說明書披露一種用戶分類模型的訓練方法和裝置。該方法包括：基于用戶在不同維度下的歷史信息構建若干不同的同質用戶網絡，所述同質用戶網絡中的節點代表用戶，連邊代表所連接的用戶在對應維度下存在直接或間接的關聯關系；針對每個同質用戶網絡，為該同質用戶網絡中的每個用戶生成在該同質用戶網絡下的特征表示；針對每個用戶，融合所述用戶在不同同質用戶網絡下的特征表示，得到所述用戶的綜合特征表示；采用各用戶的綜合特征表示和類別標簽對分類模型進行訓練，得到用戶分類模型。

技術領域

本說明書涉及機器學習技術領域，尤其涉及一種用戶分類模型的訓練方法和裝置。

背景技術

隨著互聯網技術的快速發展，需要對用戶進行類別劃分的應用場景越來越多。例如，預測用戶是否為風險用戶，預測用戶是否為套現用戶等。用戶分類模型的準確性將直接影響用戶類別劃分的準確性。

發明內容

有鑒于此，本說明書提供一種用戶分類模型的訓練方法和裝置。

具體地，本說明書是通過如下技術方案實現的：

一種用戶分類模型的訓練方法，包括：

基于用戶在不同維度下的歷史信息構建若干不同的同質用戶網絡，所述同質用戶網絡中的節點代表用戶，連邊代表所連接的用戶在對應維度下存在直接或間接的關聯關系；

針對每個同質用戶網絡，為該同質用戶網絡中的每個用戶生成在該同質用戶網絡下的特征表示；

針對每個用戶，融合所述用戶在不同同質用戶網絡下的特征表示，得到所述用戶的綜合特征表示；

采用各用戶的綜合特征表示和類別標簽對分類模型進行訓練，得到用戶分類模型。

一種用戶分類方法，包括：

基于用戶在不同維度下的歷史信息構建若干不同的同質用戶網絡，所述同質用戶網絡中的節點代表用戶，連邊代表所連接的用戶在對應維度下存在直接或間接的關聯關系；

針對每個同質用戶網絡，為該同質用戶網絡中的每個用戶生成在該同質用戶網絡下的特征表示；

針對每個用戶，融合所述用戶在不同同質用戶網絡下的特征表示，得到所述用戶的綜合特征表示；

將所述用戶的綜合特征表示輸入已訓練的用戶分類模型，輸出所述用戶的分類結果；

其中，所述用戶分類模型根據前述用戶分類模型訓練方法進行訓練。

一種套現用戶分類模型的訓練方法，包括：

基于用戶在不同維度下的歷史信息構建若干不同的同質用戶網絡，所述同質用戶網絡中的節點代表用戶，連邊代表所連接的用戶在對應維度下存在直接或間接的關聯關系；

針對每個同質用戶網絡，為該同質用戶網絡中的每個用戶生成在該同質用戶網絡下的特征表示；

針對每個用戶，融合所述用戶在不同同質用戶網絡下的特征表示，得到所述用戶的綜合特征表示；

采用各用戶的綜合特征表示和套現標簽對分類模型進行訓練，得到套現用戶分類模型。

一種用戶分類模型的訓練方法，包括：

基于用戶在不同維度下的歷史信息構建若干不同的同質用戶網絡，所述同質用戶網絡中的節點代表用戶，連邊代表所連接的用戶在對應維度下存在直接或間接的關聯關系；

采用所述若干不同的同質用戶網絡和所述同質用戶網絡中各用戶的類別標簽對自編碼模型、融合模型和分類模型進行聯合訓練；

其中，所述自編碼模型用于針對每個同質用戶網絡，為該同質用戶網絡中的每個用戶生成在該同質用戶網絡下的特征表示；