[發明專利]一種基于用戶畫像的物品推薦方法和裝置

在審

• 申請號: 202011264500.8
• 申請日: 2020-11-12
• 公開（公告）號: CN113763093A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 陳伯梁
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06K9/62;G06N20/00
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 張一軍;李陽

本發明公開了基于用戶畫像的物品推薦方法和裝置，涉及計算機技術領域。該方法的一具體實施方式包括接收用戶行為數據和用戶屬性信息，通過特征工程轉換成待處理的用戶行為數據和待處理的用戶屬性信息；獲取當前標簽計算任務，判斷所述標簽計算任務是否屬于預測類任務，若是則調用預設的預測模型，若否則調用預設的統計規則模型；根據所述預測模型或所述統計規則模型，基于待處理的用戶行為數據和待處理的用戶屬性信息得到用戶畫像，進而根據用戶畫像向該用戶推送物品信息。從而，本發明的實施方式能夠解決現有精準度低的用戶畫像所造成的營銷活動效率不高的問題。

技術領域

本發明涉及計算機技術領域，尤其涉及一種基于用戶畫像的物品推薦方法和裝置。

背景技術

用戶畫像是電商作營銷活動，個性化推薦，基礎數據服務等的關鍵。只有實時的獲取精準用戶畫像標簽，才能在最短的時間內，以最少的成本爭搶到質量最優，最精準的用戶群體，進而作各種營銷推廣等活動，促進獲客、留客。其中，用戶畫像為注冊成功的用戶ID所包括的一系列數據信息(例如購物信息、個人信息等)，是一個虛擬的數據集合體。

在實現本發明過程中，發明人發現現有技術中至少存在如下問題：

針對用戶畫像建模來說，現有的技術方案通常是利用大數據平臺來存儲用戶購物等數據，然后通過人工分析并建模的方式來分類用戶群體數據。傳統的用戶畫像需要有打標數據，但現實是大多畫像標簽的打標數據不好獲得，或者獲取成本非常大，或者準確度低甚至于被視為噪聲數據，即傳統的用戶畫像只能處理單一業務場景(具有標簽數據)的用戶數據。因此，基于傳統方式處理后的用戶畫像，進行用戶推薦的效率不高、精準度低，用戶體驗也不好。

發明內容

有鑒于此，本發明實施例提供一種基于用戶畫像的物品推薦方法和裝置，能夠解決現有精準度低的用戶畫像所造成的營銷活動效率不高的問題。

為實現上述目的，根據本發明實施例的一個方面，提供了一種基于用戶畫像的物品推薦方法，包括接收用戶行為數據和用戶屬性信息，通過特征工程轉換成待處理的用戶行為數據和待處理的用戶屬性信息；獲取當前標簽計算任務，判斷所述標簽計算任務是否屬于預測類任務，若是則調用預設的預測模型，若否則調用預設的統計規則模型；根據所述預測模型或所述統計規則模型，基于待處理的用戶行為數據和待處理的用戶屬性信息得到用戶畫像，進而根據用戶畫像向該用戶推送物品信息。

可選地，接收用戶行為數據，包括

根據預設的數據數量和數據格式，獲取不同類目下的用戶行為數據。

可選地，接收用戶行為數據和用戶屬性信息之后，包括：

調用預處理模型，對用戶行為數據和用戶屬性信息進行預處理。

可選地，根據所述預測模型，基于待處理的用戶行為數據和待處理的用戶屬性信息得到用戶畫像，包括：

基于待處理的用戶行為數據和待處理的用戶屬性信息，通過Actor網絡梯度融合的DDPG算法模型計算得到用戶畫像。

可選地，所述Actor網絡梯度融合的DDPG算法模型，包括：

將通過預設的監督學習模型計算得到的交叉熵損失值加入到DDPG算法的Actor中，評估Actor的輸出值。

可選地，根據所述統計規則模型，基于待處理的用戶行為數據和待處理的用戶屬性信息得到用戶畫像，包括：

獲取預設的深度強化學習模型和業務規則模型，通過待處理的用戶行為數據和待處理的用戶屬性信息分別得到相應的第一用戶畫像和第二用戶畫像；

根據目標運營效果指標，確定第一用戶畫像和第二用戶畫像的權重，以將第一用戶畫像和第二用戶畫像融合得到最終用戶畫像。

可選地，包括：