[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

本申請公開了一種基于深度學習實現的用戶畫像優化方法，獲取目標用戶的初級用戶畫像；獲取目標用戶在預設時段內的交互行為信息；根據初級用戶畫像生成第一特征向量；根據交互行為信息生成第二特征向量；對第一特征向量與第二特征向量進行拼接處理，以得到目標特征向量；調用用戶畫像優化模型對目標特征向量進行用戶畫像優化處理，以輸出目標用戶所對應的優化用戶畫像。本申請還提供了相關裝置、設備及介質。本申請結合初級用戶畫像以及用戶在預設時段內的交互行為信息，挖掘出更多的用戶行為特征和用戶基本特征，利用深度學習模型學習這些特征之間的關聯，從而有利于預測得到更準確的用戶畫像。

技術領域

本申請涉及人工智能領域，尤其涉及基于深度學習的用戶畫像優化方法、裝置及存儲介質。

背景技術

用戶行為的分析和建模在社會研究中具有重要意義，無處不在的計算和通信技術使得人們能夠大規模的訪問和共享信息。而信息的分享和通知功能，允許用戶和其他成員之間保持聯系，而這些信息也幫助用戶形成顯性和隱性的組織。

一個組織對應于一個級別信息，以家庭組織為例，家庭組織對應的家庭級別信息包括“1人”，“2至3人”，“3至5人”，以及“5人以上”。目前，可采用人工經驗的方法確定級別信息，即根據業務經驗和個人基礎畫像設定的識別規則，例如，認為年齡在20至24歲的用戶，其對應的家庭級別信息為“3至5人”。

然而，基于人工經驗確定級別信息的規則，不僅能夠使用的規則數量非常有限，而且無法捕捉規則之間交叉的高維特征信息，例如，特征A是“女性”，特征B是“20至25歲”，但無法根據特征A和特征B確定“年輕女性”這一特征，也無法確定每個規則的最優參數，從而導致組織級別的預測結果并不準確。

發明內容

本申請實施例提供了基于深度學習的用戶畫像優化方法、裝置及存儲介質，結合初級用戶畫像以及用戶在預設時段內的交互行為信息，能夠挖掘出更多的用戶行為特征和用戶基本特征，再利用深度學習模型學習這些特征之間的關聯，從而有利于預測得到更準確的用戶畫像。

有鑒于此，本申請一方面提供一種基于深度學習的用戶畫像優化方法，包括：

獲取目標用戶的初級用戶畫像，其中，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，用戶基礎信息表示用戶相關的信息，設備基礎信息表示終端設備相關的信息，地理位置信息表示用戶的位置信息；

獲取目標用戶在預設時段內的交互行為信息，其中，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，接入點軌跡信息表示終端設備的接入順序；

根據初級用戶畫像以及交互行為信息，生成目標特征向量，其中，目標特征向量是由第一特征向量以及第二特征向量拼接后得到的，第一特征向量為基于初級用戶畫像生成的，第二特征向量為基于交互行為信息生成的；

調用用戶畫像優化模型對目標特征向量進行用戶畫像優化處理，以輸出目標用戶所對應的優化用戶畫像。

本申請另一方面提供一種用戶畫像優化裝置，包括：

獲取模塊，用于獲取目標用戶的初級用戶畫像，其中，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，用戶基礎信息表示用戶相關的信息，設備基礎信息表示終端設備相關的信息，地理位置信息表示用戶的位置信息；

獲取模塊，還用于獲取目標用戶在預設時段內的交互行為信息，其中，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，接入點軌跡信息表示終端設備的接入順序；

生成模塊，用于根據初級用戶畫像生成第一特征向量；

生成模塊，還用于根據交互行為信息生成第二特征向量；

生成模塊，還用于對第一特征向量與第二特征向量進行拼接處理，以得到目標特征向量；