[發明專利]用戶畫像方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202010345625.7
• 申請日: 2020-04-27
• 公開（公告）號: CN111597348A
• 公開（公告）日: 2020-08-28
• 發明（設計）人: 孔清揚;吳滿芳
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06F16/27;G06F16/35;G06K9/62;G06N3/02
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 王寧

1.一種用戶畫像方法，所述方法包括：

獲取待分析的用戶數據；所述用戶數據包括數值變量和非數值變量；

利用實體嵌入的方式編碼各所述非數值變量，將各所述非數值變量從語義空間映射至對應的向量空間；

從所述向量空間中確定與所述非數值變量對應的連續向量；

對所述連續向量進行訓練，生成與各所述數值變量對應的代表向量；獲取基于業務場景預設的聚類范圍；

根據訓練后的K-means模型，對所述聚類范圍內的所述數值變量和所述代表向量進行窮舉聚類，生成多個用戶聚類結果；

計算各所述用戶聚類結果的輪廓系數，并確定最大輪廓系數的聚類結果為目標聚類結果；

根據所述目標聚類結果，得到對應的用戶畫像結果。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

獲取各所述非數值變量的出現頻次，并根據所述出現頻次從所述向量空間中確定各所述非數值變量對應的識別標識向量；

將各所述非數值變量對應的識別標識向量確定為原始K-means模型的實際標簽；

根據各所述實際標簽對所述原始K-means模型進行訓練，得到對應的訓練后的K-means模型。

3.根據權利要求1所述的方法，其特征在于，所述從所述向量空間中確定與所述非數值變量對應的連續向量，包括：

獲取經所述實體嵌入的方式編碼后的各所述非數值變量之間的間隔距離；

按照所述間隔距離的大小，將與各所述非數值變量鄰近的向量分配至與所述非數值變量對應的類別向量；

將與所述非數值變量鄰近的向量，確定為相應所述非數值變量對應的連續向量。

4.根據權利要求2所述的方法，其特征在于，所述根據訓練后的K-means模型，對所述聚類范圍內的所述數值變量和所述代表向量進行窮舉聚類，生成多個用戶聚類結果，包括：

根據各所述實際標簽，分別確定對應的數值變量和代表向量；所述數值變量和代表向量處于所述聚類范圍；

將對應所述數值變量和所述代表向量，輸入與所述實際標簽對應的訓練后的K-means模型；

分別獲取各所述訓練后的K-means模型輸出的用戶聚類結果，其中，所述用戶聚類結果存儲在區塊鏈中。

5.根據權利要求1所述的方法，其特征在于，所述計算各所述用戶聚類結果的輪廓系數，并確定最大輪廓系數的聚類結果為目標聚類結果，包括：

從所述用戶數據中選取任一數據樣本，確定為第一樣本；

獲取所述第一樣本所在同簇的其他數據樣本，并計算所述第一樣本至同簇內其他數據樣本間的平均距離，確定為所述第一樣本的簇內不相似度；

從所述用戶數據中選取任一簇，確定為目標簇，并獲取所述目標簇內的所有數據樣本；

計算所述第一樣本至所述目標簇內的所有數據樣本的平均距離，確定為所述第一樣本的簇間不相似度；

根據所述簇內不相似度和所述簇間不相似度，計算所述第一樣本的輪廓系數；

返回從所述用戶數據中選取任一數據樣本，確定為第一樣本的步驟，直至確定最大輪廓系數的聚類結果，根據所述得到最大輪廓系數的聚類結果目標聚類結果。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：采用以下公式計算所述第一樣本的輪廓系數：

其中，s(i)為所述第一樣本的輪廓系數，a(i)為所述第一樣本的簇內不相似度，b(i)為所述第一樣本的簇間不相似度；當所述s(i)接近1時，表明所述第一樣本聚類合理，當所述s(i)接近-1時或0時，表明所述第一樣本聚類不合理。

7.根據權利要求1所述的方法，其特征在于，在所述獲取待分析的用戶數據之前，所述方法還包括：

采集各個用戶的屬性數據和消費行為數據，生成數據樣本集；

對所述數據樣本集內各樣本數據進行數據類型識別，確定各所述樣本數據所屬的數據類型；

分別對不同數據類型的所述樣本數據進行數據預處理，生成待分析的用戶數據。