[发明专利]基于行为的目标物数据分析方法、装置及存储介质

权利要求书

1.一种基于行为的目标物数据分析方法，其特征在于，所述方法包括：

获取用户的基本数据和目标物的特征数据，其中，所述基本数据包括所述用户相对所述目标物的行为数据；

对所述基本数据和/或所述特征数据进行分词处理，并对分词后的分词结果数据进行编码，得到词向量集；

对所述词向量集中的词向量进行特征值计算；

从特征值计算的结果中选取优化向量，得到优化向量集；

构建初始目标物分析模型，利用所述优化向量集对所述初始目标物分析模型进行训练，得到标准目标物分析模型；

获取待分析用户的基本数据和所述待分析用户对应的待分析目标物的特征数据，利用所述标准目标物分析模型对所述取待分析用户的基本数据和所述待分析目标物的特征数据进行分析，得到分析结果；

根据所述分析结果对所述待分析用户对应的待分析目标物的特征数据进行调整。

2.如权利要求1所述的基于行为的目标物数据分析方法，其特征在于，所述对所述词向量集中的词向量进行特征值计算包括：

对所述词向量集进行多次词向量采样，得到多个包含词向量的训练集，所述采样为有放回随机采样；

对所述多个包含词向量的训练集分别分类，得到多个分类结果，所述分类结果包含特征向量集和/或非特征向量集；

计算所述多个分类结果中特征向量集包含的信息熵，选取所述信息熵大于预设熵阈值的特征向量集对应的分类结果，得到分类结果集；

计算所述分类结果集包含的不同特征向量集中每个特征向量的第一特征值和第二特征值。

3.如权利要求2所述的基于行为的目标物数据分析方法，其特征在于，所述从特征值计算的结果中选取优化向量，得到优化向量集，包括：

将所述第一特征值和所述第二特征值分别对应相加，得到所述不同特征向量集中各个特征向量的总特征值；

将所述不同特征向量集中各个特征向量按照所述总特征值的大小排序，得到向量序列；

依次选取所述向量序列中若干个特征向量，将所述若干个特征向量汇集为所述优化向量集。

4.如权利要求1至3中任一项所述的基于行为的目标物数据分析方法，其特征在于，所述构建初始目标物分析模型，利用所述优化向量集对所述初始目标物分析模型进行训练，得到标准目标物分析模型，包括：

对所述优化向量集进行预设次数的有放回随机采样，获得多个训练集；

利用所述多个训练集生成与所述多个训练集对应的多颗决策树；

利用聚合算法将所述多棵决策树聚合为所述初始目标物分析模型；

利用所述优化向量集对所述初始目标物分析模型进行训练，得到训练目标物分析模型；

对所述训练目标物分析模型进行参数调优，得到所述标准目标物分析模型。

5.如权利要求4所述的基于行为的目标物数据分析方法，其特征在于，所述利用聚合算法将所述多棵决策树聚合为所述初始目标物分析模型包括：

利用如下聚合算法将所述多棵决策树聚合为所述初始目标物分析模型：

其中，F表示所述多棵决策树的集合，f_k表示所述多颗决策树中第k棵决策树，K表示所述多棵决策树的总棵树，为所述初始目标物分析模型。