申请/专利权人：苏州浩海医疗科技有限公司

申请日：2023-06-21

公开（公告）日：2024-03-22

公开（公告）号：CN116821451B

主分类号：G06F16/906

分类号：G06F16/906;G06Q30/0251;G06F18/23213;G06F18/24

优先权：["20230619 CN 2023107249368"]

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.03.15#专利申请权的转移;2023.10.24#实质审查的生效;2023.09.29#公开

摘要：本发明涉及一种基于全生命周期的用户管理系统和方法，属于用户管理技术领域。本发明包括信息采集模块、用户行为处理模块、用户信息处理模块、中央处理器、数据存储模块和信息输出模块，通过采集用户对于广告所产生的行为信息，锁定用户并采集该用户的用户信息，能够在繁琐的用户信息中快速有效地获取用户特征信息，并创建用户特征数据库以输出用户特征信息，基于用户特征信息计算得出具有此类特征信息的用户对不同类型广告的活跃值，实现针对处于不同生命周期的用户结合用户活跃值实现全生命周期的用户管理。

主权项：1.一种基于全生命周期的用户管理方法，其特征在于，包括以下步骤：S101：采集用户信息，所述用户信息为用户对广告产生浏览、点击或下载后的与该用户相关的信息；S102：标记用户关键信息，提取所述用户关键信息训练样本集，根据所述用户关键信息实际标记情况将所述用户关键信息训练样本集拆分成样本子集合；S103：运用k-means算法预处理所述用户关键信息；S104：根据所述用户关键信息，创建原始的用户特征数据库，通过搭建原始数据网，设计所述原始数据网的权值矩阵，处理后取得最终的用户特征数据库；S105：利用所述用户特征数据库，用二类分类方法搭建学习模型，推测可能用户特征信息的集合；S106：采集用户行为信息，所述用户行为信息包括用户对广告的浏览时间、点击次数和下载次数；S107：标记所述用户行为信息，根据用户行为信息获取用户活跃值；所述步骤S104具体实现方法为：S201：根据用户关键信息创建原始的用户特征数据库 其中，Ak为训练样本集，为正样本，为负样本，d用于表示样本间的间隔长度，i为样本计数，xi为第i个训练样本特征值，k为聚类簇计数，m为聚类簇中样本数量，mk为第k个聚类簇的样本数量，为第i个训练样本特征值对应的第k个聚类簇的属性特征，为正样本中的第k个聚类簇中的第1个样本的中心特征，为正样本中的第k个聚类簇中的第mk个样本的中心特征，为负样本中的第k个聚类簇中的第1个样本的中心特征，为负样本中的第k个聚类簇中的第mk个样本的中心特征，X为样本集合中包含所述用户关键信息的样本，Y为样本集合中不包含所述用户关键信息的样本；S202：中心化预处理所述用户关键信息的训练样本集Ak得到基础用户特征数据库Ck＝Trk∪Tsk；S203：在所述Trk中任意挑选P个特征，创建P维随机用户特征子空间Ht；S204：以所述子空间Ht为基础搭建用户特征邻近数据网用户特征类间邻近数据网及用户特征非邻近数据网分别设计相应的权值矩阵： 其中，为用户特征邻近数据网的权值矩阵，为用户特征非邻近数据网的权值矩阵，为用户特征类间邻近数据网的权值矩阵，用于反应样本至的欧氏距离，代表样本至全部其他样本间距的平均值，代表样本至全部其他样本间距的平均值，用来表现样本到与它间隔最远的同类样本的间距值，C为邻近关系负约束矩阵；S205：返回至步骤S203，如此重复循环T次；S206：创建融合关系用户特征数据网，推算各个所述融合关系用户特征数据网对应的权值矩阵： 其中，分别代表所述权值矩阵的具体权重值；S207：分别构造散布矩阵Qm、Qrsb、Qrsn和Qrsf： 其中，Sm代表对称矩阵；Dm表示由Sm推导得出的对角矩阵，M为原始正约束集，xi，xj为样本xi与样本xj组成的样本阵列，xj，xi为样本xj与样本xi组成的样本阵列，w为转换矩阵，wT为转换矩阵的转置矩阵，X为样本集合中包含所述用户关键信息的样本矩阵，XT为样本集合中包含所述用户关键信息的样本矩阵的转置矩阵，Lm为所述用户关键信息的标签值，为样本xi与样本xj组成的对称矩阵； 其中，rsb为类间融合散布方式，表示类间融合散布的权重矩阵对应的共轭矩阵，表示类间融合散布的权重矩阵中的对称矩阵对应的共轭矩阵，Lrsb为类间融合散布的拉普拉斯矩阵； 其中，rsn为近邻融合散布方式，Srsn为近邻融合散布的权重矩阵，Drsn为近邻融合散布的权重矩阵的对角矩阵，Lrsn为近邻融合散布的拉普拉斯矩阵； 其中，rsf为非邻近融合散布方式，Srsf为非邻近融合散布的权重矩阵，Drsf为非邻近融合散布权重矩阵的对角矩阵，Lrsf为非邻近融合散布的拉普拉斯矩阵；S208：给定参数β及α的值，创建目标转换函数： 其中，α和β为常量参数，w为目标变换向量，argmaxw为求参函数，Lm为所述用户关键信息的标签值；S209：预设维度d，将所述目标转换函数转化为目标变换向量的求解，根据所述维度和所述目标变换向量生成目标映射矩阵Wk：XLrsb+αLrsfXTw＝λXLm+αLrsnXTw，其中λ为适应参数；S210：由处理后取得最终的用户特征数据库，Trk为包含用户关键信息的基础特征空间，Myk为类属特征空间，根据所述用户特征数据库得到映射其中，a1为用户信息，ρK为用户信息对应的类别。

全文数据：

权利要求：

百度查询： 苏州浩海医疗科技有限公司 一种基于全生命周期的用户管理系统和方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD