[發(fā)明專利]一種融合多種測評結(jié)果構(gòu)建用戶畫像的方法、裝置、介質(zhì)在審
| 申請?zhí)枺?/td> | 202011382050.2 | 申請日: | 2020-11-30 |
| 公開(公告)號: | CN112396497A | 公開(公告)日: | 2021-02-23 |
| 發(fā)明(設(shè)計)人: | 王榮波;謝一敏;諶志群;黃孝喜 | 申請(專利權(quán))人: | 紹興達(dá)道生涯教育信息咨詢有限公司;杭州電子科技大學(xué) |
| 主分類號: | G06Q30/06 | 分類號: | G06Q30/06;G06K9/62 |
| 代理公司: | 杭州求是專利事務(wù)所有限公司 33200 | 代理人: | 傅朝棟;張法高 |
| 地址: | 312399 浙江省紹興市上虞區(qū)曹娥*** | 國省代碼: | 浙江;33 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 融合 多種 測評 結(jié)果 構(gòu)建 用戶 畫像 方法 裝置 介質(zhì) | ||
1.一種融合多種測評結(jié)果構(gòu)建用戶畫像的方法,其特征在于,包括如下步驟:
S1、獲取用戶畫像的標(biāo)簽體系,所述標(biāo)簽體系中包含若干畫像類別,每個畫像類別中包含若干用于描繪用戶在該畫像類別中所屬類型的畫像標(biāo)簽;
S2、獲取評測對象參與的若干個自我測評結(jié)果數(shù)據(jù)集,每個自我測評結(jié)果數(shù)據(jù)集中含有評測對象在不同屬性維度的屬性值;
S3、針對每個自我測評結(jié)果數(shù)據(jù)集,計算每個屬性維度的分值在所有屬性維度的總分值中的占比值,以該占比值作為每個屬性維度的歸一化得分;
S4、獲取所有自我測評結(jié)果數(shù)據(jù)集中的每個屬性維度與所述標(biāo)簽體系中的每個畫像標(biāo)簽之間的相關(guān)度;
S5、對于所述標(biāo)簽體系中中的任一畫像類別,以每個屬性維度的歸一化得分為基數(shù),以該屬性維度與該畫像類別中每個畫像標(biāo)簽之間的相關(guān)度作為權(quán)值,計算得到每個屬性維度下每個畫像標(biāo)簽的加權(quán)得分,以所有屬性維度下同一畫像標(biāo)簽的加權(quán)得分總和最大的畫像標(biāo)簽作為該畫像類別的用戶畫像標(biāo)簽;獲得所有畫像類別的用戶畫像標(biāo)簽后,以所有畫像類別的用戶畫像標(biāo)簽生成評測對象的用戶畫像。
2.根據(jù)權(quán)利要求1所述的融合多種測評結(jié)果構(gòu)建用戶畫像的方法,其特征在于,所述的自我測評結(jié)果數(shù)據(jù)集來源于三種測評結(jié)果數(shù)據(jù),分別為MBTI測評、多元智能測評和性格色彩測評。
3.根據(jù)權(quán)利要求1所述的融合多種測評結(jié)果構(gòu)建用戶畫像的方法,其特征在于,所述用戶畫像的標(biāo)簽體系中,畫像類別包括:
專業(yè)性格類別,其中畫像標(biāo)簽包括研究型、社會型、藝術(shù)型、事務(wù)型、經(jīng)營型;
能力類別,其中畫像標(biāo)簽包括語言能力、動手能力、運(yùn)動能力、思維能力、記憶能力、合作能力;
性格類別,其中畫像標(biāo)簽包括理智型、情緒型、意志型;
獨(dú)立類別,其中畫像標(biāo)簽包括獨(dú)立型、順從型;
行為類別,其中畫像標(biāo)簽包括積極、較積極、較消極、消極;
情感類別,其中畫像標(biāo)簽包括熱情、平易、冷漠、冷淡;以及
精神類別,其中畫像標(biāo)簽包括堅韌、堅強(qiáng)、脆弱、懦弱。
4.根據(jù)權(quán)利要求1所述的的融合多種測評結(jié)果構(gòu)建用戶畫像的方法,其特征在于,所述占比值采用如下公式計算:
其中,xab代表自我測評結(jié)果數(shù)據(jù)集a中的屬性維度b,V(xab)代表自我測評結(jié)果數(shù)據(jù)集a中的屬性維度b的分值,Ca代表自我測評結(jié)果數(shù)據(jù)集a中的所有屬性維度集合;P(xab)代表屬性維度b的分值在自我測評結(jié)果數(shù)據(jù)集a內(nèi)所有屬性維度的總分值中的占比值。
5.根據(jù)權(quán)利要求4所述的的融合多種測評結(jié)果構(gòu)建用戶畫像的方法,其特征在于,對于所述標(biāo)簽體系中中的任一畫像類別,首先計算該畫像類別中生成的用戶畫像標(biāo)簽為畫像標(biāo)簽j的概率值,計算公式如下:
其中,P(Tij|X)為預(yù)測畫像類別i中生成的用戶畫像標(biāo)簽為畫像標(biāo)簽j的概率值,P(xab|Tij)代表自我測評結(jié)果數(shù)據(jù)集a中的屬性維度b與畫像類別i中的畫像標(biāo)簽j之間的相關(guān)度;Ti代表畫像類別i中的所有畫像標(biāo)簽集合;X為所有自我測評結(jié)果數(shù)據(jù)集的集合,N為X中自我測評結(jié)果數(shù)據(jù)集的個數(shù);
然后選取畫像類別i中標(biāo)簽中概率值P(Tij|X)最大的畫像標(biāo)簽,作為畫像類別i的用戶畫像標(biāo)簽。
6.根據(jù)權(quán)利要求5所述的融合多種測評結(jié)果構(gòu)建用戶畫像的方法,其特征在于,集合X={C1,C2,C3},C1為MBTI測評結(jié)果數(shù)據(jù)集,C2為多元智能測評結(jié)果數(shù)據(jù)集,C3為性格色彩測評結(jié)果數(shù)據(jù)集,N=3。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于紹興達(dá)道生涯教育信息咨詢有限公司;杭州電子科技大學(xué),未經(jīng)紹興達(dá)道生涯教育信息咨詢有限公司;杭州電子科技大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011382050.2/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類





