[發(fā)明專利]獲取用戶畫像的方法、裝置、服務(wù)器及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910645998.3
• 申請日: 2016-04-29
• 公開（公告）號: CN110378731B
• 公開（公告）日: 2021-04-20
• 發(fā)明（設(shè)計）人: 魯夢平
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 郝傳鑫;賈允

1.一種獲取用戶畫像的方法，其特征在于，所述方法包括：

根據(jù)多個用戶的用戶行為日志確定所述多個用戶對物品的行為類型，所述行為類型用于表征用戶對物品的喜好程度，所述行為類型包括對所述喜好程度呈正向影響的行為類型和對所述喜好程度呈負向影響的行為類型；

根據(jù)所述多個用戶的行為類型確定用戶物品矩陣，所述用戶物品矩陣中的每一元素表征一個用戶是否對一個物品執(zhí)行所述行為類型的行為；

基于所述多個用戶的行為類型和所述用戶物品矩陣，確定多個訓(xùn)練樣本，所述訓(xùn)練樣本表征用戶對第一物品與第二物品的喜好程度的差異；

根據(jù)所述多個訓(xùn)練樣本，采用數(shù)據(jù)擬合模型修正初始化的所述多個用戶的用戶參數(shù)矩陣和初始化的標簽參數(shù)矩陣，得到最終的用戶參數(shù)矩陣和最終的標簽參數(shù)矩陣，所述用戶參數(shù)矩陣包括所述多個用戶的用戶特征向量；所述標簽參數(shù)矩陣包括所述多個用戶的用戶行為日志對應(yīng)的物品所具有的物品屬性的特征向量；

基于所述最終的用戶參數(shù)矩陣和最終的標簽參數(shù)矩陣，確定用戶畫像矩陣，所述用戶畫像矩陣表征多個用戶對物品屬性的喜好程度。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述多個訓(xùn)練樣本，采用數(shù)據(jù)擬合模型修正初始化的所述多個用戶的用戶參數(shù)矩陣和初始化的標簽參數(shù)矩陣，得到最終的用戶參數(shù)矩陣和最終的標簽參數(shù)矩陣包括：

生成初始化的用戶參數(shù)矩陣和初始化的標簽參數(shù)矩陣；

基于所述初始化的用戶參數(shù)矩陣和所述初始化的標簽參數(shù)矩陣，確定所述用戶對每個物品屬性的初始喜好程度；

基于所述初始喜好程度以及物品標簽矩陣，確定所述用戶對每個物品的初始喜好程度，物品標簽矩陣是根據(jù)用戶行為日志中攜帶的物品標識和物品標簽得到的矩陣；

基于所述用戶對每個物品的初始喜好程度，確定每個訓(xùn)練樣本對應(yīng)的用戶對第一物品的喜好程度大于用戶對第二物品的喜好程度的概率；

將所述概率輸入數(shù)據(jù)擬合模型中進行數(shù)據(jù)擬合，得到輸出結(jié)果，所述輸出結(jié)果包括當前用戶參數(shù)矩陣和當前標簽參數(shù)矩陣；

當所述輸出結(jié)果符合預(yù)設(shè)條件時，將所述當前用戶參數(shù)矩陣和所述當前標簽參數(shù)矩陣作為所述最終的用戶參數(shù)矩陣和最終的標簽參數(shù)矩陣。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述多個訓(xùn)練樣本，采用數(shù)據(jù)擬合模型修正初始化的所述多個用戶的用戶參數(shù)矩陣和初始化的標簽參數(shù)矩陣，得到最終的用戶參數(shù)矩陣和最終的標簽參數(shù)矩陣還包括：

當所述輸出結(jié)果不符合預(yù)設(shè)條件時，將所述當前用戶參數(shù)矩陣和所述當前標簽參數(shù)矩陣分別作為初始化的用戶參數(shù)矩陣和初始化的標簽參數(shù)矩陣；

重復(fù)上述確定所述用戶對每個物品屬性的初始喜好程度至進行數(shù)據(jù)擬合的步驟。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述數(shù)據(jù)擬合模型為：

其中，λ_W、λ_H和λ_S是用于防止過擬合的正則化參數(shù)，λ_W、λ_H和λ_S為正實數(shù)，||·||表示矩陣的二范數(shù)，D_s表示所述多個訓(xùn)練樣本u，i，j的集合，u表示第u個用戶，i表示第i個第一物品，j表示第j個第二物品；

表示第u個用戶對第i個第一物品的喜好程度大于對第j個第二物品的喜好程度的概率；表示第u個用戶對第i個第一物品的喜好程度與對第j個第二物品的喜好程度的差值；N_u表示第u個用戶的關(guān)聯(lián)用戶集合，S_uv是所述多個用戶的用戶相似度矩陣中第u行第v列的元素，S_uv表示所述第u個用戶u和第v個用戶之間的相似度；W_u表示用戶參數(shù)矩陣中第u行對應(yīng)的行向量，W_v表示用戶參數(shù)矩陣中第v行對應(yīng)的行向量；H表示標簽參數(shù)矩陣。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述方法還包括：

獲取所述多個用戶中的每一個用戶的社交網(wǎng)絡(luò)信息；

根據(jù)所述多個用戶的社交網(wǎng)絡(luò)信息，生成所述多個用戶的用戶相似度矩陣。