[發明專利]用戶畫像生成方法、裝置、電子設備及計算機存儲介質

在審

• 申請號: 202110779706.2
• 申請日: 2021-07-09
• 公開（公告）號: CN113407843A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 牛姣姣;郭鵬程;劉勁柏;劉中原
• 申請（專利權）人: 深圳壹賬通智能科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/951;G06F16/45;G06K9/62;G06N3/04;G06N3/08;G06K9/20
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種用戶畫像生成方法，其特征在于，所述方法包括：

獲取用戶數據，識別所述用戶數據的數據類型，并采用所述數據類型對應內容識別方法對所述用戶數據進行內容識別，得到數據內容；

根據所述數據內容，利用預先訓練的第一神經網絡對至少兩個預設的用戶變量進行第一次用戶屬性分析，得到每個所述用戶變量的第一結果；

將所述第一結果作為所述第一神經網絡的參數對所述用戶變量進行第二次用戶屬性分析，得到所述用戶變量的第二結果；

根據所述第二結果構建所述用戶變量的變量子集，并利用預先訓練的第二神經網絡對所述變量子集進行數據融合，得到用戶畫像。

2.如權利要求1所述的用戶畫像生成方法，其特征在于，所述識別所述用戶數據的數據類型，包括：提取所述用戶數據中各數據的數據類型字段；根據所述數據類型字段，在預設的標準類型表中進行檢索，得到所述數據類型字段對應的數據類型。

3.如權利要求1所述的用戶畫像生成方法，其特征在于，所述根據所述數據內容，利用預先訓練的第一神經網絡對至少兩個預設的用戶變量進行第第一次用戶屬性分析之前，所述方法還包括：

獲取基礎訓練數據，利用所述基礎訓練數據對所述第一神經網絡進行第一預設次數的迭代訓練，得到所述第一神經網絡輸出的訓練結果；

獲取用戶對所述訓練結果的反饋數據；

利用所述反饋數據和所述所述基礎訓練數據對所述第一神經網絡進行第二預設次數的迭代訓練，得到訓練完成的第一神經網絡。

4.如權利要求1至3中任意一項所述的用戶畫像生成方法，其特征在于，所述根據所述數據內容，利用預先訓練的第一神經網絡對至少兩個預設的用戶變量進行第一次用戶屬性分析，得到每個所述用戶變量的第一結果，包括：

利用所述第一神經網絡對所述用戶變量進行向量轉換，得到用戶向量，及對所述數據內容進行特征提取及向量轉換，得到內容向量；

利用預設關系函數計算所述用戶向量和所述內容向量之間的關聯值；

從所述內容向量中選取所述關聯值大于預設閾值的目標向量；

利用預設的激活函數對所述目標向量和所述用戶向量進行激活運算，得到每個所述用戶變量的第一結果。

5.如權利要求1所述的用戶畫像生成方法，其特征在于，所述將所述第一結果作為所述第一神經網絡的參數對所述用戶變量進行第二次用戶屬性分析，得到所述用戶變量的第二結果，包括：

依次從所述用戶變量中選取目標變量；

將所述用戶變量中除所述目標變量外的其余用戶變量對應的第一結果進行參數轉換，得到結果參數；

利用所述結果參數對所述第一神經網絡進行參數賦值；

利用參數賦值后的第一神經網絡對所述目標變量進行分析，得到所述目標變量對應的第二結果。

6.如權利要求1所述的用戶畫像生成方法，其特征在于，所述根據所述第二結果構建所述用戶變量的變量子集，包括：

將所有目標變量對應的第二結果匯集為用戶變量集合；

按照不同的預設數量對所述用戶變量集合中的第二結果進行多次分組，將每次分組得到的結果作為所述變量子集。

7.如權利要求1中所述的用戶畫像生成方法，其特征在于，所述利用預先訓練的第二神經網絡對所述變量子集進行數據融合，得到用戶畫像，包括：

依次從所述變量子集中選取目標子集；

將所述變量子集中除所述目標子集外的其余變量子集對應的第二結果，以及所述目標子集中用戶變量對應的數據內容輸入至所述第二神經網絡中進行分析，得到第三結果；

對所述第三結果進行向量轉化，得到結果向量；

利用預設的數據聚合算法將所述結果向量中每個向量進行拼接，得到用戶畫像。