对象的分类方法、业务的推送方法及服务器的制造方法
【技术领域】
[0001] 本申请涉及计算机技术领域，尤其涉及一种对象的分类方法、业务的推送方法及 服务器。
【背景技术】
[0002] 随着电子商务的飞速发展，电子商务（例如，支付宝）用户越来越多。对这些与日 俱增的电子商务用户，由于其爱好和习惯是不明确的，所以通常不能向这些用户推送其所 需业务。
[0003] 现有技术中，以支付宝为例，将支付宝中近一年的活跃用户作为目标用户，共计2 亿，将2亿目标用户构成目标用户集合。而将支付宝中使用理财等功能的优质用户作为种 子用户，种子用户的爱好和习惯通常是明确的，比如，擅长理财之类的。支付宝中种子用户 共计80万，将80万种子用户构成种子用户集合。然后将目标用户集合与种子用户集合做 连接（join)操作，即将目标用户集合中目标用户与种子用户集合中种子用户两两组合。之 后对组合后的任一目标用户与种子用户集合中的各种子用户计算相似度，如果相似度之和 大于预设的阈值，则识别上述任一目标用户与种子用户集合中的种子用户为同一类用户， 从而可以根据种子用户的爱好和习惯，向与该种子用户为同一类用户的目标用户推送相同 的业务。例如，当某种子用户集合中种子用户的爱好为理财时，则可以向与该种子用户为同 一类用户的目标用户推送相应的理财产品等。
[0004] 然而，在上述将目标用户集合与种子用户集合做join操作的过程中，其计算量是 2亿*80万，大约有160万亿的数据条数，完成这个计算量的时长是不可接受的。即，现有技 术中，在将目标用户分类的过程中，存在计算量过大，而大量耗费计算机资源的问题。
【发明内容】
[0005] 本申请实施例提供了一种对象的分类方法、业务的推送方法及服务器，可以解决 在将目标用户分类的过程中，存在的计算量过大，而严重耗费计算机资源的问题。
[0006] 第一方面，提供了一种对象的分类方法，该方法包括：
[0007] 获取待分类的对象集合以及所述待分类的对象集合中各个待分类的对象的特征 向量的值，并将所述各个待分类的对象的特征向量的值构成第一集合；
[0008] 获取目标对象集合以及所述目标对象集合中各个目标对象的特征向量的值，并将 所述各个目标对象的特征向量的值构成第二集合；
[0009] 对所述第一集合中特征向量的值进行去重处理，得到第三集合，以及对所述第二 集合中特征向量的值进行去重处理，得到第四集合；
[0010] 对所述第三集合中任一特征向量的值，计算所述任一特征向量的值与所述第四集 合中各特征向量的值的相似度，得到与所述任一特征向量的值对应的多个相似度；
[0011] 当所述多个相似度之和大于预设的阈值时，则识别所述任一特征向量的值对应的 待分类的对象与所述目标对象集合中的目标对象为同一类对象。
[0012] 第二方面，提供了一种业务的推送方法，该方法包括：
[0013] 识别第一对象与目标对象集合中的对象为同一类对象，包括：
[0014] 获取所述第一对象的特征向量的值；
[0015] 获取所述目标对象集合以及所述目标对象集合中各个对象的特征向量的值，并将 所述各个对象的特征向量的值构成第一集合；
[0016] 对所述第一集合中特征向量的值进行去重处理，得到第二集合；
[0017] 计算所述第一对象的特征向量的值与所述第二集合中各特征向量的值的相似度， 得到与所述第一对象的特征向量的值对应的多个相似度；
[0018] 当所述多个相似度之和大于预设的阈值时，则识别所述第一对象与所述目标对象 集合中的对象为同一类对象；
[0019] 向所述第一对象，推送与所述目标对象集合中的对象相同的业务。
[0020] 第三方面，提供了一种服务器，该服务器包括：第一获取单元、第二获取单元、处理 单元、计算单元和识别单元；
[0021] 所述第一获取单元，用于获取待分类的对象集合以及所述待分类的对象集合中各 个待分类的对象的特征向量的值，并将所述各个待分类的对象的特征向量的值构成第一集 合；
[0022] 所述第二获取单元，用于获取目标对象集合以及所述目标对象集合中各个目标对 象的特征向量的值，并将所述各个目标对象的特征向量的值构成第二集合；
[0023] 所述处理单元，用于对所述第一集合中特征向量的值进行去重处理，得到第三集 合，以及对所述第二集合中特征向量的值进行去重处理，得到第四集合；
[0024] 所述计算单元，用于对所述处理单元得到的所述第三集合中任一特征向量的值， 计算所述任一特征向量的值与所述第四集合中各特征向量的值的相似度，得到与所述任一 特征向量的值对应的多个相似度；
[0025] 所述识别单元，用于当所述计算单元得到的所述多个相似度之和大于预设的阈值 时，则识别所述任一特征向量的值对应的待分类的对象与所述目标对象集合中的目标对象 为同一类对象。
[0026] 第四方面，提供了一种服务器，该服务器包括：识别单元和推送单元；
[0027] 所述识别单元，用于识别第一对象与目标对象集合中的对象为同一类对象，包 括：
[0028] 获取所述第一对象的特征向量的值；
[0029] 获取所述目标对象集合以及所述目标对象集合中各个对象的特征向量的值，并将 所述各个对象的特征向量的值构成第一集合；
[0030] 对所述第一集合中特征向量的值进行去重处理，得到第二集合；
[0031] 计算所述第一对象的特征向量的值与所述第二集合中各特征向量的值的相似度， 得到与所述第一对象的特征向量的值对应的多个相似度；
[0032] 当所述多个相似度之和大于预设的阈值时，则识别所述第一对象与所述目标对象 集合中的对象为同一类对象；
[0033] 所述推送单元，用于向所述第一对象，推送与所述目标对象集合中的对象相同的 业务。
[0034] 本申请实施例提供的对象的分类方法、业务的推送方法及服务器，在获取到第一 集合和第二集合后，分别对第一集合中特征向量的值和第二集合中特征向量的值进行去重 处理，然后将去重处理后得到的第三集合中特征向量的值与第四集合中特征向量的值计算 相似度，最后根据计算得到的相似度对待分类的对象进行分类，由此，可以大大减小计算 量，从而保证待分类的对象的分类过程能够在可接受的时间范围内完成。
【附图说明】
[0035] 图1为本申请实施例一提供的对象的分类方法流程图；
[0036] 图2为本申请实施例二提供的业务的推送方法流程图；
[0037] 图3为本申请实施例三提供的服务器示意图；
[0038] 图4为本申请实施例四提供的服务器示意图。
【具体实施方式】
[0039] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员 在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0040] 为便于对本发明实施例的理解，下面将结合附图以具体实施例做进一步的解释说 明，实施例并不构成对本发明实施例的限定。
[0041] 本申请实施例提供的对象的分类方法及服务器，适用于对待分类的对象进行分类 的场景，尤其适用于对支付宝中目标用户进行分类的场景，其中，目标用户的爱好和习惯是 不明确的，例如，目标用户是否爱好理财，消费习惯等都是不明确的。
[0042]本申请实施例提供的业务的推送方法，适用于在根据本申请实施例提供的对象的 分类方法，识别第一对象与目标对象集合中的对象为同一类对象时，向第一对象推送与目 标对象集合中的对象相同的业务。尤其适用于在将支付宝中的目标用户识别为与种子用户 集合中的种子用户为同一类用户时，向上述目标用户推送与种子用户相同的业务。
[0043] 图1为本申请实施例一提供的对象的分类方法流程图。所述方法的执行主体可以 为具有处理能力的设备：服务器或者系统或者装置，如图1所示，所述方法具体包括：
[0044] 步骤110,获取待分类的对象集合以及所述待分类的对象集合中各个待分类的对 象的特征向量的值，并将所述各个待分类的对象的特征向量的值构成第一集合。
[0045] 在此说明，待分类的对象用于表示跟自然人相关的单独个体，可以为用来表示单 独个体