CN109118282B - 一种双模互感智能空间用户画像管理方法及终端 - Google Patents

Abstract

本发明提供的一种双模互感智能空间用户画像管理方法和终端，获取用户的物联网数据，根据所述物联网数据确定用户所处的情境，获取用户的互联网数据，根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像，将静态的互联网数据和动态的物联网数据结合，构建与用户匹配的用户画像，不仅考虑静态的互联网数据，也考虑根据动态的物联网数据确定的用户所处的情境，能够构建成更全面、准确的用户画像，为广告等信息的推送提供可靠的基础。

Description

一种双模互感智能空间用户画像管理方法及终端

技术领域

本发明涉及数据处理领域，尤其涉及一种双模互感智能空间用户画像管理方法及终端。

背景技术

随着互联网时代的到来，人们可以通过互联网实现各种日常生活需求，比如购物、租房、叫餐等。对于移动互联网租房，租客和公寓运营商均可以通过一部手机完成租房过程的所有环节：租客可以通过手机实现看房、签约、付款、续租、报修、退房等，公寓运营商可以通过手机完成管房、管账等，租房流程变得更便捷、高效、透明。而随着用户对移动互联网租房的使用，他的相关个人信息以及历史租房情况也会被互联网记录，相应的公寓运营商便会根据用户的个人信息以及历史租房情况构建对应的用户画像，然后据此向对应的个人推送合适的广告信息等。

但是，即便是同一个人，也有没有空、不方便、心情不佳等情况，如果在不恰当的时间推送信息可能会造成用户的反感，进而影响营销效果和客户感知。所以，现有的用户画像的构建仅仅是基于用户的互联网数据，是基于静态数据进行的，不能够很好的反应用户当下的情境，存在片面性。

发明内容

本发明所要解决的技术问题是：提供一种双模互感智能空间用户画像管理方法及终端，能够构建全面、准确的用户画像，为广告等信息的推送提供可靠的基础。

为了解决上述技术问题，本发明采用的一种技术方案为：

一种双模互感智能空间用户画像管理方法，包括步骤：

S1、获取用户的物联网数据，根据所述物联网数据确定用户所处的情境；

S2、获取用户的互联网数据；

S3、根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像。

为了解决上述技术问题，本发明采用的另一种技术方案为：

一种双模互感智能空间用户画像管理终端，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

S1、获取用户的物联网数据，根据所述物联网数据确定用户所处的情境；

S2、获取用户的互联网数据；

S3、根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像。

本发明的有益效果在于：获取用户的物联网数据，根据所述物联网数据确定用户所处的情境，获取用户的互联网数据，根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像，将静态的互联网数据和动态的物联网数据结合，实现双模互感智能空间下构建与用户匹配的用户画像，不仅考虑静态的互联网数据，也考虑根据动态的物联网数据确定的用户所处的情境，能够构建成更全面、准确的用户画像，为广告等信息的推送提供可靠的基础。

附图说明

图1为本发明实施例的一种双模互感智能空间用户画像管理方法的流程图；

图2为本发明实施例的一种双模互感智能空间用户画像管理终端的结构示意图；

图3为本发明实施例的智能手环或智能手表预存的针对坐着的状态的模型；

图4为本发明实施例的运动状态的决策树；

标号说明：

1、一种双模互感智能空间用户画像管理终端；2、存储器；3、处理器。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。

本发明最关键的构思在于：根据用户的物联网数据确定用户所处的情境，根据用户所处的情境和用户的互联网数据构建与所述用户匹配的用户画像。

请参照图1，一种双模互感智能空间用户画像管理方法，包括步骤：

S1、获取用户的物联网数据，根据所述物联网数据确定用户所处的情境；

S2、获取用户的互联网数据；

S3、根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像。

从上述描述可知，本发明的有益效果在于：获取用户的物联网数据，根据所述物联网数据确定用户所处的情境，获取用户的互联网数据，根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像，将静态的互联网数据和动态的物联网数据结合，实现双模互感智能空间下构建与用户匹配的用户画像，不仅考虑静态的互联网数据，也考虑根据动态的物联网数据确定的用户所处的情境，能够构建成更全面、准确的用户画像，为广告等信息的推送提供可靠的基础。

进一步的，还包括步骤：

S4、推送与所述用户画像匹配的信息给用户。

由上述描述可知，根据确定好的用户画像推送与之匹配的信息，不仅能够保证所推送的信息与用户当前所处情境的匹配性，也能够保证其与用户的自身特征相匹配，提高了所推送的信息的有针对性以及准确性，提高用户体验。

进一步的，所述步骤S1包括：

S11、通过物联网设备获取用户的物联网数据；

S12、基于得到的物联网数据采用SVM算法确定用户所处的运动状态；

S13、根据确定的用户所处的运动状态采用BP算法确定用户所处的情境。

由上述描述可知，先采用SVM算法确定用户所处的运动状态，再根据所确定的用户所处的运动状态采用BP算法确定用户所处的情境，能够保证所确定出的用户所处的情境的准确性。

进一步的，所述步骤S3包括：

根据所述用户所处的情境和所述互联网数据采用深度学习算法从用户画像标签库中匹配出对应的用户画像。

由上述描述可知，采用深度学习算法从用户画像标签库中匹配出对应的用户画像，能够准确地确定出与用户匹配度高的用户画像。

进一步的，还包括步骤：

S5、接收用户针对所述推送的信息的评分，根据所述评分确定所述用户画像的权值，并将所述用户画像及其对应的权重添加进用户画像标签库。

由上述描述可知，通过用户对所推送的信息的评分，能够判断所创建的用户画像的准确性与否，据此确定其权重，然后将其添加进用户画像标签库，可以增加标签库的样本，既能够不断完全个体的用户画像，也能够为群体画像提供一个参考，增加标签库的样本数，为后续用户画像的匹配提供更准确的基础。

请参照图2，一种双模互感智能空间用户画像管理终端，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

S1、获取用户的物联网数据，根据所述物联网数据确定用户所处的情境；

S2、获取用户的互联网数据；

S3、根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像。

从上述描述可知，本发明的有益效果在于：获取用户的物联网数据，根据所述物联网数据确定用户所处的情境，获取用户的互联网数据，根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像，将静态的互联网数据和动态的物联网数据结合，实现双模互感智能空间下构建与用户匹配的用户画像，不仅考虑静态的互联网数据，也考虑根据动态的物联网数据确定的用户所处的情境，能够构建成更全面、准确的用户画像，为广告等信息的推送提供可靠的基础。

进一步的，还包括步骤：

S4、推送与所述用户画像匹配的信息给用户。

由上述描述可知，根据确定好的用户画像推送与之匹配的信息，不仅能够保证所推送的信息与用户当前所处情境的匹配性，也能够保证其与用户的自身特征相匹配，提高了所推送的信息的有针对性以及准确性，提高用户体验。

进一步的，所述步骤S1包括：

S11、通过物联网设备获取用户的物联网数据；

S12、基于得到的物联网数据采用SVM算法确定用户所处的运动状态；

S13、根据确定的用户所处的运动状态采用BP算法确定用户所处的情境。

由上述描述可知，先采用SVM算法确定用户所处的运动状态，再根据所确定的用户所处的运动状态采用BP算法确定用户所处的情境，能够保证所确定出的用户所处的情境的准确性。

进一步的，所述步骤S3包括：

根据所述用户所处的情境和所述互联网数据采用深度学习算法从用户画像标签库中匹配出对应的用户画像。

由上述描述可知，采用深度学习算法从用户画像标签库中匹配出对应的用户画像，能够准确地确定出与用户匹配度高的用户画像。

进一步的，还包括步骤：

S5、接收用户针对所述推送的信息的评分，根据所述评分确定所述用户画像的权值，并将所述用户画像及其对应的权重添加进用户画像标签库。

由上述描述可知，通过用户对所推送的信息的评分，能够判断所创建的用户画像的准确性与否，据此确定其权重，然后将其添加进用户画像标签库，可以增加标签库的样本，既能够不断完全个体的用户画像，也能够为群体画像提供一个参考，增加标签库的样本数，为后续用户画像的匹配提供更准确的基础。

实施例一

请参照图1，一种双模互感智能空间用户画像管理方法，包括步骤：

S1、获取用户的物联网数据，根据所述物联网数据确定用户所处的情境；

具体的，S11、通过物联网设备获取用户的物联网数据；

其中，物联网设备包括智能家电、智能手表、智能手环等；

S12、基于得到的物联网数据采用SVM算法确定用户所处的运动状态；

S13、根据确定的用户所处的运动状态采用BP算法确定用户所处的情境；

S2、获取用户的互联网数据；

S3、根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像；

具体的，根据所述用户所处的情境和所述互联网数据采用深度学习算法从用户画像标签库中匹配出对应的用户画像；

S4、推送与所述用户画像匹配的信息给用户；

S5、接收用户针对所述推送的信息的评分，根据所述评分确定所述用户画像的权值，并将所述用户画像及其对应的权重添加进用户画像标签库。

实施例二

请参照图2，一种双模互感智能空间用户画像管理终端，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

S1、获取用户的物联网数据，根据所述物联网数据确定用户所处的情境；

具体的，S11、通过物联网设备获取用户的物联网数据；

其中，物联网设备包括智能家电、智能手表、智能手环等；

S12、基于得到的物联网数据采用SVM算法确定用户所处的运动状态；

S13、根据确定的用户所处的运动状态采用BP算法确定用户所处的情境；

S2、获取用户的互联网数据；

S3、根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像；

具体的，根据所述用户所处的情境和所述互联网数据采用深度学习算法从用户画像标签库中匹配出对应的用户画像；

S4、推送与所述用户画像匹配的信息给用户；

S5、接收用户针对所述推送的信息的评分，根据所述评分确定所述用户画像的权值，并将所述用户画像及其对应的权重添加进用户画像标签库。

实施例三

将上述双模互感智能空间用户画像管理方法应用于实际的应用场景：

比如一个用户正坐在沙发上看电视，此时通过智能手表或智能手环判断用户处于坐的状态，并且通过判断电视处于开的状态，可以判断出此时用户所处的情境是：坐在沙发上看电视；

具体的，首先通过收集智能手环或手表采集的数据采用SVM算法确定用户所处的状态为坐的状态；

比如，按照250Hz的采样率，5s为一个时间窗口采集智能手环或智能手表中加速度传感器在x、y、z轴的时间序列数据；

通过SVM算法，由用户训练一组250Hz的采样率，5s为一个时间窗口的采样数据，与出厂前内置于手环或手表的嵌入式程序中的算法进行对比；

如图3所示为手环或手表预存的针对坐着的状态的模型，从上到下依次为x轴、y轴、z轴在一个时间段内的时间序列数据变化过程，横坐标为时间，纵坐标为对应的加速度值；

比对方法为：计算通过智能手环或手表采集到的用户加速度数据的x、y、z三个轴之间的方差在与预存的要进行比对的模型相同的时间段内的时间序列模型：

式中，x_i，y_i，z_i分别表示x轴、y轴、z轴的加速度，N为时间窗口内的采样数，

分别表示在所述时间窗内对应用户画像群体的x轴、y轴、z轴的加速度平均值；以时间窗口作为基本单位，在该时间段内，对应每个时间窗口，就有对应的X值，由所有的X值构成采集到的用户数据在所述时间段内的时间序列模型；

对比同一时间段内采集到的用户数据的时间序列模型与预存的各种状态的模型对应的时间序列模型，进行RNN分类，将运动状态根据如图4所示的决策树进行分类，根据RNN分类结果，确定用户所处的状态为坐的状态；

然后，通过物联网对用户的各个智能家电的使用状态进行判断，比如，判断到此时智能家电电视处于开的状态；

接着根据确定的用户所处的坐的状态以及采集到的智能家电电视处于开的状态采用BP算法确定用户所处的情境为坐在沙发上看电视；

具体的，将表示用户处于坐的状态的时间序列模型以及智能家电电视处于开的状态作为神经网络模型的输入因子，根据神经网络模型的输出结果确定用户所处的情境；其中，为了使得所构建的神经网络模型更加稳健，对输出结果采用有监督的学习方法，一段时间后给用户一个提醒，比如“主人，久坐看电视不好哦，建议起来走走，我判断的对吗”，将用户根据所述提醒作出的反馈作为损失函数进行回馈学习，不断对所述神经网络模型进行训练，使其判断更加准确，趋于稳定；

接着根据该用户的个人信息以及交易记录等互联网数据确定出平常喜欢逛的店铺以及喜欢的产品，再结合之前判断的用户所处的情境采用深度学习算法从用户画像标签库中匹配出对应的用户画像；

具体的，将用户的个人信息数据，当前时间段，比如星期三晚上8点，互联网用户长期喜欢数据，比如有过多次购买兰蔻护肤品的记录作为深度学习模型的输入因子，进行深度学习黑盒的训练，在训练的过程中，根据有监督学习方法进行调参，经过足够次数的训练以及调参，训练出的深度学习模型的准确度也越来越大，根据深度学习模型的输出匹配出对应的用户画像；

根据匹配出的用户画像，确定该用户喜欢用兰蔻的护肤品，年龄段为20到30岁，据此为用户推送兰蔻中适合年龄段20到30岁的护肤品；

为了对深度学习模型进行动态调整以提高其准确性，以用户是否根据推送的信息产生购买行为作为回馈以调整深度学习模型的参数，向所述深度学习模型返回预测是否正确的损失函数，即假设云端设有100个该样本的模型，预测其行为90％会购买，预测准确则分子分母均加1，即101次有91次预测正确，预测错误则分子不变，分母加1，即101次有90次预测正确，并返回这一损失函数；

此外，如果用户购买了推送的产品，并给出正面的评价，则说明所确定出的用户画像准确度比较高，增加该用户画像的权重，如果用户没有购买或者购买了给出差评，则说明所确定出的用户画像准确度不是很高，则对应的权重降低；

将确定的用户画像及对应的权重添加到用户画像标签库，提高用户画像标签库的样本。

综上所述，本发明提供的一种双模互感智能空间用户画像管理方法和终端，获取用户的物联网数据，根据所述物联网数据确定用户所处的情境，获取用户的互联网数据，根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像，将静态的互联网数据和动态的物联网数据结合，构建与用户匹配的用户画像，不仅考虑静态的互联网数据，也考虑根据动态的物联网数据确定的用户所处的情境，能够构建成更全面、准确的用户画像，据此推送与用户画像匹配的信息，能够为广告等信息的推送提供可靠的基础；并且通过用户对所推送的信息的评分，能够判断所创建的用户画像的准确性与否，据此确定其权重，然后将其添加尽用户画像标签库，可以增加标签库的样本，既能够不断完全个体的用户画像，也能够为群体画像提供一个参考，增加标签库的样本数，为后续用户画像的匹配提供更准确的基础。

以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (8)

1.一种双模互感智能空间用户画像管理方法，其特征在于，包括步骤：

S1、获取用户的物联网数据，根据所述物联网数据确定用户所处的情境；

S2、获取用户的互联网数据，所述互联网数据包括个人信息以及交易记录；

S3、根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像；

所述步骤S1包括：

S11、通过物联网设备获取用户的物联网数据；

S12、基于得到的物联网数据采用SVM算法确定用户所处的运动状态；

S13、根据确定的用户所处的运动状态以及智能家电的使用状态采用BP算法确定用户所处的情境。

2.根据权利要求1所述的双模互感智能空间用户画像管理方法，其特征在于，还包括步骤：

S4、推送与所述用户画像匹配的信息给用户。

3.根据权利要求1所述的双模互感智能空间用户画像管理方法，其特征在于，所述步骤S3包括：

根据所述用户所处的情境和所述互联网数据采用深度学习算法从用户画像标签库中匹配出对应的用户画像。

4.根据权利要求2所述的双模互感智能空间用户画像管理方法，其特征在于，还包括步骤：

S5、接收用户针对所述推送的信息的评分，根据所述评分确定所述用户画像的权值，并将所述用户画像及其对应的权重添加进用户画像标签库。

5.一种双模互感智能空间用户画像管理终端，包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：

S1、获取用户的物联网数据，根据所述物联网数据确定用户所处的情境；

S2、获取用户的互联网数据，所述互联网数据包括个人信息以及交易记录；

S3、根据所述用户所处的情境和所述互联网数据构建与所述用户匹配的用户画像；

所述步骤S1包括：

S11、通过物联网设备获取用户的物联网数据；

S12、基于得到的物联网数据采用SVM算法确定用户所处的运动状态；

S13、根据确定的用户所处的运动状态以及智能家电的使用状态采用BP算法确定用户所处的情境。

6.根据权利要求5所述的双模互感智能空间用户画像管理终端，其特征在于，还包括步骤：

S4、推送与所述用户画像匹配的信息给用户。

7.根据权利要求5所述的双模互感智能空间用户画像管理终端，其特征在于，所述步骤S3包括：

根据所述用户所处的情境和所述互联网数据采用深度学习算法从用户画像标签库中匹配出对应的用户画像。

8.根据权利要求6所述的双模互感智能空间用户画像管理终端，其特征在于，还包括步骤：

S5、接收用户针对所述推送的信息的评分，根据所述评分确定所述用户画像的权值，并将所述用户画像及其对应的权重添加进用户画像标签库。

Images