[发明专利]潜在用户筛选方法及装置

权利要求书

1.一种潜在用户筛选方法，其特征在于，包括：

获取目标用户的用户特征信息；

将所述用户特征信息输入训练好的深度学习神经网络中，获取所述目标用户对应的用户等级；

根据所述用户等级，获取判断所述目标用户是否为潜在用户的筛选结果；

其中，所述深度学习神经网络由各特征样本信息训练得到，所述特征样本信息与所述用户特征信息的数据类型一致。

2.根据权利要求1所述的潜在用户筛选方法，其特征在于，还包括：

从各所述特征样本信息中，获取对应同一预设用户等级的各目标样本信息；

将各所述目标样本信息依次输入所述深度学习神经网络进行训练，每次训练后均调整所述深度学习神经网络的损失函数，直至每次所述目标样本信息输入所述深度学习神经网络后，输出的所述用户等级为所述预设用户等级。

3.根据权利要求2所述的潜在用户筛选方法，其特征在于，调整所述深度学习神经网络的损失函数，包括：

获取输入所述深度学习神经网络的当前目标样本信息，与各所述特征样本信息中各剩余样本信息的第一余弦相似度；

根据各所述第一余弦相似度，以及所述当前目标样本信息与各负样本信息之间的各第二余弦相似度，调整所述损失函数；

其中，所述剩余样本信息为各所述特征样本信息中除所述当前目标样本信息外的特征样本信息；

所述负样本信息为各所述特征样本信息中与所述当前目标样本信息对应不同预设用户等级的特征样本信息。

4.根据权利要求3所述的潜在用户筛选方法，其特征在于，还根据各所述第一余弦相似度，以及所述当前目标样本信息与各负样本信息之间的各第二余弦相似度，调整所述损失函数，包括：

将各所述第一余弦相似度，以及各所述第二余弦相似度输入损失函数运算模型调整所述损失函数L；

其中，i表示所述当前目标样本信息，j表示所述剩余样本信息，sim(z_i，z_j)表示所述第一余弦相似度，τ为温度系数，x表示所述负样本信息，sim(z_i，z_x)表示所述当前目标样本信息与所述负样本信息之间的第二余弦相似度，N表示预设用户等级的数量，k表示每个预设用户等级的样本数量，n表示各所述第一余弦相似度的数量。

5.根据权利要求1所述的潜在用户筛选方法，其特征在于，根据所述用户等级，获取判断所述目标用户是否为潜在用户的筛选结果，包括：

确定所述用户等级不低于预设的目标用户等级，确定所述目标用户为潜在用户。

6.根据权利要求1-5任意一项所述的潜在用户筛选方法，其特征在于，所述用户特征信息包括用户人像信息。

7.根据权利要求5所述的潜在用户筛选方法，其特征在于，所述用户特征信息包括所述用户人像信息所处的环境信息。

8.一种潜在用户筛选装置，其特征在于，包括：

特征信息获取模块，用于获取目标用户的用户特征信息；

用户等级获取模块，用于将所述用户特征信息输入训练好的深度学习神经网络中，获取所述目标用户对应的用户等级；

潜在用户筛选模块，用于根据所述用户等级，获取判断所述目标用户是否为潜在用户的筛选结果；

其中，所述深度学习神经网络由各特征样本信息训练得到，所述特征样本信息与所述用户特征信息的数据类型一致。

9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的潜在用户筛选方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的潜在用户筛选方法。