(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 202111613316.4 (22)申请日 2021.12.27 (71)申请人 深圳集智数字科技有限公司 地址 518000 广东省深圳市南 山区南山街 道南山社区南 新路1003号103 (72)发明人 蒋佩钊　 (74)专利代理 机构 北京嘉科知识产权代理事务 所(特殊普通 合伙) 11687 代理人 陈俊宏 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/9536(2019.01) G06Q 50/00(2012.01) G06N 20/00(2019.01) (54)发明名称 潜在用户挖掘方法及装置 (57)摘要 本公开涉及数据处理技术领域， 提供了一种 潜在用户挖掘方法及装置。 该方法包括： 通过对 第一数据集进行处理， 得到第二数据集； 其中， 该 第二数据集所描述的特征范围不大于该第一数 据集所描述的特征范围， 该第一数据集和该第二 数据集包括以下至少之一： 用户行为数据、 项目 信息、 用户到访信息； 通过该第二数据集训练模 型， 得到目标模型， 其中， 该目标模型为通过机器 学习方式建立的模型； 通过该目标模 型确定潜在 用户。 通过本公开实施例解决了相关技术中采用 CTR模型挖掘潜在用户， 导致潜在用户挖掘准确 率较低的技术问题， 进而达到提高潜在用户挖掘 准确率的技 术效果。 权利要求书2页 说明书14页 附图8页 CN 114428900 A 2022.05.03 CN 114428900 A 1.一种潜在用户挖掘方法， 其特 征在于， 包括： 对第一数据集进行处理， 得到第 二数据集； 其中， 所述第 二数据集所描述的特征范围不 大于所述第一数据集所描述的特征范围， 所述第一数据集和所述第二数据集包括以下至少 之一： 用户行为数据、 项目信息、 用户到访信息； 通过所述第 二数据集训练模型， 得到目标模型， 其中， 所述目标模型为通过机器学习方 式建立的模型； 通过所述目标模型确定潜在用户。 2.根据权利要求1所述的方法， 其特征在于， 对第一数据集进行处理， 得到第二数据集 包括： 将所述第一数据集按照时间顺序划分为第一训练集、 第一验证集、 第一测试集； 获取所述第 一训练集与所述第 一验证集的分布差异度， 并通过所述分布差异度过滤所 述第一数据集， 得到所述第二数据集。 3.根据权利要求2所述的方法， 其特征在于， 所述获取所述第 一训练集与所述第 一验证 集的分布差异度， 并通过 所述分布差异度过 滤所述第一数据集， 得到所述第二数据集包括： 将所述第一训练集和所述第一验证集进行拼接， 得到第三数据集； 将所述第三数据集中第 一比例的数据作为第 二训练集， 将所述第 三数据集中第 二比例 的数据作为第二测试集； 重复执行以下步骤， 直至接收者操作特征曲线下面积ROC_AUC小于第一阈值： 创建分类 器， 并获取所述分类器的ROC_AUC和最重要特征； 判断所述ROC_AUC是否小于所述第一阈值； 其中， 所述最重要特征为在每个特征 的所有分类中带来的平均增 益最高的特征， 所述特征 和所述第三数据集中的数据对应。 4.根据权利要求3所述的方法， 其特征在于， 所述对第一数据集进行处理， 得到第二数 据集还包括： 增加比例特征， 其中， 所述比例特征用于描述所述第一数据集和所述第二数据集所指 示的数据占对应的总的数据的比例。 5.根据权利要求4所述的方法， 其特征在于， 通过所述第二数据集训练模型， 得到目标 模型包括： 定义评估函数par tial PR_AUC； 给定分类模型超参数， 通过所述分类模型在所述第二训练集上建立模型， 使用第二验 证集做训练迭代的早停； 判断所述模型的par tial PR_AUC在所述第二验证集上 是否提升； 如果所述模型的partial  PR_AUC在所述第二验证集上不再提升， 则停止训练， 得到最 终的partial PR_AUC值； 判断当前搜索次数 是否达到最大超参搜索次数； 在判断结果为是的情况下， 使用所述最终的partial  PR_AUC值和对应 的超参数， 训练 得到所述目标模型。 6.根据权利要求5所述的方法， 其特 征在于， 定义评估函数par tial PR_AUC包括： 计算出所有预测值对应的准确率P和召回率R； 判断所述召回率R等于第二阈值的值是否存在， 如果不存在， 获取所述召回率R小于所权　利　要　求　书 1/2 页 2 CN 114428900 A 2述第二阈值和大于所述第二阈值的最邻近数值， 将新 坐标放入到PR坐标点列表； 通过以下公式(1)计算出 所述召回率R为所述第二阈值的准确率： 选择所述PR坐标点列表中召回率小于等于所述第二阈值的点， 并通过如下公式(2)计 算所述par tial PR_AUC： pPR_AUC＝∑i(Ri‑Ri‑1)Pi    (2)。 7.根据权利要求6所述的方法， 其特征在于， 计算出所述召回率R为所述第二阈值的准 确率还包括： 将大于所述第二阈值的最邻近数值设置为所述 准确率。 8.根据权利要求3所述的方法， 其特 征在于， 通过 所述目标模型确定潜在用户包括： 使用所述目标模型 预测所述第二测试集用户到访概 率； 选择所述用户到访概况 大于第三阈值的用户作为所述潜在用户。 9.根据权利要求3所述的方法， 其特 征在于， 所述分类 器包括以下至少之一： Lightgbm分类器、 决策树分类 器、 随机森林分类 器、 xgboost分类器、 逻辑回归分类 器。 10.根据权利要求5所述的方法， 其特 征在于， 所述分类模型包括以下模型至少之一： 使用lightgbm建立的模型、 xgbo ost分类模型、 de epfm分类模型。 11.根据权利要求5所述的方法， 其特 征在于， 所述超参搜索包括以下至少之一： 随机搜索、 网格搜索、 贝叶斯搜索。 12.一种潜在用户挖掘装置， 其特 征在于， 包括： 第一获取模块， 用于对第一数据集进行处理， 得到第二数据集； 其中， 所述第二数据集 所描述的特征范围不大于所述第一数据集所描述的特征范围， 所述第一数据集和所述第二 数据集包括以下至少之一： 用户行为数据、 项目信息、 用户到访信息； 第二获取模块， 用于通过所述第二数据集训练模型， 得到目标模型， 其中， 所述目标模 型为通过机器学习方式建立的模型； 确定模块， 用于通过 所述目标模型确定潜在用户。 13.一种电子设备， 包括存储器、 处理器以及存储在所述存储器中并且可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至 11中任一项所述方法的步骤。 14.一种计算机可读存储介质， 所述计算机可读存储介质存储有计算机程序， 其特征在 于， 所述计算机程序被处 理器执行时实现如权利要求1至1 1中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114428900 A 3