[发明专利]用户标签确定方法、装置、计算机设备及存储介质

权利要求书

1.一种用户标签确定方法，其特征在于，所述方法包括：

获取第一样本图网络，所述第一样本图网络中包括多个样本用户节点；

基于编码模型对所述第一样本图网络进行编码处理，获取每个样本用户节点的特征向量；

基于解码模型对所述多个样本用户节点的特征向量进行解码处理，得到第二样本图网络；

根据所述第一样本图网络及所述第二样本图网络之间的差异，对所述编码模型进行训练；

获取图网络，所述图网络中包括多个用户节点；

基于所述编码模型对所述图网络进行编码处理，获取目标用户节点的特征向量，所述目标用户节点为所述多个用户节点中的任一用户节点；

基于多个分类模型分别对所述目标用户节点的特征向量进行处理，获取所述目标用户节点与每个分类模型对应的用户标签的关联度；

根据获取的多个关联度，确定目标用户对应的目标用户标签。

2.根据权利要求1所述的方法，其特征在于，所述获取图网络，包括：

获取多条关联记录，每条关联记录中包括两个用户标识，用于表示所述两个用户标识之间建立关联关系；

根据所述多条关联记录中的多个用户标识，在所述图网络中创建多个用户节点，将属于同一条关联记录的用户节点连接，得到所述图网络。

3.根据权利要求1所述的方法，其特征在于，所述根据所述第一样本图网络及所述第二样本图网络之间的差异，对所述编码模型进行训练，包括：

采用预设损失函数，对所述第一样本图网络及所述第二样本图网络进行处理，得到损失值；

响应于所述损失值大于预设阈值，根据所述损失值对所述编码模型进行训练。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一样本图网络及所述第二样本图网络之间的差异，对所述编码模型进行训练之后，所述方法还包括：

对于任一分类模型，获取已训练完成的编码模型及第三样本图网络，所述第三样本图网络中包括多个样本用户节点；

根据所述多个样本用户节点的用户标签，将属于所述分类模型对应的用户标签的用户节点确定为正样本节点，将不属于所述用户标签的用户节点确定为负样本节点；

基于所述编码模型对所述第三样本图网络进行编码处理，获取所述第三样本图网络中每个样本用户节点的特征向量；

根据所述正样本节点及所述负样本节点的特征向量，对所述分类模型进行训练。

5.根据权利要求1所述的方法，其特征在于，所述根据获取的多个关联度，确定目标用户对应的目标用户标签，包括：

将所述多个用户标签中关联度大于预设阈值的用户标签，确定为所述目标用户标签。

6.根据权利要求1所述的方法，其特征在于，所述根据获取的多个关联度，确定目标用户对应的目标用户标签之后，所述方法还包括：

为所述目标用户推送与所述目标用户标签匹配的信息。

7.一种用户标签确定装置，其特征在于，所述装置包括：

第二获取模块，用于获取第一样本图网络，所述第一样本图网络中包括多个样本用户节点；

第二编码处理模块，用于基于编码模型对所述第一样本图网络进行编码处理，获取每个样本用户节点的特征向量；

解码处理模块，用于基于解码模型对所述多个样本用户节点的特征向量进行解码处理，得到第二样本图网络；

编码模型训练模块，用于根据所述第一样本图网络及所述第二样本图网络之间的差异，对所述编码模型进行训练；

第一获取模块，用于获取图网络，所述图网络中包括多个用户节点；

第一编码处理模块，用于基于所述编码模型对所述图网络进行编码处理，获取目标用户节点的特征向量，所述目标用户节点为所述多个用户节点中的任一用户节点；

关联度获取模块，用于基于多个分类模型分别对所述目标用户节点的特征向量进行处理，获取所述目标用户节点与每个分类模型对应的用户标签的关联度；

用户标签确定模块，用于根据获取的多个关联度，确定目标用户对应的目标用户标签。