[發(fā)明專利]一種生成客戶畫像的方法、裝置及設備

在審

• 申請?zhí)枺?/td>: 202110603941.4
• 申請日: 2021-05-31
• 公開（公告）號: CN113344067A
• 公開（公告）日: 2021-09-03
• 發(fā)明（設計）人: 李瑾瑜;張寶華;徐祎;殷文莉
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q30/02;G06Q40/02;G06N20/00
• 代理公司: 北京三友知識產(chǎn)權代理有限公司 11127
• 代理人: 任默聞;王濤

1.一種生成客戶畫像的方法，其特征在于，包括：

獲取目標客戶在多種模態(tài)下的信息；

對每種模態(tài)下的信息進行轉(zhuǎn)換，獲得每種模態(tài)對應的特征信息；

根據(jù)多種模態(tài)下每種模態(tài)對應的特征信息，確定所述目標客戶的多模態(tài)數(shù)據(jù)關系網(wǎng)；

基于所述多模態(tài)數(shù)據(jù)關系網(wǎng)對多種模態(tài)下的信息進行融合，獲得所述目標客戶的融合特征信息；

根據(jù)所述融合特征信息和所述目標客戶的標簽信息，生成所述目標客戶的畫像。

2.根據(jù)權利要求1所述的方法，其特征在于，每種模態(tài)下至少包括一條信息；

所述對每種模態(tài)下的信息進行轉(zhuǎn)換，獲得每種模態(tài)對應的特征信息，包括：

獲取第一模態(tài)下的第一信息；

對所述第一信息進行轉(zhuǎn)換，獲得所述第一信息對應的初始數(shù)值向量；

根據(jù)所述初始數(shù)值向量，確定所述第一信息的位置向量；

根據(jù)所述初始數(shù)值向量和所述位置向量，確定所述第一信息對應的輸入向量；

基于預設轉(zhuǎn)換模型將所述輸入向量轉(zhuǎn)換為預設長度，獲得所述第一信息的特征向量；

基于所述第一模態(tài)下每條信息的特征向量，獲得所述第一模態(tài)對應的特征信息。

3.根據(jù)權利要求2所述的方法，其特征在于，所述根據(jù)所述初始數(shù)值向量，確定所述第一信息的位置向量，包括：

按順序為所述初始數(shù)值向量中每個元素分配標識；

獲取目標元素的標識；

在所述目標元素的標識為第一標識的情況下，根據(jù)第一預設方式確定所述目標元素的位置信息；

在所述目標元素的標識為第二標識的情況下，根據(jù)第二預設方式確定所述目標元素的位置信息；

按照每個元素的標識對所述初始數(shù)值向量中每個元素的位置信息進行排列，獲得所述第一信息的位置向量。

4.根據(jù)權利要求2所述的方法，其特征在于，所述根據(jù)多種模態(tài)下每種模態(tài)對應的特征信息，確定所述目標客戶的多模態(tài)數(shù)據(jù)關系網(wǎng)，包括：

將每種模態(tài)下每條信息的特征向量作為一個點，獲得與所述目標客戶關聯(lián)的點集；

根據(jù)每個點的生成時間，確定邊的方向信息；

根據(jù)所述方向信息連接所述點集中的點，獲得所述目標客戶的多模態(tài)數(shù)據(jù)關系網(wǎng)。

5.根據(jù)權利要求4所述的方法，其特征在于，所述基于所述多模態(tài)數(shù)據(jù)關系網(wǎng)對多種模態(tài)下的信息進行融合，獲得所述目標客戶的融合特征信息，包括：

獲取所述多模態(tài)數(shù)據(jù)關系網(wǎng)中與目標點對應的關聯(lián)點集；其中，所述關聯(lián)點集中每個點的生成時間與所述目標點的生成時間滿足預設關系；

根據(jù)所述目標點對應的特征向量和所述關聯(lián)點集中每個關聯(lián)點的特征向量，確定所述目標點的多模態(tài)特征向量；

基于所述多模態(tài)數(shù)據(jù)關系網(wǎng)中每個點的多模態(tài)特征向量，確定所述目標客戶的融合特征信息。

6.根據(jù)權利要求5所述的方法，其特征在于，所述根據(jù)所述目標點對應的特征向量和所述關聯(lián)點集中每個關聯(lián)點的特征向量，確定所述目標點的多模態(tài)特征向量前，包括：

根據(jù)所述關聯(lián)點集，確定與所述目標點對應的關聯(lián)邊集；

根據(jù)預先為每個類別的邊分配的權重，確定所述關聯(lián)邊集中每條邊的權重；

對所述關聯(lián)邊集中每條邊的權重進行歸一化處理，獲得所述關聯(lián)邊集中每條邊的歸一化權重。

7.根據(jù)權利要求6所述的方法，其特征在于，按照下述方式確定所述目標點的多模態(tài)特征向量：

其中，MV_d,v表示目標點的多模態(tài)特征向量，V_d,v表示目標點對應的特征向量，n表示序號、N_d表示與目標點對應的關聯(lián)邊集、β_d,n表示目標點與N_d中第n個關聯(lián)點對應邊的歸一化權重，V_d,n,v表示關聯(lián)點集中第n個關聯(lián)點的特征向量，mv_d,v,1表示多模態(tài)特征向量中第一個元素，mv_d,v,L表示多模態(tài)特征向量中第L個元素，L表示向量長度。