[發(fā)明專利]句子級(jí)用戶畫像生成方法、裝置及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110171840.4
• 申請(qǐng)日: 2021-02-08
• 公開（公告）號(hào): CN112989038B
• 公開（公告）日: 2022-06-21
• 發(fā)明（設(shè)計(jì)）人: 徐濤
• 申請(qǐng)（專利權(quán)）人: 浙江連信科技有限公司
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F16/33;G06F40/289;G06F17/16
• 代理公司: 北京知果之信知識(shí)產(chǎn)權(quán)代理有限公司 11541
• 代理人: 卜榮麗;李志剛

本發(fā)明提供一種句子級(jí)用戶畫像生成方法、裝置及存儲(chǔ)介質(zhì)，包括：接收會(huì)話語(yǔ)料，基于爬蟲系統(tǒng)對(duì)所述會(huì)話語(yǔ)料進(jìn)行處理獲取目標(biāo)語(yǔ)料，其中目標(biāo)語(yǔ)料包括一個(gè)或多個(gè)文本；對(duì)文本進(jìn)行分詞處理，獲得每個(gè)文本分詞的詞向量，基于每個(gè)文本分詞的詞向量生成該文本的句向量；將句向量轉(zhuǎn)換為矩陣得到句矩陣，將句矩陣與句矩陣的轉(zhuǎn)置矩陣相乘得到交叉矩陣；基于TextRank算法對(duì)交叉矩陣進(jìn)行概率轉(zhuǎn)移矩陣圖分解，生成句子級(jí)用戶畫像。本發(fā)明能夠?qū)τ脩舢嬕跃渥拥男问竭M(jìn)行個(gè)體化、具體化、形象化等特征的描述。填補(bǔ)了詞級(jí)、大顆粒的群體標(biāo)簽對(duì)個(gè)體用戶心理畫像描述的缺失，通過(guò)人機(jī)會(huì)話的語(yǔ)料，實(shí)現(xiàn)對(duì)個(gè)體的心理訴求進(jìn)行畫像，細(xì)顆粒表示了個(gè)體用戶的訴求標(biāo)簽。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)，尤其涉及一種句子級(jí)用戶畫像生成方法、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)

關(guān)鍵詞標(biāo)簽，主要用于精準(zhǔn)營(yíng)銷、分發(fā)推送到真實(shí)目標(biāo)用戶群，是對(duì)群體特征的高度聚類、抽象后的一種標(biāo)注描述，在該群中的所有個(gè)體用戶繼承了集體的一般、普遍、大眾化的特征。然而，以識(shí)別細(xì)分群體為目標(biāo)的關(guān)鍵詞標(biāo)簽，缺失了用戶個(gè)體化、具體化、形象化的特征表達(dá)。

以在商品購(gòu)物、內(nèi)容閱讀、服務(wù)消費(fèi)場(chǎng)等場(chǎng)為例，用戶畫像主要使用關(guān)鍵詞標(biāo)簽的語(yǔ)義關(guān)鍵詞來(lái)標(biāo)注目標(biāo)群體，是一種詞級(jí)的用戶畫像特征描述。但是其無(wú)法進(jìn)行句子級(jí)、連續(xù)可讀的自動(dòng)生成個(gè)體用戶心理畫像描述，進(jìn)而無(wú)法對(duì)用戶個(gè)體化、具體化、形象化等特征進(jìn)行表達(dá)。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種句子級(jí)用戶畫像生成方法、裝置及存儲(chǔ)介質(zhì)，能夠?qū)τ脩舢嬕跃渥拥男问竭M(jìn)行個(gè)體化、具體化、形象化等特征的描述。

本發(fā)明實(shí)施例的第一方面，提供一種句子級(jí)用戶畫像生成方法，包括：

接收會(huì)話語(yǔ)料，基于爬蟲系統(tǒng)對(duì)所述會(huì)話語(yǔ)料進(jìn)行處理獲取目標(biāo)語(yǔ)料，其中所述目標(biāo)語(yǔ)料包括一個(gè)或多個(gè)文本；

對(duì)所述一個(gè)或多個(gè)文本進(jìn)行分詞處理，獲得每個(gè)文本分詞的詞向量，基于所述每個(gè)文本分詞的詞向量生成該文本的句向量；

將所述句向量轉(zhuǎn)換為矩陣得到句矩陣，將所述句矩陣與所述句矩陣的轉(zhuǎn)置矩陣相乘得到交叉矩陣；

基于TextRank算法對(duì)所述交叉矩陣進(jìn)行概率轉(zhuǎn)移矩陣圖分解，生成句子級(jí)用戶畫像。

可選地，在第一方面的一種可能實(shí)現(xiàn)方式中，所述接收會(huì)話語(yǔ)料包括：

從人機(jī)會(huì)話系統(tǒng)中抽取出用戶留存的對(duì)話語(yǔ)料和\或短文本；

所述基于爬蟲系統(tǒng)對(duì)所述會(huì)話語(yǔ)料進(jìn)行處理獲取目標(biāo)語(yǔ)料包括：

搜索引擎爬蟲將對(duì)話語(yǔ)料和\或短文本發(fā)送給開放搜索引擎，所述基于所述對(duì)話語(yǔ)料和\或短文本進(jìn)行查詢得到搜索結(jié)果；

將所述搜索結(jié)果中的標(biāo)題文本和\或摘要文本作為目標(biāo)語(yǔ)料。

可選地，在第一方面的一種可能實(shí)現(xiàn)方式中，所述對(duì)所述一個(gè)或多個(gè)文本進(jìn)行分詞處理，獲得每個(gè)文本分詞的詞向量包括：

基于開源分詞工具將對(duì)文本進(jìn)行分詞處理，并轉(zhuǎn)化為詞向量表示；

基于所述每個(gè)文本分詞的詞向量生成該文本的句向量包括：

將一個(gè)句子中的詞向量相加除以單詞的數(shù)量得到一個(gè)加權(quán)平均向量，所述加權(quán)平均向量為句向量。

可選地，在第一方面的一種可能實(shí)現(xiàn)方式中，將所述句向量轉(zhuǎn)換為矩陣得到句矩陣，將所述句矩陣與所述句矩陣的轉(zhuǎn)置矩陣相乘得到交叉矩陣；

計(jì)算句矩陣和其轉(zhuǎn)置矩陣中句向量的點(diǎn)積，得到語(yǔ)義相似度的分?jǐn)?shù)矩陣，所述分?jǐn)?shù)矩陣為交叉矩陣。

可選地，在第一方面的一種可能實(shí)現(xiàn)方式中，所述基于TextRank算法對(duì)所述交叉矩陣進(jìn)行概率轉(zhuǎn)移矩陣圖分解，生成句子級(jí)用戶畫像包括：