目标用户识别方法及装置与流程

本说明书实施例涉及计算机，特别涉及一种目标用户识别方法。

背景技术：

1、在贷款的营销定价场景中，结合专家经验与实验数据分析发现，在外部有贷款行为的竞对人群自身存在很强的资金需求，那么对这一类人群进行营销能够带来较大的收益。但是判断某用户是否为竞对用户，目前只能通过用户主动授权平台查征信获得相关信息，然而这样的征信数据相对于整体人群来说量级是很少的。对于未授权查征信的人群中的竞对用户就有可能会被忽略而未被营销。因此，如何在无法获取用户的征信数据的情况下，判断用户是否为竞对人群成了目前急需要解决的技术问题。

技术实现思路

1、有鉴于此，本说明书施例提供了一种目标用户识别方法。本说明书一个或者多个实施例同时涉及一种目标用户识别装置，一种计算设备，一种计算机可读存储介质，以解决现有技术中存在的技术缺陷。

2、根据本说明书实施例的第一方面，提供了一种目标用户识别方法，包括：

3、获取用户的用户基础特征、所述用户的关联用户、所述用户的关联应用程序；

4、根据所述用户与所述关联用户的关联关系，以及所述用户与所述关联应用程序的关联关系，构建关系知识图谱；

5、将所述关系知识图谱输入图神经网络模型，获得所述用户的向量表征；

6、将所述用户的用户基础特征以及所述用户的目标向量表征输入识别模型，获得所述用户是否为目标用户的识别结果。

7、根据本说明书实施例的第二方面，提供了一种图神经网络模型训练方法，包括：

8、获取多个样本用户中每个样本用户的关联用户、所述每个样本用户的关联应用程序；

9、根据所述每个样本用户与所述每个样本用户的关联用户的关联关系，以及所述每个样本用户与所述每个样本用户的关联应用程序的关联关系，构建样本关系知识图谱，其中，样本关系知识图谱包括用户节点和程序节点；

10、确定所述样本关系知识图谱中所述用户节点的特征矩阵、所述用户节点的每条边的关系矩阵、每个关系矩阵的权重矩阵以及所述用户节点与所述程序节点的交互特征；

11、根据所述特征矩阵、所述关系矩阵、所述权重矩阵以及所述交互特征对图神经网络模型进行训练，获得所述图神经网络模型。

12、根据本说明书实施例的第三方面，提供了一种目标用户识别装置，包括：

13、第一获取模块，被配置为获取用户的用户基础特征、所述用户的关联用户、所述用户的关联应用程序；

14、第一图谱构建模块，被配置为根据所述用户与所述关联用户的关联关系，以及所述用户与所述关联应用程序的关联关系，构建关系知识图谱；

15、向量表征获得模块，被配置为将所述关系知识图谱输入图神经网络模型，获得所述用户的向量表征；

16、识别模块，被配置为将所述用户的用户基础特征以及所述用户的目标向量表征输入识别模型，获得所述用户是否为目标用户的识别结果。

17、根据本说明书实施例的第四方面，提供了一种图神经网络模型训练装置，包括：

18、第四获取模块，被配置为获取多个样本用户中每个样本用户的关联用户、所述每个样本用户的关联应用程序；

19、第四图谱构建模块，被配置为根据所述每个样本用户与所述每个样本用户的关联用户的关联关系，以及所述每个样本用户与所述每个样本用户的关联应用程序的关联关系，构建样本关系知识图谱，其中，样本关系知识图谱包括用户节点和程序节点；

20、特征获得模块，被配置为确定所述样本关系知识图谱中所述用户节点的特征矩阵、所述用户节点的每条边的关系矩阵、每个关系矩阵的权重矩阵以及所述用户节点与所述程序节点的交互特征；

21、第三训练模块，被配置为根据所述特征矩阵、所述关系矩阵、所述权重矩阵以及所述交互特征对图神经网络模型进行训练，获得所述图神经网络模型。

22、根据本说明书实施例的第五方面，提供了一种计算设备，包括：

23、存储器和处理器；

24、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述目标用户识别方法的步骤。

25、根据本说明书实施例的六方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述目标用户识别方法的步骤。

26、本说明书一个实施例实现了一种目标用户识别方法及装置，其中，所述目标对象处理方法包括获取用户的用户基础特征、所述用户的关联用户、所述用户的关联应用程序；根据所述用户与所述关联用户的关联关系，以及所述用户与所述关联应用程序的关联关系，构建关系知识图谱；将所述关系知识图谱输入图神经网络模型，获得所述用户的向量表征；将所述用户的用户基础特征以及所述用户的目标向量表征输入识别模型，获得所述用户是否为目标用户的识别结果。

27、具体的，所述目标用户识别方法为结合图谱的目标用户（即竞对人群）识别方案，充分利用关系数据构建的关系知识图谱，基于用户的从关联用户、关联应用程序的特征作为目标用户的缺失特征的补充，从而准确的识别出竞对人群。

技术特征：

1.一种目标用户识别方法，包括：

2.根据权利要求1所述的目标用户识别方法，所述图神经网络模型的训练步骤如下：

3.根据权利要求2所述的目标用户识别方法，所述确定所述样本关系知识图谱中所述用户节点的特征矩阵、所述用户节点的每条边的关系矩阵、每个关系矩阵的权重矩阵以及所述用户节点与所述程序节点的交互特征，包括：

4.根据权利要求3所述的目标用户识别方法，所述根据所述用户节点的特征矩阵、所述关系矩阵、所述权重矩阵以及所述程序节点的特征矩阵确定所述用户节点与所述程序节点的交互特征，包括：

5.根据权利要求4所述的目标用户识别方法，所述根据所述特征矩阵、所述关系矩阵、所述权重矩阵以及所述交互特征对图神经网络模型进行训练，获得所述图神经网络模型，包括：

6.根据权利要求5所述的目标用户识别方法，所述根据所述有标签的样本用户的目标向量表征、所述无标签的样本用户的目标向量表征以及所述有标签的样本用户的样本标签对图神经网络模型进行训练，包括：

7.根据权利要求1所述的目标用户识别方法，所述识别模型的训练步骤如下：

8.根据权利要求1所述的目标用户识别方法，所述根据所述用户与所述关联用户的关联关系，以及所述用户与所述关联应用程序的关联关系，构建关系知识图谱，包括：

9.一种图神经网络模型训练方法，包括：

10.根据权利要求9所述的图神经网络模型训练方法，所述确定所述样本关系知识图谱中所述用户节点的特征矩阵、所述用户节点的每条边的关系矩阵、每个关系矩阵的权重矩阵以及所述用户节点与所述程序节点的交互特征，包括：

11.根据权利要求10所述的图神经网络模型训练方法，所述根据所述用户节点的特征矩阵、所述关系矩阵、所述权重矩阵以及所述程序节点的特征矩阵确定所述用户节点与所述程序节点的交互特征，包括：

12.根据权利要求11所述的图神经网络模型训练方法，所述根据所述特征矩阵、所述关系矩阵、所述权重矩阵以及所述交互特征对图神经网络模型进行训练，获得所述图神经网络模型，包括：

13.根据权利要求12所述的图神经网络模型训练方法，所述根据所述有标签的样本用户的目标向量表征、所述无标签的样本用户的目标向量表征以及所述有标签的样本用户的样本标签对图神经网络模型进行训练，包括：

14.一种目标用户识别装置，包括：

15.一种图神经网络模型训练装置，包括：

16.一种计算设备，包括：

17.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至8任意一项所述目标用户识别方法或权利要求9-13任意一项所述图神经网络模型训练方法的步骤。

技术总结
本说明书实施例提供目标用户识别方法及装置，其中，所述目标对象处理方法包括获取用户的用户基础特征、所述用户的关联用户、所述用户的关联应用程序；根据所述用户与所述关联用户的关联关系，以及所述用户与所述关联应用程序的关联关系，构建关系知识图谱；将所述关系知识图谱输入图神经网络模型，获得所述用户的向量表征；将所述用户的用户基础特征以及所述用户的目标向量表征输入识别模型，获得所述用户是否为目标用户的识别结果。

技术研发人员：陈颖,谢世明,元凌峰,强思维,张珺,高源,佟家弼,李鹏宇
受保护的技术使用者：浙江网商银行股份有限公司
技术研发日：
技术公布日：2025/3/10