[发明专利]业务特征生成方法、装置、电子设备及存储介质

说明书

本发明实施例涉及人工智能技术领域，提供了一种业务特征生成方法、装置、电子设备及存储介质，所述方法包括：获取业务数据，其中，业务数据包括多个用户中每一用户进行至少一种预设业务类型的业务时产生的数据；基于预设的特征类型数，对业务数据进行分析，确定业务数据中存在的特征类型与业务数据之间的特征关联关系，其中，特征类型的个数为特征类型数，特征类型数小于预设业务类型的类型数；根据特征关联关系，计算每一用户的业务特征，其中，业务特征的维度为特征类型数。本发明实施例可以有效降低业务特征的维度，进而缩减训练数据量，最终提高了训练效率。

技术领域

本发明涉及人工智能技术领域，具体而言，涉及一种业务特征生成方法、装置、电子设备及存储介质。

背景技术

在人工智能技术领域中，将用户进行的业务数据作为训练数据进行训练时，由于用户数量巨大，业务数据涉及到的业务类型也比较多，直接将每一业务类型作为一个业务特征，会导致业务特征的维度过大，进而导致训练数据量过大，严重影响训练效率。

发明内容

本发明的目的在于提供了一种业务特征生成方法、装置、电子设备及存储介质，其能够通过降低业务特征的维度，缩减训练数据量，以提高训练效率。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供一种业务特征生成方法，所述方法包括：获取业务数据，其中，所述业务数据包括多个用户中每一用户进行至少一种预设业务类型的业务时产生的数据；基于预设的特征类型数，对所述业务数据进行分析，确定所述业务数据中存在的特征类型与所述业务数据之间的特征关联关系，其中，所述特征类型的个数为所述特征类型数，所述特征类型数小于所述预设业务类型的类型数；根据所述特征关联关系，计算所述每一用户的业务特征，其中，所述业务特征的维度为所述特征类型数。

进一步地，所述基于预设的特征类型数，对所述业务数据进行分析，确定所述业务数据中存在的特征类型与所述业务数据之间的特征关联关系的步骤包括：

将所述特征类型数及所述业务数据输入至预设的隐语义模型LFM中进行协同过滤分析，确定第一关联关系和第二关联关系，其中，所述第一关联关系用于表征所述每一用户与每一特征类型之间的相关性，所述第二关联关系用于表征每一所述预设业务类型相对于每一所述特征类型的权重关系，所述特征关联关系包括所述第一关联关系和所述第二关联关系。

进一步地，所述根据所述特征关联关系，计算所述每一用户的业务特征的步骤包括：

对于所述多个用户中任一目标用户及所述目标用户的任一目标特征类型，根据所述第一关联关系，获取所述目标用户与所述目标特征类型之间的关联值；

根据所述第二关联关系，获取每一所述预设业务类型相对于所述目标特征类型的权重值；

依据所述关联值及所有预设业务类型相对于所述目标特征类型的权重值，计算所述目标用户的目标特征类型的特征值；

将所述目标用户的所有特征类型的特征值，作为所述目标用户的业务特征，最终得到所述每一用户的业务特征。

进一步地，所述第一关联关系用第一关联矩阵表示，所述第二关联关系用第二关联矩阵表示，其中，所述第一关联矩阵的行数和列数分别与所述用户的数量及所述特征类型数相同，所述第一关联矩阵中的任一第一元素表征所述第一元素所属的行对应的用户与所述第一元素所属的列对应的特征类型之间的关联值，所述第二关联矩阵的行数和列数分别与所述特征类型数及所述预设业务类型数相同，所述第二关联矩阵中任一第二元素表征所述第二元素所属的列对应的所述预设业务类型相对于所述第二元素所属的行对应的特征类型的权重值。

进一步地，所述多个用户中任意两个用户进行的相同的预设业务类型的个数小于所述预设业务类型的类型数。