[發明專利]用戶標簽生成方法、裝置、電子設備及可讀存儲介質

在審

• 申請號: 202010771309.6
• 申請日: 2020-08-04
• 公開（公告）號: CN111898026A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 文誼
• 申請（專利權）人: 廣州視源電子科技股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/335;G06F16/35;G06N3/04
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 宋興;臧建明

本申請提供一種用戶標簽生成方法、裝置、電子設備及可讀存儲介質，該方法包括：獲取目標用戶的操作信息隊列、所述目標用戶的統計信息以及所述目標用戶輸入的基礎信息，所述目標用戶的操作信息隊列中包括多個操作信息，每個操作信息分別用于表征所述目標用戶的操作行為；將所述操作信息隊列、所述目標用戶的統計信息以及所述目標用戶的輸入的基礎信息輸入目標生成模型，得到所述目標用戶的待選標簽；根據所述待選標簽，確定所述目標用戶的目標標簽。該方法使得輸出的用戶的標簽信息的準確性得到極大提升，還使得生成用戶的標簽信息的耗時降低，效率得到極大提升。

技術領域

本申請涉及計算機技術領域，尤其涉及一種用戶標簽生成方法、裝置、電子設備及可讀存儲介質。

背景技術

隨著移動互聯網技術的不斷發展，用戶可以通過移動終端使用各種應用程序(Application，簡稱APP)的各種功能。APP可以基于用戶填寫的標簽信息，為用戶進行精準的信息推送等。但是，部分用戶填寫的標簽信息可能并不準確或者不填寫信息，導致APP無法進行精準的信息推送。因此，如何正確定義用戶的標簽信息是亟待解決解決的問題。

現有技術中，可以利用機器學習模型或者聚類方式定義用戶的標簽信息。機器學習模型的方法中，將缺失標簽看作多分類問題，利用機器學習模型進行訓練并預測用戶的標簽。聚類方式中，利用聚類方法對缺失的用戶特征進行相似度聚類，確定與其最相似的類中，從而得到用戶的標簽。

但是，現有技術的方法存在耗時多、效率低下以及準確性不高的問題。

發明內容

本申請提供一種用戶標簽生成方法、裝置、電子設備及可讀存儲介質，用于解決現有技術生成標簽時耗時多、效率低下以及準確性不高的問題。

第一方面，本申請實施例提供一種用戶標簽生成方法，包括：

獲取目標用戶的操作信息隊列、所述目標用戶的統計信息以及所述目標用戶輸入的基礎信息，所述目標用戶的操作信息隊列中包括多個操作信息，每個操作信息分別用于表征所述目標用戶的操作行為；將所述操作信息隊列、所述目標用戶的統計信息以及所述目標用戶的輸入的基礎信息輸入目標生成模型，得到所述目標用戶的待選標簽；根據所述待選標簽，確定所述目標用戶的目標標簽。

作為一種可選的實現方式，所述獲取目標用戶的操作信息隊列、所述目標用戶的統計信息以及所述目標用戶輸入的基礎信息，包括：

若所述操作信息隊列對應的計數器的數值等于預設閾值，則獲取目標用戶的操作信息隊列、所述目標用戶的統計信息以及所述目標用戶輸入的基礎信息；其中，所述計數器的數值用于指示已進入所述操作信息隊列并且未輸入至所述目標生成模型的操作信息的數量。

作為一種可選的實現方式，所述目標生成模型包括多個子模型；所述將所述操作信息隊列、所述目標用戶的統計信息以及所述目標用戶的基礎信息輸入目標生成模型，得到所述目標用戶的待選標簽，包括：

將所述操作信息隊列、所述目標用戶的統計信息以及所述目標用戶的基礎信息分別輸入所述多個子模型中的各子模型，得到各子模型輸出的多個標簽；根據各子模型對應的權重以及所述各子模型輸出的多個標簽，得到所述目標用戶的待選標簽。

作為一種可選的實現方式，所述根據各子模型對應的權重以及所述各子模型輸出的多個標簽，得到所述目標用戶的待選標簽，包括：

分別確定各子模型對應的權重與所述各子模型輸出的多個標簽的乘積；將各子模型對應的權重與所述各子模型輸出的多個標簽的乘積相加，得到所述目標用戶的待選標簽。

作為一種可選的實現方式，所述根據所述待選標簽，確定所述目標用戶的目標標簽，包括：

根據所述待選標簽以及所述目標用戶輸入的標簽，確定所述目標用戶的目標標簽。