目标对象状态评估方法、装置、电子设备、介质和程序产品与流程

本技术涉及人工智能，涉及大模型在业务处理领域中的应用，更具体地涉及一种目标对象状态评估方法、装置、设备、介质和程序产品。

背景技术：

1、目前，深度学习技术已广泛应用于营销服务、客户状态评估和服务适配分析等场景。循环神经网络及其变体凭借对时序依赖关系的建模能力，常用于处理连续时间窗口内的序列数据；注意力机制的引入进一步增强了模型对关键时间步和关键特征的聚焦能力。现有方法中，有的方案通过预测模型对客户信息进行处理，并输出开户推荐或信息推送结果；也有方案通过交叉网络、线性模型和深度神经网络并行提取不同层次的特征关系，以生成客户意向预测结果。

2、然而，上述方法仍存在不足：一方面，部分方法将客户信息作为整体一次性输入预测模型，难以充分利用用户在连续时间窗口内产生的动态变化信息，导致模型对用户状态演化过程的刻画能力有限；另一方面，部分方法虽然能够提取不同层次的特征关系，但整体上仍偏向静态建模，容易将用户特征视为时间无关的固定值处理，难以捕捉用户状态随时间变化的阶段性特征。

技术实现思路

1、鉴于上述问题，本技术的实施例提供了一种目标对象状态评估方法、装置、设备、介质和程序产品。

2、根据本技术的第一方面，提供了一种目标对象状态评估方法，所述方法包括：获取经目标用户授权的时序特征序列和静态特征向量，所述时序特征序列用于表征所述目标用户在连续时间窗口内的动态变化信息，所述静态特征向量用于表征所述目标用户在所述连续时间窗口内的稳定属性信息；对所述时序特征序列进行时序编码，得到各时间步对应的时序状态表示；对所述静态特征向量进行静态编码，得到静态状态表示；基于所述时序状态表示生成融合门控向量；基于所述融合门控向量对所述静态状态表示进行加权处理，并将加权后的静态状态表示与对应时间步的时序状态表示进行融合处理，得到各时间步对应的融合状态表示；以及按照时间步顺序排列各时间步对应的融合状态表示，得到融合状态序列，基于所述融合状态序列生成所述目标用户的状态评估结果。

3、根据本技术的实施例，所述获取经目标用户授权的时序特征序列和静态特征向量，包括：按照预设时间粒度，获取经所述目标用户授权的动态数据并进行时间对齐处理，基于对齐处理后的动态数据生成多个时间步对应的时序特征，形成所述时序特征序列；以及基于经所述目标用户授权的属性信息在所述连续时间窗口内的变化频次或变化周期，从所述属性信息中确定所述稳定属性信息，并基于所述稳定属性信息生成所述静态特征向量。

4、根据本技术的实施例，所述方法还包括：分别建立所述时序特征序列对应的时序输入通道和所述静态特征向量对应的静态输入通道；建立所述静态特征向量与多个时间步之间的时间步映射关系，所述时间步映射关系用于确定所述静态状态表示在各时间步的融合位置；以及基于所述时序输入通道、所述静态输入通道和所述时间步映射关系，将所述时序特征序列和所述静态特征向量输入对应的时序编码器和静态编码器。

5、根据本技术的实施例，所述基于所述时序状态表示生成融合门控向量，包括：获取经训练得到的多个状态原型向量，所述状态原型向量用于表征所述目标用户在所述连续时间窗口内的不同状态演化阶段；基于当前时间步的时序状态表示与各状态原型向量之间的相似度，确定所述当前时间步对应的状态归属权重；基于所述状态归属权重对多个状态原型向量进行加权处理，得到所述当前时间步对应的状态基向量；以及对所述状态基向量进行门控映射处理，得到所述当前时间步对应的融合门控向量。

6、根据本技术的实施例，所述对所述状态基向量进行门控映射处理，得到所述当前时间步对应的融合门控向量，包括：基于所述当前时间步的时序状态表示、相邻时间步之间的状态变化量以及局部时序上下文，构建所述当前时间步对应的条件上下文表示；将所述条件上下文表示输入门控网络，得到所述当前时间步对应的缩放因子；以及基于所述缩放因子对所述状态基向量进行逐元素调节，得到所述当前时间步对应的融合门控向量。

7、根据本技术的实施例，基于所述融合门控向量对所述静态状态表示进行加权处理，并将加权后的静态状态表示与对应时间步的时序状态表示进行融合处理，得到各时间步对应的融合状态表示，包括：基于所述时间步映射关系，确定所述静态状态表示在当前时间步的融合位置；对所述静态状态表示进行投影处理，得到待融合静态表示；以及基于所述当前时间步对应的融合门控向量，对所述待融合静态表示进行逐元素加权处理，并按照所述融合位置将加权处理后的待融合静态表示与所述当前时间步的时序状态表示进行融合，得到所述当前时间步对应的融合状态表示。

8、根据本技术的实施例，所述将加权处理后的待融合静态表示与当前时间步的时序状态表示进行融合，得到所述当前时间步对应的融合状态表示，包括：基于所述当前时间步的时序状态表示生成反馈调制项；基于所述当前时间步对应的融合门控向量，对所述反馈调制项进行加权处理，得到门控反馈表示；以及将所述当前时间步的时序状态表示、加权处理后的待融合静态表示以及所述门控反馈表示进行融合和归一化处理，得到所述当前时间步对应的融合状态表示。

9、根据本技术的实施例，所述基于所述融合状态序列生成所述目标用户的状态评估结果，包括：将所述融合状态序列输入状态评估模型中的聚合层，得到所述目标用户的整体状态表示；将所述整体状态表示输入所述状态评估模型中的至少一个评估头，得到状态评估值；以及基于所述状态评估值生成所述目标用户的状态评估结果，所述状态评估结果包括状态等级、服务适配结果或资源配置参考结果中的至少一种。

10、本技术的第二方面提供了一种目标对象状态评估装置，所述装置包括：数据获取模块，用于：获取经目标用户授权的时序特征序列和静态特征向量，所述时序特征序列用于表征所述目标用户在连续时间窗口内的动态变化信息，所述静态特征向量用于表征所述目标用户在所述连续时间窗口内的稳定属性信息；编码模块，用于：对所述时序特征序列进行时序编码，得到各时间步对应的时序状态表示；对所述静态特征向量进行静态编码，得到静态状态表示；融合模块，用于：基于所述时序状态表示生成融合门控向量；基于所述融合门控向量对所述静态状态表示进行加权处理，并将加权后的静态状态表示与对应时间步的时序状态表示进行融合处理，得到各时间步对应的融合状态表示；以及结果生成模块，用于：按照时间步顺序排列各时间步对应的融合状态表示，得到融合状态序列，基于所述融合状态序列生成所述目标用户的状态评估结果。

11、本技术的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个计算机程序，其中，上述一个或多个处理器执行上述一个或多个计算机程序以实现上述方法的步骤。

12、本技术的第四方面还提供了一种计算机可读存储介质，其上存储有计算机程序或指令，上述计算机程序或指令被处理器执行时实现上述方法的步骤。

13、本技术的第五方面还提供了一种计算机程序产品，包括计算机程序或指令，上述计算机程序或指令被处理器执行时实现上述方法的步骤。

14、根据本技术的实施例，能够将目标用户在连续时间窗口内的动态变化信息与稳定属性信息分别编码，并基于各时间步的时序状态表示生成融合门控向量，以动态控制静态状态表示在对应时间步的注入强度。相比于将时序特征和静态特征简单拼接或以固定权重融合的方式，本技术的实施例能够根据不同时序状态自适应调节稳定属性信息的作用程度，使静态状态表示在不同时间步中以不同强度参与融合处理，从而更准确地刻画用户动态变化信息与稳定属性信息之间的条件依赖关系。由此得到的融合状态序列既保留了用户状态随时间变化的演化特征，又引入了与当前时序上下文相匹配的稳定属性约束或补充信息，进而提高目标用户状态表征的准确性和状态评估结果的稳定性，有助于提升营销服务适配、资源配置参考或状态等级判定等应用结果的可靠性。