相似人群扩展方法、装置、电子设备和可读存储介质与流程

1.本公开涉及互联网技术领域，更具体地，涉及一种相似人群扩展方法、装置、电子设备和可读存储介质。


背景技术：

2.相似人群扩展(look-alike)指基于一批种子用户，通过标签规则或算法模型，找到与种子用户相似或有潜在关联人群的技术。现有技术主要包括通过画像标签圈选人群和算法模型两大类：前者通过人工选取年龄、性别等标签框选人群，后者通过向机器学习或深度学习模型输入用户画像和行为特征输出相关人群。
3.在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题由于手动框选标签难以发掘用户之间的内在联系，也难以利用上种子用户所具有的潜在特征。同时种子用户的质量也影响扩展得到的相似用户的总体质量。


技术实现要素：

4.有鉴于此，本公开提供了一种相似人群扩展方法和装置。
5.本公开的一个方面提供了一种相似人群扩展方法，包括：选定目标场景；确定所述目标场景对应的过滤算法；通过所述过滤算法对原始用户样本进行异常过滤，得到种子用户样本；在所述目标场景下，对所述种子用户样本进行相似人群扩展，得到扩展用户样本。
6.根据本公开的实施例，所述确定所述目标场景对应的过滤算法，包括：基于预设行为特征，从候选用户样本集合中获取第一用户样本；分别通过多个预设算法对所述第一用户样本进行异常过滤，得到多个第二用户样本；在所述目标场景下，通过召回算法在所述候选用户样本集合内分别对每个第二用户样本进行召回，得到多个召回用户样本；基于所述预设行为特征，分别检测每个所述召回用户样本的召回质量；基于所述召回质量，确定所述目标场景对应的过滤算法，所述过滤算法为所述多个预设算法的其中一个。
7.根据本公开的实施例，所述基于所述预设行为特征，分别检测每个所述召回用户样本的召回质量，包括：分别统计每个所述召回用户样本中指定用户的数量，所述指定用户具有预设行为特征；比较所有所述指定用户的数量，确定最优召回用户样本，所述最优召回用户样本为所有所述召回用户样本中包含指定用户的数量最多的召回用户样本。
8.根据本公开的实施例，所述基于所述预设行为特征，分别检测每个所述召回用户样本的召回质量，还包括：统计所述候选用户样本集合中除所述第一用户样本以外的特征用户的数量，所述特征用户为具有预设行为特征；计算每个所述召回用户样本的召回率，所述召回率为所述指定用户的数量与所述特征用户的数量的比值；比较所有所述召回率；确定最优召回用户样本，所述最优召回用户样本为所有所述召回用户样本中具有最大召回率的召回用户样本。
9.根据本公开的实施例，所述基于所述召回质量，确定所述目标场景对应的过滤算法，包括：确定所述最优召回用户样本对应的预设算法；确定所述预设算法为所述目标场景
对应的过滤算法。
10.根据本公开的实施例，所述确定所述目标场景对应的过滤算法，还包括：在所述目标场景下，通过召回算法在所述候选用户样本集合内对第一用户样本进行召回，得到原始召回用户样本；基于所述预设行为特征，检测所述原始召回用户样本的原始召回质量；比较所述原始召回质量和多个所述召回用户样本的召回质量；若所述原始召回质量优于所有所述召回用户样本的召回质量，则所述目标场景没有对应的过滤算法。
11.根据本公开的实施例，所述用户样本为用户特征数据集合，所述用户特征数据包含用户画像信息和用户行为信息。
12.本公开的另一个方面提供了一种相似人群扩展装置，包括：选定模块，用于选定目标场景；确定模块，用于确定所述目标场景对应的过滤算法；过滤模块，用于通过所述过滤算法对原始用户样本进行异常过滤，得到种子用户样本；扩展模块，用于在所述目标场景下，对所述种子用户样本进行相似人群扩展，得到扩展用户样本。
13.本公开的另一方面提供了一种电子设备，所述电子设备包括一个或多个处理器；以及存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求上述任一项所述的方法。
14.本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
15.根据本公开的实施例，因为采用了通过指定的过滤算法对种子用户进行过滤，以得到在目标场景下具有预设行为特征的扩展人群的技术手段，所以至少部分地克服了如何减轻种子用户样本中噪音用户对相似人群扩展影响的技术问题，进而达到了增加扩展人群有效性的技术效果。
附图说明
16.通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
17.图1示意性示出了可以应用本公开的相似人群扩展方法和装置的示例性系统架构；
18.图2示意性示出了根据本公开实施例的相似人群扩展方法的流程图；
19.图3a示意性示出了根据本公开另一实施例的相似人群扩展方法的流程图；
20.图3b示意性示出了根据本公开另一实施例的相似人群扩展方法的流程图；
21.图3c示意性示出了根据本公开另一实施例的相似人群扩展方法的流程图；
22.图3d示意性示出了根据本公开另一实施例的相似人群扩展方法的流程图；
23.图3e示意性示出了根据本公开另一实施例的相似人群扩展方法的流程图；
24.图4示意性示出了根据本公开实施例的相似人群扩展装置的框图；以及
25.图5示意性示出了根据本公开实施例的适于实现相似人群扩展装置的电子设备的框图。
具体实施方式
26.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性
的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
27.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
28.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
29.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。在使用类似于“a、b或c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b或c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
30.本公开的实施例提供了一种相似人群扩展方法和装置。该方法包括：选定目标场景，并通过用户历史行为数据确定目标场景对应的过滤算法。通过过滤算法对原始用户样本进行异常过滤，得到种子用户样本；在目标场景下，对述子用户样本进行相似人群扩展，得到扩展用户样本。
31.图1示意性示出了根据本公开实施例的可以应用相似人群扩展方法和装置的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
32.如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。
33.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
34.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
35.服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
36.需要说明的是，本公开实施例所提供的相似人群扩展方法一般可以由服务器105执行。相应地，本公开实施例所提供的相似人群扩展装置一般可以设置于服务器105中。本
公开实施例所提供的相似人群扩展方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的相似人群扩展装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者，本公开实施例所提供的相似人群扩展方法也可以由终端设备101、102、或103执行，或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地，本公开实施例所提供的相似人群扩展装置也可以设置于终端设备101、102、或103中，或设置于不同于终端设备101、102、或103的其他终端设备中。
37.例如，用户样本可以原本存储在终端设备101、102、或103中的任意一个(例如，终端设备101，但不限于此)之中，或者存储在外部存储设备上并可以导入到终端设备101中。然后，终端设备101可以在本地执行本公开实施例所提供的相似人群扩展方法，或者将用户样本发送到其他终端设备、服务器、或服务器集群，并由接收该用户样本的其他终端设备、服务器、或服务器集群来执行本公开实施例所提供的相似人群扩展方法。
38.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
39.图2示意性示出了根据本公开实施例的相似人群扩展方法的流程图。
40.如图2所示，该方法包括操作s201～s204。
41.在操作s201，选定目标场景。
42.具体地，目标场景可理解为商家的业务营销场景，即商家对某一品类产品的销售场景。例如，目标场景具体可以是商家对生活品类产品进行促销活动，或者商家对母婴类产品进行推广活动等。产品品类包括但不限于3c类产品、珠宝品类、服装品类和食品品类等。
43.在操作s202，确定目标场景对应的过滤算法。
44.在操作s203，通过过滤算法对原始用户样本进行异常过滤，得到种子用户样本。
45.在相似人群扩展过程中，原始用户样本可以是由自外部合作方提供，也可以是由内部数据库提供。在相似人群扩展过程中，以原始用户样本作为参照用户样本，可得到与原始用户样本具有相同行为特征的用户样本。但已知的原始用户样本的质量并不能被保证，即原始用户样本包含的用户并不一定包含开发人员预想的行为特征。若不对原始用户样本进行异常过滤而直接使用该原始用户样本进行相似人群扩展，则很可能由于部分异常用户样本的影响，降低召回相似用户的总体质量。
46.同时，在原始用户样本的获取过程中也可能出现一些偏差，导致用户样本的质量不佳。例如，系统确定要获取在3c品类相关的目标场景下具有浏览过笔记本电脑特征的用户样本，但在获取过程中存在获取错误的现象，使得获取的用户样本中包含具有只浏览过服饰特征的用户样本。为保证用户样本的质量，需要通过过滤算法对原始用户样本进行过滤。
47.需要说明的是，不同的过滤算法与不同的业务场景具有一定的适配性。不同的过滤算法擅长的业务场景领域不同，因此在开发人员在众多业务场景中选定目标场景后，需要选定与该目标场景最适配的过滤算法，以确保过滤得到的种子用户样本能扩展到更加准确的人群。
48.具体地，过滤算法包括但不限于离群因子检测算法、孤立森林算法和自编码算法。
49.离群因子检测(local outlier factor)是一种基于密度的异常检测方法，通过对
每个数据点进行利群因子计算，得到该数据的一个离群因子，通过该离群因子判断该数据是否为异常点，若lof＞＞1则该数据为异常点。
50.孤立森林(isolation forest)是一种集成多个孤立分类树的学习算法。该算法具有不需要基于密度和距离指标计算的特点，使得其算法的计算复杂度小。同时计算基于集成学习进行，因而时间复杂度为线性。其中，每棵分类树独立生成，方便部署在分布式系统进行计算。
51.自编码器(autoencoder)是一种无监督学习模型，由较高维的输入经过神经网络生成其低维的表示。但由于在训练时，只保留了最可信息量的特征，由解码器重建原始数据时，异常点无法被很好还原，导致误差会比较大。
52.在操作s204，在目标场景下，对种子用户样本进行相似人群扩展，得到扩展用户样本。
53.在本公开实施例中，用户样本为用户特征数据的集合，实际使用时，用户特征数据包含用户画像信息和用户行为信息。用户画像信息包括用户的个人属性信息，例如，年龄、性别、职业、家庭成员、个人爱好等信息。用户行为信息为用户在一定时间段内具有的业务行为信息，例如物品浏览、点击和购买等行为信息。
54.通常，电商平台需要根据用户特定的画像信息和行为信息对该用户的未来业务行为进行合理的推测，并提供相应的业务服务，以提高用户的使用感，例如，提供“为您推荐”等服务。
55.具体地，电商平台获取某一用户的手机号、imei号和ifa号等，将该用户的手机号、imei号和ifa号与该用户的账号进行绑定，并作为用户的特定身份标识。电商平台可以向该用户账号发送相应的消息，以及收集与该用户账号相关的特征信息，将收集到的特征信息作为该用户的特征数据。
56.通过本公开实施例，根据不同需求，选定相应的目标场景，并确定与该目标场景最具适配性的过滤算法，对原始用户样本进行异常过滤，过滤出原始用户样本中不符合条件的噪音用户，得到种子用户样本，在目标场景下，对种子用户样本进行相似人群扩展，得到与种子用户样本具有相同行为特征的相似人群，实现提高扩展数据有效性的技术效果。
57.下面参考图3a～图3d，结合具体实施例对图2所示的方法做进一步说明。
58.图3a示意性示出了根据本公开另一实施例的相似人群扩展方法的流程图。
59.如图3a所示，确定目标场景对应的过滤算法，还包括操作s301～s305。
60.在操作s301，基于预设行为特征，从候选用户样本集合中获取第一用户样本。
61.候选用户样本集合为用户全集。具体的，可以是数据库中所有的用户组成的用户全集，也可以部分用户数据组成的用户集合。在整个确定目标场景与过滤算法对应关系的过程中，用户样本的选择和召回均在候选用户样本集合中完成。也即，无论是获取的用户样本还是召回后得到的用户样本的用户均为候选用户样本集合中的用户。
62.预设行为特征具体可以是浏览商品、加购商品到购物车和购买商品等行为特征。第一用户样本中的用户具有以上的至少一种预设行为特征。例如，在3c品类的目标场景下，第一用户样本可以是全部由具有浏览笔记本电脑特征的用户组成，也可以是全部由具有购买笔记本电脑特征的用户组成，也可是由具有浏览笔记本电脑特征的用户和具有购买笔记本电脑特征的用户一起组成，也可以是由具有浏览笔记本电脑和加购笔记本电脑两个特征
的用户组成，也可以是由具有浏览笔记本电脑和加购笔记本电脑两个特征的用户以及仅具有组成浏览笔记本电脑特征的用户组成。本技术并不限定第一用户样本的用户的特征类型的具体组成方式。
63.第一用户样本为从候选样本集合中选取的一定数量的具有预设行为特征的用户，但由于选取过程中可能出现异常现象，使得在真实获得的第一用户样本中，并不是所有用户均具有预设行为特征。
64.在操作s302，分别通过多个预设算法对第一用户样本进行异常过滤，得到多个第二用户样本。
65.多个预设算法包括但不限于离群因子检测算法、孤立森林算法和自编码算法。经过异常过滤后，得到每个过滤算法对应的第二用户样本。
66.在操作s303，在目标场景下，通过召回算法在候选用户样本集合内分别对每个第二用户样本进行召回，得到多个召回用户样本。
67.在本公开实施例中，第二用户样本可理解为种子用户样本，召回算法具体为faiss召回算法。在faiss召回算法中，种子用户样本由用户画像配合近期行为特征训练出的用户嵌入向量(user embedding vector)表示。faiss召回算法具体是在召回向量空间中确定与每个种子用户距离最近的n名用户，n由开发人员根据实际情况确定，n为最终召回的用户数量。
68.在操作s304，基于预设行为特征，分别检测每个召回用户样本的召回质量。
69.在实际的召回结果中，并不是召回用户样本中的每个用户都具有预设行为特征。因此，需要检测每个召回用户样本的召回质量，以确保确定出目标场景对应的最佳过滤算法。
70.在操作s305，基于召回质量，确定目标场景对应的过滤算法，过滤算法为多个预设算法的其中一个。
71.实践表明，由用户画像和行为序列生成的嵌入表征向量分布特性随行为类型(如浏览或加购)及目标商品(如电子产品或日用品)的不同而呈现不同特性。现有技术仅使用通用的异常点检测方法过滤噪音用户，不能针对特定的行为特征和目标商品做筛选。在用户嵌入向量异质化的前提下，仅仅简单地使用通用方式去除异常种子用户可能会产生偏离业务目标的后果。
72.因此，确定目标场景与预设算法之间的关联性，体现不同过滤算法在不同特征领域的过滤能力，本公开实施例提供一种确定过滤算法与行为特征对应关系的具体方法，通过周期性地离线训练，在进行相似人群扩展之前，选择具有召回质量最好的召回用户样本对应的预设算法为该目标场景对应的过滤算法，即从多个预设算法中确定具有最佳适配度的过滤算法。确定特定的业务场景和过滤算法之间的对应关系，可提高扩展的准确度。
73.图3b示意性示出了根据本公开另一实施例的相似人群扩展方法的流程图。
74.如图3b所示，基于预设行为特征，分别检测每个召回用户样本的召回质量包括操作s306～s307。
75.在操作s306，分别统计每个召回用户样本中指定用户的数量，指定用户具有预设行为特征。
76.在操作s307，比较所有指定用户的数量，确定最优召回用户样本，最优召回用户样
本为所有召回用户样本中包含指定用户的数量最多的召回用户样本。
77.在本公开实施例，通过统计召回用户样本中符合预设条件的用户数量确定召回用户样本召回质量。
78.例如，在选定3c品类的目标场景的前提下，从候选样本集合中获取第一用户样本a，该第一用户样本a由具有浏览笔记本电脑特征的用户组成。通过不同的过滤算法(离群因子检测算法、孤立森林算法和自编码算法)对第一用户样本a进行过滤，得到不同的第二用户样本，分别记作s1、s2和s3。在3c品类的目标场景下，对第二用户样本s1、s2和s3分别进行相似人群扩展，得到具有召回用户样本r1、r2和r3，其中，召回用户样本r1、r2和r3的用户具有浏览笔记本电脑、加购笔记本电脑和购买笔记本电脑中至少一种的特征。
79.具体地，在召回向量空间中，确定与第二用户样本s1距离最近的100名用户作为召回用户样本r1，确定与第二用户样本s2距离最近的100名用户作为召回用户样本r2，确定与第二用户样本s3距离最近的100名用户作为召回用户样本r3。在理想情况下，召回用户样本r1、r2和r3的全部用户都具有浏览笔记本电脑、加购笔记本电脑和购买笔记本电脑中至少一种的特征。例如，召回用户样本r1、r2和r3的用户包含仅具有浏览笔记本电脑特征的用户，仅具有购买笔记本电脑特征的用户，具有浏览笔记本电脑和加购笔记本电脑两个特征的用户，也可以是由具有浏览笔记本电脑、加购笔记本电脑和购买笔记本电脑三个特征的用户。
80.在实际的召回结果中，召回用户样本r1、r2和r3中存在不具有浏览笔记本电脑、加购笔记本电脑和购买笔记本电脑中任一特征的用户。筛选出召回用户样本r1、r2和r3中具有浏览笔记本电脑、加购笔记本电脑和购买笔记本电脑中至少一种的特征的用户作为符合条件的用户，即指定用户。统计符合条件的用户的数量，基于符合条件的用户的数量确定每个召回用户样本的召回质量。
81.其中，将具有最多符合条件的用户的召回用户样本确定为最优召回用户样本，即该召回用户样本的召回质量最好。
82.需要说明是，本技术并不对第一用户样本具有的行为特征与召回用户样本的行为特征之间的关系做具体的限定，只需保证对第一用户样本具有的行为特征与召回用户样本的行为特征属于同一个目标场景下即可。
83.例如，在上述例子中，第一用户样本a的用户仅具有浏览笔记本电脑特征，召回用户样本r1、r2和r3的用户可以具有浏览笔记本电脑、加购笔记本电脑和购买笔记本电脑中至少一种的特征。或者第一用户样本a的用户仅具有浏览笔记本电脑特征，选择召回用户样本r1、r2和r3的用户也仅具有浏览笔记本电脑特征。或者第一用户样本a的用户具有浏览笔记本电脑、加购笔记本电脑和购买笔记本电脑中至少一种的特征，选择召回用户样本r1、r2和r3的用户可以也具有浏览笔记本电脑、加购笔记本电脑和购买笔记本电脑中至少一种的特征。再或者第一用户样本a的用户仅具有浏览笔记本电脑特征，选择召回用户样本r1、r2和r3的用户可以具有浏览手机、加购手机和购买手机中至少一种的特征。其中，浏览笔记本电脑、浏览手机、浏览耳机、浏览音响等都是属于3c品类下的预设行为特征。其他第一用户样本具有的行为特征与召回用户样本的行为特征之间的关系的例子与上述例子类似，在此不再赘述。
84.具体的，图3c示意性示出了根据本公开另一实施例的相似人群扩展方法的流程图。
85.如图3c所示，针对每个预设特征，分别检测每个召回用户样本的召回质量包括操作s308～s310。
86.在操作s308，统计候选用户样本集合中除第一用户样本以外的特征用户的数量，特征用户为具有预设行为特征。
87.在操作s309，计算每个召回用户样本的召回率，召回率为指定用户的数量与特征用户的数量的比值。
88.在操作s310，比较所有召回率，确定最优召回用户样本，最优召回用户样本为所有召回用户样本中具有最大召回率的召回用户样本。
89.在本公开实施例中，由于在整个确定目标场景与过滤算法对应关系的过程中，用户样本的选择和召回过程均在候选用户样本集合中完成。也即，无论是获取的用户样本还是召回后得到的用户样本的用户均为候选用户样本集合中的用户。当候选用户样本集合中具有预设行为特征的用户数量较少时，召回用户样本中的符合条件的指定用户的数量相应的会减少。
90.当统计到召回用户样本中的符合条件的指定用户的数量过少时，产生的原因可能是召回中存在召回异常，或者是由于候选用户样本集合中具有预设行为特征的用户数量较少。为避免由于召回中存在的召回异常导致召回用户样本中的符合条件的指定用户的数量过少，还可以进一步通过召回率的方式评估召回质量。
91.召回率为指定用户的数量与特征用户的数量的比值。特征用户为候选用户样本集合中除第一用户样本以外的具有预设行为特征的用户。可认为候选用户样本集合中具有预设行为特征的用户为集合m，从集合m中选取预设数量的用户组成第一用户样本a，集合m中剩余用户组成测试用户样本b。可理解地，在召回过程中，通过第二用户样本召回的用户不包含第二用户样本中自身包含的用户，且用户样本的召回在候选用户样本集合中完成，召回后得到的用户样本的用户均为候选用户样本集合中的用户。则召回用户样本中召回的特征用户为测试用户样本b中的用户。
92.因此，当选取的第一用户样本包含的用户数量远大于测试用户样本的用户数量，在计算召回率时若在统计特征用户数量时不除去第一用户样本中具有预设行为特征的用户，计算得到的召回率可能是极小的值。
93.具体地，测试用户样本b中用户的数量为nb，召回用户样本r中特征用户的数量为n
(r∩b)
，最后计算召回率recall。
94.其中，
95.具有最大召回率的召回用户样本为最优召回用户样本，该样本具有最好的召回质量。
96.需要说明是，本技术并不对本实施例中第一用户样本具有的行为特征、特征用户的行为特征以及召回用户样本的行为特征之间的关系做具体的限定，只需保证对第一用户样本具有的行为特征、特征用户的行为特征以及召回用户样本的行为特征属于同一个目标场景下即可，本领域的技术人员根据实际需求进行选择。具体的对应关系在前文中已举例，在此不再赘述。但需要强调的是，为保证一致性，特征用户的行为特征的种类与召回用户样本的行为特征的种类相同。例如，第一用户样本a的用户仅具有浏览笔记本电脑特征，选择
召回用户样本r1、r2和r3的用户电仅具有浏览笔记本电脑特征，那么统计的特征用户也应是仅具有浏览笔记本电脑特征的用户。
97.图3d示意性示出了根据本公开另一实施例的相似人群扩展方法的流程图。
98.如图3d所示，基于召回质量，确定目标场景对应的过滤算法包括操作s311～s313。
99.在操作s311，确定最优召回用户样本对应的预设算法。
100.在操作s312，确定预设算法为目标场景对应的过滤算法。
101.在操作s307和操作s310中分别通过不同的评判标准得到具有最优召回质量的最优召回用户样本。当在操作s307中通过召回用户样本中指定用的数量可准确评判召回质量时，可由操作s307中得到的最优召回用户样本确定对应预设算法，进一步确定目标场景对应的过滤算法。若在操作s307中通过召回用户样本中指定用的数量无法准确评判召回质量时，进一步通过计算召回率在操作s310中确定最优召回用户样本，进一步确定目标场景对应的过滤算法，即最适配的过滤算法。
102.图3e示意性示出了根据本公开另一实施例的相似人群扩展方法的流程图。
103.如图3e所示，确定目标场景对应的过滤算法，还包括操作s313～s316。
104.在操作s313，在目标场景下，通过召回算法在候选用户样本集合内对第一用户样本进行召回，得到原始召回用户样本。
105.在操作s314，基于预设行为特征，检测原始召回用户样本的原始召回质量。
106.在操作s315，比较原始召回质量和多个召回用户样本的召回质量。
107.在操作s316，若原始召回质量优于所有召回用户样本的召回质量，则所述目标场景没有对应的过滤算法。
108.为了进一步对比过滤算法对召回质量的影响，还会对不经过滤算法的第一用户样本做召回，得到原始召回用户样本，并检测其召回质量。将其召回质量作为参考值，比较经过过滤算法后得到召回用户样本的召回质量。在实际的过滤过程中，可能选择的预设算法并不适用该目标场景，对第一用户样本进行异常过滤后反而降低了第一用户样本的质量，因此以原始召回用户样本作为参考，若原始召回质量优于经过过滤后得到的所有召回用户样本的召回质量，则确定目标场景没有对应的过滤算法，即在实际的相似人群扩展中，在该目标场景下不需要通过过滤算法对原始用户样本进行过滤。
109.还需要说明的是，本公开只给出了选择某一种业务场景作为目标场景进行相似人群扩展的实施例，但在实际运用中，业务场景是多种多样的，为确保针对每一种业务场景的相似人群扩展结果的准确性，需确定相同的评价标准确定每一种业务场景对应的最优过滤算法。其中，最关键的评价标准在于确定每一业务场景下，第一用户样本具有的行为特征、特征用户的行为特征以及召回用户样本的行为特征之间的关系均相同。
110.例如，在确定召回质量的过程中，第一用户样本具有的行为特征、特征用户的行为特征以及召回用户样本的行为特征之间的关系具有如下关系：
111.在3c品类的业务场景下：第一用户样本a的用户仅具有浏览笔记本电脑特征，召回用户样本r1、r2和r3的用户以及特征用户也仅具有浏览笔记本电脑特征。
112.在服饰品类的业务场景下：第一用户样本a的用户仅具有浏览女装特征，召回用户样本r1、r2和r3的用户以及特征用户也仅具有浏览女装特征。
113.在母婴品类的业务场景下：第一用户样本a的用户仅具有浏览奶粉特征，召回用户
样本r1、r2和r3的用户以及特征用户也仅具有浏览奶粉特征。
114.即在确定不同业务场景对应的过滤算法时，横向对比的标准应确保一致。
115.图4示意性示出了根据本公开的实施例的相似人群扩展装置的框图。
116.如图4所示，相似人群扩展装置400包括选定模块410、确定收模块420、过滤模块430和扩展模块440。
117.选定模块410，用于选定目标场景；
118.确定模块420，用于确定目标场景对应的过滤算法；
119.过滤模块430，用于通过过滤算法对原始用户样本进行异常过滤，得到种子用户样本；
120.扩展模块440，用于在目标场景下，对种子用户样本进行相似人群扩展，得到扩展用户样本。
121.根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
122.例如，选定模块410、确定收模块420、过滤模块430和扩展模块440中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本公开的实施例，身选定模块410、确定收模块420、过滤模块430和扩展模块440中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或同件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，选定模块410、确定收模块420、过滤模块430和扩展模块440中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
123.需要说明的是，本公开的实施例中相似人群扩展装置部分与本公开的实施例中相似人群扩展方法部分是相对应的，相似人群扩展装置部分的描述具体参考相似人群扩展方法部分，在此不再赘述。
124.图5示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
125.如图5所示，根据本公开实施例的电子设备500包括处理器501，其可以根据存储在只读存储器(rom)502中的程序或者从存储部分508加载到随机访问存储器(ram)503中的程
序而执行各种适当的动作和处理。处理器501例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))，等等。处理器501还可以包括用于缓存用途的板载存储器。处理器501可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
126.在ram 503中，存储有系统500操作所需的各种程序和数据。处理器501、rom 502以及ram 503通过总线504彼此相连。处理器501通过执行rom502和/或ram 503中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom 502和ram 503以外的一个或多个存储器中。处理器501也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
127.根据本公开的实施例，系统500还可以包括输入/输出(i/o)接口505，输入/输出(i/o)接口505也连接至总线504。系统500还可以包括连接至i/o接口505的以下部件中的一项或多项：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至i/o接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
128.根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被处理器501执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
129.本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
130.根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
131.例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom 502和/或ram 503和/或rom 502和ram 503以外的一个或多个存储器。
132.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个
用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
133.本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
134.以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。