[發明專利]基于深度學習的用戶畫像優化方法、裝置及存儲介質

有效

• 申請號: 202110288085.8
• 申請日: 2021-03-17
• 公開（公告）號: CN112667714B
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 樊鵬
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/2457;G06F16/28;G06F16/27;G06N3/04;G06N3/08
• 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: 王仲凱

1.一種基于深度學習的用戶畫像優化方法，其特征在于，包括：

獲取目標用戶的初級用戶畫像，其中，所述初級用戶畫像包括用戶基礎信息、設備基礎信息以及地理位置信息中的至少一種，所述用戶基礎信息表示用戶相關的信息，所述設備基礎信息表示終端設備相關的信息，所述地理位置信息表示用戶的位置信息；

獲取所述目標用戶在預設時段內的交互行為信息，其中，所述交互行為信息包括興趣點信息、接入點軌跡信息、應用流量信息以及應用時間信息中的至少一種，所述接入點軌跡信息表示所述終端設備的接入順序；

根據所述初級用戶畫像生成第一特征向量；

根據所述交互行為信息生成第二特征向量；

對所述第一特征向量與所述第二特征向量進行拼接處理，以得到所述目標特征向量；

調用用戶畫像優化模型對所述目標特征向量進行用戶畫像優化處理，以輸出所述目標用戶所對應的優化用戶畫像；

所述調用用戶畫像優化模型對所述目標特征向量進行用戶畫像優化處理，以輸出所述目標用戶所對應的優化用戶畫像，包括：

調用所述用戶畫像優化模型所包括的嵌入層對所述目標特征向量進行嵌入特征向量提取處理，得到M個嵌入特征向量，其中，所述M個嵌入特征向量中的每個嵌入特征向量具有相等的維度數，所述M為大于1的整數；

調用所述用戶畫像優化模型所包括的交互層對所述M個嵌入特征向量進行注意力特征向量提取處理，得到M個注意力特征向量；

調用所述用戶畫像優化模型所包括的殘差網絡對所述M個注意力特征向量進行殘差特征向量提取處理，得到M個殘差特征向量；

調用所述用戶畫像優化模型所包括的輸出層對所述M個殘差特征向量進行概率分布計算處理，得到目標概率分布；

根據所述目標概率分布確定所述目標用戶所對應的優化用戶畫像。

2.根據權利要求1所述的用戶畫像優化方法，其特征在于，所述獲取目標用戶的初級用戶畫像之前，所述方法還包括：

接收所述終端設備發送的業務請求，其中，所述業務請求攜帶所述目標用戶的標識；

所述獲取目標用戶的初級用戶畫像，包括：

根據所述業務請求，從第一數據庫中獲取所述目標用戶的所述初級用戶畫像，其中，所述第一數據庫用于存儲至少一個用戶所對應的初級用戶畫像；

所述獲取所述目標用戶在預設時段內的交互行為信息，包括：

根據所述業務請求，從第二數據庫中獲取所述目標用戶在所述預設時段內的所述交互行為信息，其中，所述第二數據庫用于存儲至少一個用戶在不同時間窗口以及時間段內的交互行為信息。

3.根據權利要求1所述的用戶畫像優化方法，其特征在于，所述初級用戶畫像包括所述用戶基礎信息、所述設備基礎信息以及所述地理位置信息，所述用戶基礎信息包括至少一類畫像屬性標簽，所述設備基礎信息包括至少一類設備屬性標簽，所述地理位置信息包括至少一類位置屬性標簽；

所述根據所述初級用戶畫像生成所述第一特征向量，包括：

針對于所述初級用戶畫像中的每類畫像屬性標簽，對所述每類畫像屬性標簽所對應的屬性內容進行獨熱編碼，以得到所述每類畫像屬性標簽的獨熱編碼向量，其中，所述每類畫像屬性標簽的獨熱編碼向量包含于所述第一特征向量；

針對于所述初級用戶畫像中的每類設備屬性標簽，對所述每類設備屬性標簽所對應的屬性內容進行獨熱編碼，以得到所述每類設備屬性標簽的獨熱編碼向量，其中，所述每類設備屬性標簽的獨熱編碼向量包含于所述第一特征向量；

針對于所述初級用戶畫像中的每類位置屬性標簽，對所述每類位置屬性標簽所對應的屬性內容進行獨熱編碼，以得到所述每類位置屬性標簽的獨熱編碼向量，其中，所述每類位置屬性標簽的獨熱編碼向量包含于所述第一特征向量。

4.根據權利要求1所述的用戶畫像優化方法，其特征在于，所述設備基礎信息包括設備固定信息以及設備變量信息；

所述根據所述初級用戶畫像生成所述第一特征向量，包括：

對所述設備固定信息進行特征縮放處理，以得到已縮放特征，其中，所述已縮放特征包含于所述第一特征向量；

根據變量劃分規則確定所述設備變量信息所對應的合并編碼特征，其中，所述合并編碼特征包含于所述第一特征向量。