[發(fā)明專利]構(gòu)建用戶畫像標(biāo)簽的方法及其系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910816219.1
• 申請日: 2019-08-30
• 公開（公告）號: CN110674178B
• 公開（公告）日: 2023-09-05
• 發(fā)明（設(shè)計）人: 于興彬;溫億明
• 申請（專利權(quán)）人: 創(chuàng)新先進(jìn)技術(shù)有限公司
• 主分類號: G06F16/2457
• 分類號: G06F16/2457
• 代理公司: 北京國昊天誠知識產(chǎn)權(quán)代理有限公司 11315
• 代理人: 許振新;朱文杰

本申請公開了一種構(gòu)建用戶畫像標(biāo)簽的方法及其系統(tǒng)。該方法包括：獲取包括多個用戶特征的用戶特征庫；獲取被預(yù)先標(biāo)定用戶畫像標(biāo)簽的樣本數(shù)據(jù)的樣本集合，根據(jù)樣本集合中的樣本數(shù)據(jù)計算用戶特征的穩(wěn)定性指標(biāo)和有效性指標(biāo)；根據(jù)穩(wěn)定性指標(biāo)和有效性指標(biāo)從用戶特征庫中選擇N個用戶特征；使用樣本集合中樣本數(shù)據(jù)的N個用戶特征在機(jī)器學(xué)習(xí)模型中進(jìn)行有監(jiān)督訓(xùn)練；將非樣本數(shù)據(jù)的N個用戶特征輸入訓(xùn)練好的機(jī)器學(xué)習(xí)模型，機(jī)器學(xué)習(xí)模型輸出非樣本數(shù)據(jù)的用戶畫像標(biāo)簽。

技術(shù)領(lǐng)域

本說明書涉及大數(shù)據(jù)技術(shù)領(lǐng)域。

背景技術(shù)

用戶畫像是通過數(shù)據(jù)對用戶進(jìn)行精準(zhǔn)的刻畫，包括用戶的基本信息、社會屬性、行為信息、關(guān)系信息、地理位置信息等。一個用戶畫像包括多個用戶畫像標(biāo)簽(本說明書中有時簡稱為標(biāo)簽)。標(biāo)簽的例子包括：年齡段，性別，是否有房，是否有車，是否有孩子等。例如，一個用戶的用戶畫像可以包括以下標(biāo)簽：35-40歲、男性、有房、無車、有孩子。

用戶畫像是互聯(lián)網(wǎng)公司的基礎(chǔ)數(shù)據(jù)資產(chǎn)，是營銷、風(fēng)控等業(yè)務(wù)的數(shù)據(jù)底盤。用戶畫像一般包括成百上千的標(biāo)簽，傳統(tǒng)的用戶畫像標(biāo)簽通過人工一個一個開發(fā)，比較耗時耗力，如何批量快速構(gòu)建用戶畫像標(biāo)簽是互聯(lián)網(wǎng)公司面臨的重要問題。

發(fā)明內(nèi)容

本說明書提供了一種構(gòu)建用戶畫像標(biāo)簽的方法及其系統(tǒng)，可以批量自動地快速構(gòu)建用戶畫像標(biāo)簽。

本申請公開了一種構(gòu)建用戶畫像標(biāo)簽的方法，包括：

獲取包括多個用戶特征的用戶特征庫；

獲取被預(yù)先標(biāo)定用戶畫像標(biāo)簽的樣本數(shù)據(jù)的樣本集合，根據(jù)所述樣本集合中的樣本數(shù)據(jù)計算所述用戶特征的穩(wěn)定性指標(biāo)和有效性指標(biāo)；

根據(jù)所述穩(wěn)定性指標(biāo)和所述有效性指標(biāo)從所述用戶特征庫中選擇N個用戶特征，其中N為大于1的整數(shù)；

使用所述樣本集合中樣本數(shù)據(jù)的所述N個用戶特征在機(jī)器學(xué)習(xí)模型中進(jìn)行有監(jiān)督訓(xùn)練；

將非樣本數(shù)據(jù)的所述N個用戶特征輸入訓(xùn)練好的所述機(jī)器學(xué)習(xí)模型，所述機(jī)器學(xué)習(xí)模型輸出所述非樣本數(shù)據(jù)的用戶畫像標(biāo)簽。

在一個優(yōu)選例中，所述穩(wěn)定性指標(biāo)為群體穩(wěn)定性指標(biāo)，所述有效性指標(biāo)為信息價值。

在一個優(yōu)選例中，所述根據(jù)所述穩(wěn)定性指標(biāo)和所述有效性指標(biāo)從所述用戶特征庫中選擇N個用戶特征，進(jìn)一步包括：

從所述用戶特征庫的用戶特征中選擇群體穩(wěn)定性指標(biāo)值大于預(yù)定門限且信息價值的值排名前N的用戶特征。

在一個優(yōu)選例中，所述使用所述樣本集合中樣本數(shù)據(jù)的所述N個用戶特征在機(jī)器學(xué)習(xí)模型中進(jìn)行有監(jiān)督訓(xùn)練，包括：

預(yù)先為所述機(jī)器學(xué)習(xí)模型的至少一個超參數(shù)設(shè)置多個選項(xiàng)；

根據(jù)所述多個選項(xiàng)建立超參數(shù)不同的多個機(jī)器學(xué)習(xí)模型；

將所述樣本集合中樣本數(shù)據(jù)的所述N個用戶特征和標(biāo)簽分別輸入到所述多個機(jī)器學(xué)習(xí)模型中進(jìn)行有監(jiān)督訓(xùn)練；

從所述多個機(jī)器學(xué)習(xí)模型中選擇一個訓(xùn)練效果最好的，作為最終使用的機(jī)器學(xué)習(xí)模型。

在一個優(yōu)選例中，所述機(jī)器學(xué)習(xí)模型是包括以下任一：隨機(jī)森林模型、xgboost、lightGBM、深度神經(jīng)網(wǎng)絡(luò)模型。

在一個優(yōu)選例中，所述用戶特征庫中的用戶特征是根據(jù)歷史累積的業(yè)務(wù)數(shù)據(jù)預(yù)先構(gòu)建的通用用戶特征。

在一個優(yōu)選例中，構(gòu)建多個不同的用戶畫像標(biāo)簽時使用同一個所述用戶特征庫。

本申請還公開了一種構(gòu)建用戶畫像標(biāo)簽的系統(tǒng)包括：

存儲用戶特征庫的存儲器，該用戶特征庫包括多個用戶特征；