(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211189057.1 (22)申请日 2022.09.28 (71)申请人 中国农业银行股份有限公司 地址 100005 北京市东城区建国门内大街 69号 (72)发明人 胡正迪　闻连臣　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 苏舒音 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/906(2019.01) G06Q 30/06(2012.01) (54)发明名称 目标物品确定方法、 装置、 电子设备及存储 介质 (57)摘要 本发明公开了一种目标物品确定方法、 装 置、 电子设备及存储介质， 其中， 该方法包括： 获 取包括至少三个目标用户的原始特征数据集， 并 基于原始特征数据集构建信任关系矩阵； 基于预 设聚合维度对原始特征数据集进行聚合， 得到与 各聚合维度相对应的影 响因子， 并基于影响因子 构成影响因子集； 基于信任关系矩阵对原始特征 数据集进行处理， 得到未标记数据集； 基于目标 分类器和影响因子集对未标记数据集进行分类 得到分类结果， 并基于分类结果确定至少一个目 标物品。 基于上述技术方案， 实现了根据用户之 间的信任关系完成用户的分类， 进而基于分类结 果确定对应的目标物品， 进而可以更加快速的为 用户推荐目标物品， 提升 了物品推荐的准确度。 权利要求书2页 说明书12页 附图3页 CN 115455298 A 2022.12.09 CN 115455298 A 1.一种目标物品确定方法， 其特 征在于， 包括： 获取包括至少三个目标用户的原始特征数据集， 并基于所述原始特征数据集构建信任 关系矩阵； 基于预设聚合维度对所述原始特征数据集进行聚合， 得到与 各聚合维度相对应的影响 因子， 并基于所述影响因子构成影响因子集； 其中， 所述影响因子集包括相似维度、 活跃维 度以及关注维度； 基于所述信任关系矩阵对所述原 始特征数据集进行处 理， 得到未 标记数据集； 基于所述目标分类器和所述影响因子集对所述未标记数据集进行分类得到分类结果， 并基于所述分类结果确定至少一个目标物品； 其中， 所述 目标分类器是基于训练样本中的 影响因子集、 已标记数据集、 信任标签集以及未 标记数据集进行训练得到的。 2.根据权利要求1所述的方法， 其特征在于， 所述基于预设聚合维度对所述原始特征数 据集进行聚合， 得到与各聚合维度相对应的影响因子， 包括： 获取至少两个目标用户的历史物品数据； 基于所述历史物品数据确定所述至少两个目标用户之间的相似度， 并将所述相似度作 为与相似维度对应的影响因子 。 3.根据权利要求1所述的方法， 其特征在于， 所述基于预设聚合维度对所述原始特征数 据集进行聚合， 得到与各聚合维度相对应的影响因子， 包括： 获取当前目标用户的历史评估数据； 若所述历史评估数据 大于预先设置的数量阈值， 则确定所述当前目标用户的活跃度为 预设值； 若所述历史评估数据小于预先设置的数量阈值， 则基于所述历史评估数据和所述数量 阈值确定当前用户的活跃度， 并将所述活跃度作为与活跃维度对应的影响因子 。 4.根据权利要求1所述的方法， 其特征在于， 所述基于预设聚合维度对所述原始特征数 据集进行聚合， 得到与各聚合维度相对应的影响因子， 包括： 基于所述信任关系矩阵获取与当前目标用户存在信任关系的用户数量； 将所述与当前目标用户存在信任关系的用户数量作为所述当前用户的关注度， 并将所 述关注度作为与关注维度对应的影响因子 。 5.根据权利要求1所述的方法， 其特征在于， 在基于所述目标分类器对所述未标记数据 集进行分类得到分类结果， 并基于所述分类结果确定 至少一个目标物品之前， 包括： 基于所述影响因子集中的各影响因子， 确定所述未标记数据集中部分数据的信任标 签； 根据所述未标记数据集中部分数据的信任标签对所述已标记数据集进行更新得到目 标数据集， 以基于所述目标 数据集得到所述目标分类 器。 6.根据权利要求5所述的方法， 其特征在于， 所述基于所述目标数据集得到所述目标分 类器， 包括： 将未标记数据集输入至所述待训练分类 器中， 并获取 所述待训练分类 器的输出 结果； 基于信任标签集对所述输出 结果进行筛 选， 得到目标输出 结果； 根据所述目标输出 结果对所述待训练分类 器的损失函数进行迭代得到目标分类 器。 7.根据权利要求6所述的方法， 其特征在于， 所述根据所述目标输出结果对所述待训练权　利　要　求　书 1/2 页 2 CN 115455298 A 2分类器的损失函数进行迭代得到目标分类 器， 包括： 检测所述损失函数中未 标记数据集和已标记数据集的比重系数； 若所述未标记数据集的比重系数小于已标记数据集的比重系数， 则增大未标记数据集 的比重系数后， 再次对所述损失函数进行迭代； 若所述未标记数据集的比重系数等于已标记数据集的比重系数， 则将当前分类器作为 目标分类 器。 8.一种目标物品确定装置， 其特 征在于， 包括： 信任关系矩阵构建模块， 用于获取包括至少三个目标用户的原始特征数据集， 并基于 所述原始特征数据集构建信任关系矩阵； 影响因子集构成模块， 用于基于预设聚合维度对所述原始特征数据集进行聚合， 得到 与各聚合维度相对应的影响因子， 并基于所述影响因子构成影响因子集； 其中， 所述影响因 子集包括相似维度、 活跃维度以及关注维度； 数据集获取模块， 用于基于所述信任关系矩阵对所述原始特征数据集进行处理， 得到 未标记数据集； 目标物品确定模块， 用于基于所述目标分类器对所述未标记数据集进行分类得到分类 结果， 并基于所述分类结果确定至少一个目标物品； 其中， 所述目标分类器是基于训练样本 中的影响因子集、 已标记数据集、 信任标签集以及未 标记数据集进行训练得到的。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 一个或多个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的计算机程序， 所述计算机程序被所 述至少一个处理器执行， 以使所述至少一个处理器能够执行权利要求1 ‑7中任一项所述的 目标物品确定方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机指 令， 所述计算机指令用于使处理器执行时实现权利要求1 ‑7中任一项所述的目标物品确定 方法。权　利　要　求　书 2/2 页 3 CN 115455298 A 3