[發明專利]一種用戶畫像構建的方法、信息推薦的方法以及相關裝置

在審

• 申請號: 202010915739.0
• 申請日: 2020-09-03
• 公開（公告）號: CN114201516A
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 王業全;馬肸;李響;王瑤;王愛華;魏望;孫明月;李霄睿
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/2457
• 分類號: G06F16/2457;G06F16/2458;G06K9/62
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 李杭

1.一種用戶畫像構建的方法，其特征在于，包括：

獲取目標用戶的目標屬性標簽，其中，所述目標用戶對應于目標用戶標識；

根據所述目標屬性標簽獲取M個信息類別所對應的關聯信息，其中，所述M個信息類別所對應的關聯信息包括文本類別所對應的文本信息、圖像類別所對應的圖像信息以及視頻類別所對應的視頻信息中的至少一種，所述M為大于或等于1的整數；

基于所述M個信息類別所對應的關聯信息以及所述目標屬性標簽，通過情感預測模型獲取目標情感分類標簽，其中，所述目標情感分類標簽用于表示所述目標用戶針對于所述目標屬性標簽的情感傾向程度；

根據所述目標屬性標簽、所述目標用戶標識以及所述目標情感分類標簽，構建所述目標用戶所對應的用戶畫像。

2.根據權利要求1所述的方法。其特征在于，所述根據所述目標屬性標簽獲取M個信息類別所對應的關聯信息，包括：

根據所述目標屬性標簽獲取所述文本類別所對應的文本信息，其中，所述文本類別屬于所述M個信息類別中的一個信息類別；

所述基于所述M個信息類別所對應的關聯信息以及所述目標屬性標簽，通過情感預測模型獲取目標情感分類標簽，包括：

基于所述文本信息，通過所述情感預測模型所包括的文本編碼器獲取文本特征向量；

基于所述目標屬性標簽，通過所述情感預測模型所包括的標簽編碼器獲取標簽特征向量；

基于所述文本特征向量以及所述標簽特征向量，通過所述情感預測模型所包括的全連接網絡獲取情感分類向量，其中，所述情感分類向量包括至少N個概率值，每個概率值對應于一個情感分類標簽，所述N為大于1的整數；

根據所述情感分類向量，從N個情感分類標簽中確定所述目標情感分類標簽。

3.根據權利要求2所述的方法。其特征在于，所述基于所述文本特征向量以及所述標簽特征向量，通過所述情感預測模型所包括的全連接網絡獲取情感分類向量，包括：

基于所述文本特征向量以及所述標簽特征向量，通過所述情感預測模型所包括的文本注意力網絡獲取第一特征向量；

基于所述第一特征向量，通過所述情感預測模型所包括的所述全連接網絡獲取所述情感分類向量。

4.根據權利要求1所述的方法。其特征在于，所述根據所述目標屬性標簽獲取M個信息類別所對應的關聯信息，包括：

根據所述目標屬性標簽獲取所述圖像類別所對應的圖像信息，其中，所述圖像類別屬于所述M個信息類別中的一個信息類別；

所述基于所述M個信息類別所對應的關聯信息以及所述目標屬性標簽，通過情感預測模型獲取目標情感分類標簽，包括：

基于所述圖像信息，通過所述情感預測模型所包括的圖像編碼器獲取圖像特征向量；

基于所述目標屬性標簽，通過所述情感預測模型所包括的標簽編碼器獲取標簽特征向量；

基于所述圖像特征向量以及所述標簽特征向量，通過所述情感預測模型所包括的全連接網絡獲取情感分類向量，其中，所述情感分類向量包括至少N個概率值，每個概率值對應于一個情感分類標簽，所述N為大于1的整數；

根據所述情感分類向量，從N個情感分類標簽中確定所述目標情感分類標簽。

5.根據權利要求4所述的方法。其特征在于，所述基于所述圖像特征向量以及所述標簽特征向量，通過所述情感預測模型所包括的全連接網絡獲取情感分類向量，包括：

基于所述圖像特征向量以及所述標簽特征向量，通過所述情感預測模型所包括的圖像注意力網絡獲取第二特征向量；

基于是第二特征向量，通過所述情感預測模型所包括的所述全連接網絡獲取所述情感分類向量。