[发明专利]用户分析模型训练方法、用户标签确定方法和装置

权利要求书

1.一种用户分析模型训练方法，其特征在于，所述方法包括：

获取目标用户分析模型对应的至少一组模型参数，并将每组所述模型参数作为一个种群个体；

根据各所述种群个体的预测适应度对各所述种群个体进行聚类，得到多个子种群，并根据各目标志愿客户端的可靠度对各所述目标志愿客户端进行聚类，得到多个子集群；所述可靠度用于表征所述目标志愿客户端反馈任务响应数据的可靠程度；

根据各所述子种群对应的预测适应度和各所述子集群对应的可靠度，确定各所述子种群匹配的子集群，并将样本用户数据和所述子种群中的各种群个体发送给与所述子种群匹配的子集群中的各目标志愿客户端，以使各所述目标志愿客户端根据所述样本用户数据和所述种群个体反馈包含实际适应度的任务响应数据；所述子种群的预测适应度与匹配的子集群的可靠度正相关；

根据接收到的实际适应度进行遗传迭代处理，得到更新后的模型参数，并执行所述将每组所述模型参数作为一个种群个体步骤，直到达到迭代结束条件，并基于当前实际适应度最高的模型参数，得到训练后的目标用户分析模型。

2.根据权利要求1所述的方法，其特征在于，所述根据各所述种群个体的预测适应度对各所述种群个体进行聚类之前，所述方法还包括：

采用蒙特卡洛估计法，构建所述目标用户分析模型的适应度计算函数的近似模型；

基于所述近似模型确定各所述种群个体的预测适应度。

3.根据权利要求1所述的方法，其特征在于，所述根据各所述种群个体的预测适应度对各所述种群个体进行聚类，得到多个子种群，包括：

将各所述种群个体按照预测适应度大小进行排序，得到种群个体序列；

根据预设分类策略，对所述种群个体序列进行划分，得到多个子种群。

4.根据权利要求1所述的方法，其特征在于，所述根据各目标志愿客户端的可靠度对各所述目标志愿客户端进行聚类，得到多个子集群，包括：

获取各目标志愿客户端的历史任务响应数据，并根据所述历史任务响应数据确定可靠度；

将各所述目标志愿客户端按照可靠度大小进行排序，得到志愿客户端序列；

根据预设分类策略，对所述志愿客户端序列进行划分，得到多个子集群。

5.根据权利要求1所述的方法，其特征在于，所述子集群的数目与所述子种群的数目相同；所述根据各所述子种群对应的预测适应度和各所述子集群对应的可靠度，确定各所述子种群匹配的子集群，包括：

将各所述子种群按照预测适应度大小排序，得到子种群序列，并将各所述子集群按照可靠度大小排序，得到子集群序列；

将所述子种群序列和所述子集群序列中，序号相同的子种群和子集群相匹配。

6.根据权利要求1所述的方法，其特征在于，所述根据接收到的实际适应度进行遗传迭代处理，得到更新后的模型参数，包括：

接收各所述目标志愿客户端反馈的各所述种群个体的实际适应度；

在当前接收到的所述实际适应度的数目满足预设数目条件的情况下，将接收到的所述实际适应度对应的各种群个体作为目标种群个体，并将各所述目标种群个体进行遗传操作，得到新的第一种群个体；

将接收到的所述实际适应度对应的各种群个体中、实际适应度满足预设条件的种群个体，作为新的第二种群个体；

基于所述新的第一种群个体和所述新的第二种群个体的集合，得到更新后的模型参数。

7.根据权利要求1所述的方法，其特征在于，所述根据各目标志愿客户端的可靠度对各所述目标志愿客户端进行聚类，得到多个子集群之前，所述方法还包括：

获取多个志愿客户端的响应时间戳信息，并根据所述响应时间戳信息确定各所述志愿客户端与本地服务器通信的最近响应时间；

将所述多个志愿客户端中所述最近响应时间符合条件的志愿客户端确定为目标志愿客户端。