值的情况下，将所述待识别对象作为目标对象。
69.上述目标对象识别方法、装置、计算机设备、存储介质和计算机程序产品，根据待识别对象的用户信息，确定待识别对象的目标情感因子，根据待识别对象的目标情感因子，从群组中确定待识别对象对应的目标群组，针对任一群组，群组中各对象的目标情感因子均在群组对应的数值范围内，在目标群组对应的事件发生概率大于或者等于第一数值的情况下，根据待识别对象的关联信息，确定待识别对象的目标关联情感因子，其中事件发生概率用于表征发生目标事件的概率，并根据目标关联情感因子对事件发生概率进行调整，得到待识别对象的目标事件发生概率，在待识别对象的目标事件发生概率大于或者等于第二数值的情况下，将待识别对象作为目标对象。基于上述目标对象识别方法、装置、计算机设备、存储介质和计算机程序产品，首先根据待识别对象的用户信息和待识别对象所属的群
组确定事件发生概率，在事件发生概率满足一定条件下，再根据待识别对象的关联信息对事件发生概率进行调整，得到目标事件发生概率，上述过程结合待识别对象的用户信息和关联信息进行了全面的分析，信息更加丰富，分析依据更全面，提高了目标事件发生概率的预测准确度，进而提高了目标对象识别的准确度。
附图说明
70.图1为一个实施例中目标对象识别方法的流程示意图；
71.图2为另一个实施例中目标对象识别方法的流程示意图；
72.图3为另一个实施例中目标对象识别方法的流程示意图；
73.图4为另一个实施例中目标对象识别方法的流程示意图；
74.图5为另一个实施例中目标对象识别方法的流程示意图；
75.图6为另一个实施例中目标对象识别方法的流程示意图；
76.图7为一个实施例中目标对象识别装置的结构框图；
77.图8为一个实施例中计算机设备的内部结构图。
具体实施方式
78.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
79.在一个实施例中，如图1所示，提供了一种目标对象识别方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
80.步骤102，根据待识别对象的用户信息，确定待识别对象的目标情感因子。
81.其中，待识别对象为待进行目标对象识别的对象，用户信息为待识别对象使用各网络平台时所产生的信息，例如：用户信息可以为待识别对象在社交平台发布的文字信息，可以通过文本提取模型对待识别对象的用户信息进行关键字提取，并根据各关键字确定待识别对象的目标情感因子。其中，目标情感因子可以用于表征待识别对象的主观情感，目标情感因子可以为正数、负数或者0，当目标情感因子为正数时，表示待识别对象处于正向、乐观、积极的情感倾向；当目标情感因子为负数时，表示待识别对象处于负向、悲观、消极的情感倾向；当目标情感因子为0时，表示待识别对象处于中性、客观、理性的情感倾向，且目标情感因子的绝对值用于表示待识别对象的情感强烈程度。
82.示例性的，可以采用以下方式确定目标情感因子：首先构建一个情感关键词数据库，该数据库中包括多个情感关键词和情感关键词对应的情绪分值，之后，基于自然语言处理(nlp，natural language processing)技术提取待识别对象的用户信息中的关键词，将提取到的各关键词与情感关键词数据库中的情感关键词进行匹配，得到各关键词对应的情绪分值，并将各情绪分值进行累加处理，得到待识别对象的目标情感因子。
83.示例性的，以待识别对象为客户a，用户信息为客户a在社交平台发布的文字信息为例，构建得到的情感关键词数据库如表一所示，利用nlp技术从客户a在社交平台发布的
文字信息中提取到关键词：关键词1、关键词2、关键词3、关键词4，在表一种匹配上述关键词，可以得到客户a的目标情感因子为-70-70+30+30＝-80。
84.表(一)
[0085][0086]
需要说明的是，本技术上述示例中仅为确定待识别对象的目标情感因子的一个示例，本技术不对确定待识别对象的目标情感因子的方法做具体限定。
[0087]
步骤104，根据待识别对象的目标情感因子，从群组中确定待识别对象对应的目标群组，针对任一群组，群组中各对象的目标情感因子均在群组对应的数值范围内。
[0088]
本技术实施例中，不同群组会对应不同的目标情感因子的数值范围，群组中的各对象的目标情感因子均在群组对应的数值范围内，故可以将待识别对象的目标情感因子与各群组对应的数值范围进行匹配，当匹配到待识别对象的目标情感因子所属的数值范围时，则可以确定待识别对象对应的目标群组即为该数值范围对应的群组。
[0089]
示例性的，仍以上述示例为例，客户a的目标情感因子为-80，已知的群组1对应的数值范围1为-100～-70，群组2对应的数值范围2为-70～30，群组3对应的数值范围3为-30～40，群组4对应的数值范围4为40～100，根据目标情感因子-80在数值范围1内，则可以确定客户a对应的目标群组为群组1。
[0090]
步骤106，在目标群组对应的事件发生概率大于或者等于第一数值的情况下，根据待识别对象的关联信息，确定待识别对象的目标关联情感因子，其中事件发生概率用于表征发生目标事件的概率。
[0091]
本技术实施例中，事件发生概率可以用于表征发生目标事件的概率，目标事件可以由工作人员根据实际需要进行设置，可以根据发生某一事件的时间段长短设置不同的目标事件，或者，也可以根据发生事件的不同设置不同的目标事件，例如：目标事件为过去3个月内发生事件a，或者目标事件为过去6个月内发生事件a，或者目标事件为过去3个月内发生事件b。
[0092]
在确定了待识别对象对应的目标群组后，此时目标群组对应的事件发生概率可以在一定程度上表征待识别对象在未来发生目标事件的概率，但准确度并不高，若直接根据目标群组对应的事件发生概率来识别目标对象，此时目标对象识别的准确率会降低，故将目标群组对应的事件发生概率与第一数值(可以由工作人员设置)进行比较，对目标群组对应的事件发生概率大于或者等于第一数值的待识别对象进行进一步的处理。
[0093]
具体的，当待识别对象对应的目标群组对应的事件发生概率大于或者等于第一数值时，可以获取待识别对象的关联信息，其中，关联信息为与待识别对象有关的信息，示例性的，关联信息可以为与待识别对象具有关联关系的关联对象的用户信息，例如：关联信息为与待识别对象在社交平台产生交互的对象的用户信息，或者，关联信息也可以为待识别
对象所处领域的领域信息，例如：关联信息为待识别对象的所处的职业领域的领域信息。
[0094]
其次，基于nlp技术从待识别对象的关联信息中提取关键词，根据各关键词确定待识别对象的目标关联情感因子，其中，确定目标关联情感因子的具体步骤可以参照上述实施例中关于确定目标情感因子的描述，在此不再赘述。
[0095]
步骤108，根据目标关联情感因子对事件发生概率进行调整，得到待识别对象的目标事件发生概率。
[0096]
本技术实施例中，对于一个待识别对象，可以确定多个目标关联情感因子，其中，各目标关联情感因子均会对待识别对象在未来发生目标事件的概率(即事件发生概率)产生一定的影响，故可以根据目标关联情感因子，对该事件发生概率进行调整，得到待识别对象的目标事件发生概率。
[0097]
步骤110，在待识别对象的目标事件发生概率大于或者等于第二数值的情况下，将待识别对象作为目标对象。
[0098]
本技术实施例中，将待识别对象的目标事件发生概率与第二数值(可以通过工作人员进行设置)进行比较，在待识别对象的目标事件发生概率大于或者等于第二数值的情况下，将待识别对象作为目标对象。
[0099]
示例性的，以待识别对象为客户a，目标事件为事件a，第二数值为70％，客户a的目标事件发生概率为83％为例，客户a的目标事件发生概率83％大于第二数值，则客户a为目标对象，也即，客户a为需要工作人员重点关注的客户。
[0100]
上述目标对象识别方法中，首先根据待识别对象的用户信息和待识别对象所属的群组确定事件发生概率，在事件发生概率满足一定条件下，再根据待识别对象的关联信息对事件发生概率进行调整，得到目标事件发生概率，上述过程结合待识别对象的用户信息和关联信息进行了全面的分析，信息量较大，分析依据更全面，提高了目标事件发生概率的预测准确度，进而提高了目标对象识别的准确度。
[0101]
其次，仅在待识别对象所属的群组对应的事件发生概率大于或者等于第一数值时，对待识别对象进行进一步的处理，节约了数据获取和处理的成本。
[0102]
在一个实施例中，如图2所示，步骤108，根据目标关联情感因子对事件发生概率进行调整，得到待识别对象的目标事件发生概率，包括：
[0103]
步骤202，获取目标群组对应的概率校正公式。
[0104]
本技术实施例中，对于同一群组中的各对象来说，各对象的目标关联情感因子对该群组对应的事件发生概率具有相同的影响趋势，故可以根据上述规律确定群组所对应的概率校正公式，其中，概率校正公式表示事件发生概率、待识别对象的目标关联情感因子，与待识别对象对应的目标事件发生概率之间的函数关系。
[0105]
其中，可以根据待识别对象对应的目标群组，获取目标群组对应的概率校正公式。
[0106]
步骤204，将待识别对象的目标关联情感因子输入到概率校正公式中，得到待识别对象的目标事件发生概率。
[0107]
本技术实施例中，可以将待识别对象的目标关联情感因子输入到概率校正公式中，通过计算得到待识别对象的目标事件发生概率。示例性的，仍以上述示例为例，以客户a的目标关联情感因子1为80，目标关联情感因子2为-50，目标关联情感因子3为20，概率校正公式为85％+0.15*目标关联情感因子1+0.25*目标关联情感因子2+0.02*目标关联情感因
子3＝目标事件发生概率为例，分别将三个目标关联情感因子输入到概率校正公式中，得到目标事件发生概率＝85％+0.15*80+0.25*(-50)+0.02*20＝75％。
[0108]
本实施例中，根据待识别对象所属的目标群组，确定待识别对象对应的概率校正公式，之后，将待识别对象的目标关联情感因子输入到该概率校正公式中，对事件发生概率进行调整，进而确定目标事件发生概率，其中，目标关联情感因子是根据待识别对象的关联信息得到的，也即上述方法中根据待识别对象的关联信息对事件发生概率进行调整，得到目标事件发生概率，结合待识别对象的用户信息和关联信息进行全面的分析，可以得到更加准确的目标事件发生概率，进而提高了目标对象识别的准确度。
[0109]
在一个实施例中，如图3所示，所述方法还包括：
[0110]
步骤302，针对任一群组，根据群组对应的事件发生概率、群组中各历史对象的目标关联情感因子、及群组中各历史对象的事件发生标注概率，确定目标关联情感因子对应的因子系数。
[0111]
本技术实施例中，在对待识别对象进行识别之前，可以先分别确定各群组所对应的概率校正公式，具体的，针对任一群组，群组对应的事件发生概率是已知的，可以根据群组中的各个历史对象在过去一段时间内(例如过去六个月)的历史关联信息，确定各历史对象的目标关联情感因子，并由工作人员(例如信贷专员)根据历史对象的客观信息(例如历史资源交互信息)、用户信息和关联信息对历史对象在未来发生目标事件的概率进行预测，得到各历史对象的事件发生标注概率。之后，根据群组对应的事件发生概率、群组中各历史对象的目标关联情感因子、及群组中各历史对象的事件发生标注概率，确定目标关联情感因子对应的因子系数。
[0112]
本实施例中，可以根据回归计算方法，来确定目标关联情感因子对应的因子系数，也即，将群组对应的事件发生概率和群组中各历史对象的目标关联情感因子作为自变量，将各历史对象的事件发生标注概率作为因变量，通过回归计算，得到各目标关联情感因子对应的因子系数，其中，因子系数与目标关联情感因子一一对应。
[0113]
步骤304，根据因子系数和群组对应的事件发生概率，构建群组对应的概率校正公式。
[0114]
本技术实施例中，在得到各因子系数后，根据因子系数和群组对应的事件发生概率，构建群组对应的概率校正公式。示例性的，概率校正公式为：群组对应的事件发生概率+因子系数1*目标关联情感因子1+因子系数2*目标关联情感因子2+因子系数*目标关联情感因子3＝目标事件发生概率。
[0115]
本实施例中，根据事件发生概率、群组中各历史对象的目标关联情感因子、及群组中各历史对象的事件发生标注概率，来确定概率校正公式，之后就可以根据待识别对象的关联信息对事件发生概率进行进一步的调整，得到目标事件发生概率，结合待识别对象的用户信息和关联信息进行全面的分析，可以得到更加准确的目标事件发生概率，进而提高了目标对象识别的准确度。
[0116]
在一个实施例中，如图4所示，所述方法还包括：
[0117]
步骤402，针对任一群组，确定群组中发生目标事件的历史对象对应的第一数值。
[0118]
本技术实施例中，在对待识别对象进行识别之前，需要先确定各群组对应的事件发生概率，确定事件发生概率的具体步骤如下：针对任一群组，获取该群组中各历史对象在
过去一段时间内的历史资源交互数据，依据各历史对象的历史资源交互数据，确定有多少个历史对象发生了目标事件(即第一数值)。
[0119]
示例性的，以历史对象为历史客户，历史资源交互数据为在过去一年内各历史客户的资源交互数据为例，群组1中包括100名历史客户，预设事件为事件a，根据100名历史客户在在过去一年内的资源交互数据，确定其中有80名历史客户发生过事件a，则第一数值为80。
[0120]
步骤404，根据第一数值和群组中历史对象的数量，确定群组对应的事件发生概率。
[0121]
本技术实施例中，令第一数值除以群组中的历史对象的数量，该比值即为群组对应的事件发生概率。示例性的，仍以上述示例为例，第一数值为80，群组1中包括100名历史客户，则群组1对应的时间发生概率为80％。
[0122]
本实施例中，各个群组是根据对象的目标情感因子进行分类得到的，之后根据群组所包括的各历史对象的历史资源交互数据，通过数学统计的方法，来自确定该群组对应的事件发生概率，也即，此时得到的事件发生概率是通过对象的目标情感因子得到的，该事件发生概率可以在一定程度上表征同一群组中各对象发生目标事件的概率，之后根据待识别对象的关联信息对事件发生概率进行调整，得到更加准确的目标事件发生概率，进而提高了目标对象识别的准确度。
[0123]
在一个实施例中，如图5所示，群组对应的事件发生概率包括至少一个事件对应的事件发生概率，所述方法还包括：
[0124]
步骤502，从目标群组中匹配目标事件；
[0125]
步骤504，在匹配到目标事件的情况下，将目标事件的事件发生概率作为目标群组对应的事件发生概率。
[0126]
本技术实施例中，对于一个群组来说，该群组对应的不同目标事件的事件发生概率并不相同，也即，群组对应的事件发生概率有多个，包括群组对应的各目标事件的事件发生概率。示例性的，以群组1为例，其所对应的事件发生概率包括：事件a对应的事件发生概率为50％，事件b对应的事件发生概率为80％，事件c对应的事件发生概率为95％。
[0127]
其中，在对待识别对象进行识别的过程中，依次浏览待识别对象所属的目标群组的各目标事件，当浏览到的目标事件与待识别对象的目标事件相同(即匹配到目标事件的情况下)时，将此时该目标对象对应的事件发生概率，作为目标群组对应的事件发生概率。
[0128]
示例性的，仍以上述示例为例，以群组1所对应的事件发生概率包括：事件a对应的事件发生概率为50％，事件b对应的事件发生概率为80％，事件c对应的事件发生概率为95％，待识别对象的目标事件为事件b，从上述各事件中匹配目标事件，并将事件b对应的事件发生概率80％作为群组对应的事件发生概率。
[0129]
本实施例中，不同目标事件还会对应不同的概率校正公式，因此，在匹配到目标事件的情况下，可以将该目标事件对应的概率校正公式作为目标群组对应的概率校正公式。
[0130]
本技术实施例中，群组对应的事件发生概率可以包括群组对应的不同目标事件的事件发生概率，其中，目标事件可以由工作人员根据实际需要来设置，在目标对象识别过程中，从目标群组中匹配目标事件，将匹配到的目标事件对应的事件发生概率作为该目标群组对应的事件发生概率，之后可以以此为基础进行后续的识别处理，可以满足对不同目标
事件的目标对象识别需求，提高了目标对象的识别范围。
[0131]
在一个实施例中，如图6所示，关联信息包括与待识别对象存在关联关系的关联对象的用户信息、待识别对象所处领域的领域信息中的至少一项，目标关联情感因子包括第一目标关联情感因子和第二目标关联情感因子中的至少一项；步骤106，根据待识别对象的关联信息，确定待识别对象的目标关联情感因子，包括：
[0132]
步骤602，在关联信息包括关联对象的用户信息的情况下，获取待识别对象的各关联对象。
[0133]
本技术实施例中，关联信息包括与待识别对象存在关联关系的关联对象的用户信息、待识别对象所处领域的领域信息，例如，关联关系可以为与待识别对象在社交平台发生交互，或者关联关系也可以为与待识别对象发生资源交互，待识别对象所处领域可以为待识别对象的工作所处的行业领域。
[0134]
其中，在关联信息包括关联对象的用户信息的情况下，可以从待识别对象的关联列表中，获取待识别对象的各关联对象，关联列表中包括与待识别对象存在关联关系的关联对象，示例性的，关联列表可以为待识别对象的通讯录列表，或者，在某些场景中，需要待识别对应填写信息登记表，登记表中包括联系人以及联系人与待识别对象的关系，可以根据待识别对象所填写的信息登记表，获取待识别对象的关联对象。
[0135]
步骤604，根据各关联对象的用户信息，确定各关联对象的关联情感因子。
[0136]
本技术实施例中，以与待识别对象的关联关系为条件，可以对待识别对象的各关联对象进行分类，针对处于同一关联关系的各关联对象，可以根据各关联对象的用户信息，确定各关联对象的关联情感因子，其中，确定各关联对象的关联情感因子的具体步骤参照上述实施例所述内容，在此不再赘述。
[0137]
步骤606，根据各关联对象的关联情感因子，确定待识别对象的第一目标关联情感因子。
[0138]
本技术实施例中，针对处于同一关联关系的各关联对象，确定各关联对象的关联情感因子后，可以计算各关联对象的关联情感因子的平均值，该平均值即为待识别对象的第一目标关联情感因子，基于同样的方法，依次确定待识别对象的各第一目标关联情感因子。
[0139]
示例性的，以待识别对象的关联对象包括：关联对象1、关联对象2、关联对象3和关联对象4为例，其中，关联对象1和关联对象2与待识别对象在社交平台产生过交互，关联对象3和关联对象4则是与待识别对象发生过资源交互。可以分别根据关联对象1、关联对象2的用户信息，确定关联对象1的关联情感因子1、关联对象2的关联情感因子2，计算关联情感因子1和关联情感因子2的平均值(即为待识别对象的第一目标关联情感因子1)；之后，分别再根据关联对象3、关联对象4的用户信息，确定关联对象3的关联情感因子3、关联对象4的关联情感因子4，计算关联情感因子3和关联情感因子4的平均值(即为待识别对象的第一目标关联情感因子2)。
[0140]
步骤608，在关联信息包括领域信息的情况下，根据领域信息，确定待识别对象的第二目标关联情感因子。
[0141]
本技术实施例中，在关联信息包括领域信息的情况下，可以直接根据领域信息，确定待识别对象的第二目标关联情感因子，确定第二目标关联情感因子的方法参照上述实施
例所述内容，在此不再赘述。
[0142]
其中，可以构建领域信息数据库，领域信息数据库包括多个能表示领域发展情况的关键词，以及各关键词对象的情绪分值，之后，可以根据nlp技术对领域信息进行关键词提取，将关键词与领域信息数据库中的关键词进行匹配，确定各关键词对应的情绪分值，根据各情绪分值得到目标关联情感因子。
[0143]
示例性的，领域信息数据库如表二所示。以待识别对象的所处领域为行业a为例，则领域信息为行业a的行业信息，其中，可以从与行业a相关的网络平台上获取过去一段时间(例如过去6个月)内的行业发展政策和行业发展情况，并从行业发展政策和行业发展情况提取到关键词：关键词a、关键词b，将上述关键词与表二中的关键词进行匹配，并确定各关键词对应的情绪分值分别为20、20，将两个情绪分值进行累加处理，得到第二目标关联情感因子为40。
[0144]
表二
[0145][0146]
本技术实施例中，可以根据待识别对象的关联信息，来确定待识别对象的目标关联情感因子，其中，目标关联情感因子会在一定程度上影响待识别对象发生目标事件的概率，故根据目标关联情感因子对事件发生概率进行调整，提高了目标事件发生概率的准确度，以目标事件发生概率进行目标对象识别，进而提高了目标对象识别的准确度。
[0147]
在一个具体的实施例中，可以根据各历史对象在过去一年内在社交平台发布的文字信息，基于nlp技术提取文字信息中的关键词，并在情感关键词数据库中进行匹配，确定各关键词对应的情绪分值，将各情绪分值进行累加处理，得到各历史对象的目标情感因子，之后根据各历史对象的目标情感因子对各历史对象进行分类，得到多个群组。其中，分类得到群组的步骤如下：工作人员可以设置群组1对应的目标情感因子的数值范围1为-100～-70，群组2对应的数值范围2为-70～30，群组3对应的数值范围3为-30～40，群组4对应的数值范围4为40～100，根据上述数值范围对历史对象进行分类，得到群组1中包括100个历史对象，群组2中包括189个历史对象，群组3中包括250个历史对象，群组4中包括400个历史对象。
[0148]
工作人员可以设置目标事件包括事件a、事件b和时间c，针对群组1，获取群组1中各历史对象在过去12个月内的历史资源交互数据，并根据历史资源交互数据分别确定发生事件a的历史对象对应的第一数值1为80，发生事件b的历史对象对应的第一数值2为82，发生事件c的历史对象对应的第一数值3为90，群组1中历史对象的数量为100，则可以确定群组1中事件a对应的事件发生概率1为80％，事件b对应的事件发生概率2为82％，事件c对应
的事件发生概率3为90％。
[0149]
当事件发生概率大于或者等于第一数值80％时，以事件a为例，由信贷专员对群组1中各历史对象发生事件a的概率进行预测，得到群组1中各历史对象发生事件a的事件发生标注概率1，并根据群组1中各历史对象的关联信息，确定各历史对象的目标关联情感因子，之后，可以根据回归计算方法，对历史对象的目标关联情感因子、事件发生概率1和事件发生标注概率1进行处理，得到目标关联情感因子对应的因子系数，并根据因子系数和事件发生概率1，构建得到群组1中事件a对应的概率校正公式1。重复上述步骤，可以分别确定事件b对应的概率校正公式2、事件c对应的概率校正公式3。
[0150]
其次，分别针对其他群组重复上述步骤，可以得到其他群组对应的多个概率校正公式。
[0151]
在进行目标对象识别的过程中，根据待识别对象的用户信息(即待识别对象在过去6个月内发布在社交平台上的文字信息)，确定待识别对象的目标情感因子为-80，根据目标情感因子，确定待识别对象所属的群组为群组1，其中，要识别的待识别对象的目标事件为事件a，从群组1中匹配事件a，得到事件发生概率1:80％，并将80％作为群组1的事件发生概率。
[0152]
此时，第一数值为80％，群组1的事件发生概率等于第一数值，故根据待识别对象的关联信息，确定待识别对象的目标关联情感因子，并将目标关联情感因子输入到群组1中事件a对应的概率校正公式1中，得到待识别对象的目标事件发生概率为75％。以第二数值为70％为例，将待识别对象的目标事件发生概率与第二数值进行比较，得到待识别对象的目标事件发生概率大于第二数值，则将该待识别对象作为目标对象。工作人员会相应限制目标对象的贷款金额，提高对目标对象的贷后管理水平。
[0153]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0154]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的目标对象识别方法的目标对象识别装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个目标对象识别装置实施例中的具体限定可以参见上文中对于目标对象识别方法的限定，在此不再赘述。
[0155]
在一个实施例中，如图7所示，提供了一种目标对象识别装置700，包括：第一确定模块702、第二确定模块704、第三确定模块706、调整模块708和识别模块710，其中：
[0156]
第一确定模块702，用于根据待识别对象的用户信息，确定待识别对象的目标情感因子；
[0157]
第二确定模块704，用于根据待识别对象的目标情感因子，从群组中确定待识别对象对应的目标群组，针对任一群组，群组中各对象的目标情感因子均在群组对应的数值范围内；
[0158]
第三确定模块706，用于在目标群组对应的事件发生概率大于或者等于第一数值的情况下，根据待识别对象的关联信息，确定待识别对象的目标关联情感因子，其中事件发生概率用于表征发生目标事件的概率；
[0159]
调整模块708，用于根据目标关联情感因子对事件发生概率进行调整，得到待识别对象的目标事件发生概率；
[0160]
识别模块710，用于在待识别对象的目标事件发生概率大于或者等于第二数值的情况下，将待识别对象作为目标对象。
[0161]
本技术实施例中，首先根据待识别对象的用户信息和待识别对象所属的群组确定事件发生概率，在事件发生概率满足一定条件下，再根据待识别对象的关联信息对事件发生概率进行调整，得到目标事件发生概率，上述过程结合待识别对象的用户信息和关联信息进行了全面的分析，信息更加丰富，分析依据更全面，提高了目标事件发生概率的预测准确度，进而提高了目标对象识别的准确度。
[0162]
在一个实施例中，所述调整模块708还用于：
[0163]
获取目标群组对应的概率校正公式；
[0164]
将待识别对象的目标关联情感因子输入到概率校正公式中，得到待识别对象的目标事件发生概率。
[0165]
在其中一个实施例中，所述装置还包括：
[0166]
第四确定模块，用于针对任一群组，根据群组对应的事件发生概率、群组中各历史对象的目标关联情感因子、及群组中各历史对象的事件发生标注概率，确定目标关联情感因子对应的因子系数；
[0167]
构建模块，用于根据因子系数和群组对应的事件发生概率，构建群组对应的概率校正公式。
[0168]
在其中一个实施例中，所述装置还包括：
[0169]
第五确定模块，用于针对任一群组，确定群组中发生目标事件的历史对象对应的第一数值；
[0170]
第六确定模块，用于根据第一数值和群组中历史对象的数量，确定群组对应的事件发生概率。
[0171]
在其中一个实施例中，群组对应的事件发生概率包括至少一个事件对应的事件发生概率，所述装置还包括：
[0172]
匹配模块，用于从目标群组中匹配目标事件，在匹配到目标事件的情况下，将目标事件的事件发生概率作为目标群组对应的事件发生概率。
[0173]
在其中一个实施例中，关联信息包括与待识别对象存在关联关系的关联对象的用户信息、待识别对象领域的领域信息中的至少一项，目标关联情感因子包括第一目标关联情感因子和第二目标关联情感因子中的至少一项；所述第三确定模块706还用于：
[0174]
在关联信息包括关联对象的用户信息的情况下，获取待识别对象的各关联对象；
[0175]
根据各关联对象的用户信息，确定各关联对象的关联情感因子；
[0176]
根据各关联对象的关联情感因子，确定待识别对象的第一目标关联情感因子；
[0177]
或者，在关联信息包括领域信息的情况下，根据领域信息，确定待识别对象的第二目标关联情感因子。
[0178]
上述目标对象识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0179]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种目标对象识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0180]
本领域技术人员可以理解，图8中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0181]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0182]
根据待识别对象的用户信息，确定待识别对象的目标情感因子；
[0183]
根据待识别对象的目标情感因子，从群组中确定待识别对象对应的目标群组，针对任一群组，群组中各对象的目标情感因子均在群组对应的数值范围内；
[0184]
在目标群组对应的事件发生概率大于或者等于第一数值的情况下，根据待识别对象的关联信息，确定待识别对象的目标关联情感因子，其中事件发生概率用于表征发生目标事件的概率；
[0185]
根据目标关联情感因子对事件发生概率进行调整，得到待识别对象的目标事件发生概率；
[0186]
在待识别对象的目标事件发生概率大于或者等于第二数值的情况下，将待识别对象作为目标对象。
[0187]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0188]
根据待识别对象的用户信息，确定待识别对象的目标情感因子；
[0189]
根据待识别对象的目标情感因子，从群组中确定待识别对象对应的目标群组，针对任一群组，群组中各对象的目标情感因子均在群组对应的数值范围内；
[0190]
在目标群组对应的事件发生概率大于或者等于第一数值的情况下，根据待识别对象的关联信息，确定待识别对象的目标关联情感因子，其中事件发生概率用于表征发生目标事件的概率；
[0191]
根据目标关联情感因子对事件发生概率进行调整，得到待识别对象的目标事件发生概率；
[0192]
在待识别对象的目标事件发生概率大于或者等于第二数值的情况下，将待识别对
象作为目标对象。
[0193]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0194]
根据待识别对象的用户信息，确定待识别对象的目标情感因子；
[0195]
根据待识别对象的目标情感因子，从群组中确定待识别对象对应的目标群组，针对任一群组，群组中各对象的目标情感因子均在群组对应的数值范围内；
[0196]
在目标群组对应的事件发生概率大于或者等于第一数值的情况下，根据待识别对象的关联信息，确定待识别对象的目标关联情感因子，其中事件发生概率用于表征发生目标事件的概率；
[0197]
根据目标关联情感因子对事件发生概率进行调整，得到待识别对象的目标事件发生概率；
[0198]
在待识别对象的目标事件发生概率大于或者等于第二数值的情况下，将待识别对象作为目标对象。
[0199]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0200]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0201]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0202]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。