CN111210201A - 职业标签建立方法、装置、电子设备及存储介质 - Google Patents

职业标签建立方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111210201A
CN111210201A CN202010007898.0A CN202010007898A CN111210201A CN 111210201 A CN111210201 A CN 111210201A CN 202010007898 A CN202010007898 A CN 202010007898A CN 111210201 A CN111210201 A CN 111210201A
Authority
CN
China
Prior art keywords
data set
information data
characteristic information
user
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010007898.0A
Other languages
English (en)
Other versions
CN111210201B (zh
Inventor
喻宁
史良洵
陈克炎
朱园丽
朱艳乔
陈皓云
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Ping An Property and Casualty Insurance Company of China Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd, Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202010007898.0A priority Critical patent/CN111210201B/zh
Publication of CN111210201A publication Critical patent/CN111210201A/zh
Application granted granted Critical
Publication of CN111210201B publication Critical patent/CN111210201B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及大数据技术领域，揭露了一种职业标签建立方法，包括：从地理位置定位设备获取用户基于位置的服务信息，得到原始数据集；根据预设的兴趣点信息及预设的时间信息，对所述原始数据集进行特征提取，得到特征数据集；将所述用户的身份信息与所述特征信息数据集建立关联，得到用户的特征信息数据集；对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集；根据所述聚类中心点集的聚类中心点计算不同数据类型在所述用户的特征信息数据集的占比，根据所述占比，构建所述用户的职业画像。本发明还提出一种职业标签建立装置、电子设备以及一种计算机可读存储介质。本发明可以实现用户职业的精确评估。

Description

职业标签建立方法、装置、电子设备及存储介质
技术领域
本发明涉及大数据技术领域，尤其涉及一种职业标签建立的方法、装置、电子设备及计算机可读存储介质。
背景技术
目前业内都是通过个人信息采集，如问卷调查，保险登记等等方式来获取用户的职业信息，这种情况需要用户如实且愿意回答自己的职业状况。因此，这些传统方式有时候并不能准确得出用户的职业标签，此外，采用这些传统方式在采集到用户信息后需要有专人进行整理和归档，在这个过程中，存在着简单且机械重复的人力劳动。
发明内容
本发明提供一种职业标签建立的方法、装置、电子设备及计算机可读存储介质，其主要目的在于根据用户的位置服务信息，自动识别用户的职业标签。
为实现上述目的，本发明提供的一种职业标签建立方法，包括：
从地理位置定位设备获取用户基于位置的服务信息，得到原始数据集；
根据预设的兴趣点信息及预设的时间信息，对所述原始数据集进行特征提取，得到特征数据集；
将所述用户的身份信息与所述特征信息数据集建立关联，得到用户的特征信息数据集；
对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集；
根据所述聚类中心点集的聚类中心点计算不同数据类型在所述用户的特征信息数据集的占比，根据所述占比，构建所述用户的职业画像；
将所述用户的职业画像通过电子设备输出。
可选地，所述对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集，包括：
计算所述特征信息数据集中任意两个特征信息数据的距离值；
根据所述距离值判断所述两个特征信息数据是否为相似特征数据；
若所述两个特征信息数据为相似特征信息数据，将所述两个特征信息数据进行合并，形成一个聚类中心点；
若所述两个特征信息数据为不相似特征信息数据，分别根据所述两个特征信息数据中的每一个特征信息数据形成一个聚类中心点。
可选地，所述计算所述特征信息数据集中任意两个特征信息数据的距离值，包括：
利用下述公式计算所述特征信息数据集中任意两个特征信息数据的距离值：
Figure BDA0002353877740000021
Jaccard(OA,OB)表示任意两个特征信息数据的距离值，OA∩OB表示所述任意两个特征信息数据中相同词语的个数，OA∪OB表示将所述任意两个特征信息数据中相同词语进行合并后所有词语的总个数。
可选地，在所述对所述原始数据集进行特征提取之前，该方法还包括：
对所述原始数据集进行去异常处理及对去异常处理后的所述原始数据集进行缺失值检测。
可选地，所述对所述原始数据集进行去异常处理，包括：
计算所述原始数据集的平均值与标准差；
计算所述原始数据集中各数据与所述平均值的差值，利用预设的方法将所述标准差预设一个标准差范围；
若所述差值不在预设的标准范围内，则将所述数据剔除；
若所述差值在预设的标准范围内，则对所述数据不作处理。
可选地，所述对去异常处理后的所述原始数据集进行缺失值检测，包括：
通过缺失函数检测所述原始数据集中存在的数据缺失值；
利用预设的填充算法对所述原始数据集中的数据缺失值进行填充，其中，所述预设的填充算法包括：
Figure BDA0002353877740000022
其中，L(θ)表示填充的数据缺失值，xi表示第i个数据缺失值，θ表示填充的数据缺失值对应的概率参数，n表示所述初始数据集的数量，p(xi|θ)表示填充的数据缺失值概率。
为了解决上述问题，本发明还提供一种职业标签建立装置，所述装置包括：
采集模块，用于从地理位置定位设备获取用户基于位置的服务信息，得到原始数据集；
提取模块，用于根据预设的兴趣点信息及预设的时间信息，对所述原始数据集进行特征提取，得到特征数据集；
关联模块，用于将所述用户的身份信息与所述特征信息数据集建立关联，得到用户的特征信息数据集；
聚类模块，用于对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集；
构建模块，用于根据所述聚类中心点集的聚类中心点计算不同数据类型在所述用户的特征信息数据集的占比，根据所述占比，构建所述用户的职业画像，并将所述用户的职业画像通过电子设备输出。
可选地，所述对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集，包括：
计算所述特征信息数据集中任意两个特征信息数据的距离值；
根据所述距离值判断所述两个特征信息数据是否为相似特征数据；
若所述两个特征信息数据为相似特征信息数据，将所述两个特征信息数据进行合并，形成一个聚类中心点；
若所述两个特征信息数据为不相似特征信息数据，分别根据所述两个特征信息数据中的每一个特征信息数据形成一个聚类中心点。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述中所述的职业标签建立方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的职业标签建立方法。
本发明实施例通过基于位置的服务信息，得到原始数据集，节省了大量的前期数据准备时间；对所述数据集进行特征提取以及用户身份标记，生成用户的特征信息数据集，实现了数据与用户身份一一对应的关系；将所述特征信息数据集进行聚类处理，得到聚类中心点集，保障了对用户的职业画像构建的基础，通过所述聚类中心节点集，对所述用户构建职业画像，实现了对用户进行职业标签评估的准确性和全面性。
附图说明
图1为本发明一实施例提供的职业标签建立方法的流程示意图；
图2为本发明一实施例提供的职业标签建立方法的模块示意图；
图3为本发明一实施例提供的职业标签建立方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种职业标签建立的方法。参照图1所示，为本发明一实施例提供的职业标签建立方法的流程示意图。根据不同的需求，该流程图中步骤的顺序可以改变，某些步骤可以省略。
本发明实施例所述职业标签建立方法应用于一个或者多个电子设备中，所述电子设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述电子设备可以是任何一种可与用户进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、个人数字助理(Personal Digital Assistant，PDA)、游戏机、交互式网络电视(Internet Protocol Television，IPTV)、智能式穿戴式设备等。
所述电子设备还可以包括网络设备和/或用户设备。其中，所述网络设备包括，但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量主机或网络服务器构成的云。
所述电子设备所处的网络包括但不限于互联网、广域网、城域网、局域网、虚拟专用网络(Virtual Private Network，VPN)等。
详细地在本实施例中，职业标签建立的方法包括：
S1、从地理位置定位设备获取用户基于位置的服务信息，得到原始数据集。
本发明较佳实施例中，所述地理位置定位设备可以包括航拍设备、卫星拍摄设备、机载遥感设备以及三维激光扫描卫星定位系统等。在本发明的至少一个实施例通过移动设备端的软件开发工具包(简称SDK)，例如中国平安APP的SDK等，从所述地理位置定位设备中采集用户基于位置的服务信息，得到所述原始数据集。
所述基于位置的服务信息(Location Based Services，LBS)是指围绕地理位置数据而提供的服务信息，基于空间数据库，获取用户的地理位置坐标信息并与其他信息集成以向用户提供所需的与位置相关的增值服务信息。
本发明实施例中，所述原始数据集包括，但不限于：用户的地理位置数据、用户的行为数据以及用户的位置数据类型。例如，所述用户的地理位置数据可以为某个商场、某个办公大厦以及某个高速服务区等。所述用户的位置数据类型可以为某个办公大厦包含的所有公司类型，比如保险公司、金融公司以及外贸公司等。所述用户的行为数据可以为出入某个公司以及出入某个公司的某个部门等。
S2、根据预设的兴趣点信息及预设的工作信息，对所述原始数据集进行特征提取，得到特征数据集。
本发明实施例中，所述兴趣点信息(Pointof Interest，POI)可以是预设的写字楼、书店以及咖啡店等。所述预设的时间信息为日常工作时间，例如：周一到周五的9:00-19:00。本发明实施例中，所述特征数据集包括：用户在所述预设的时间信息内，出现在所述预设的POI的次数、花费的时间等等。
此外，由于获取的原始数据集中会出现许多异常的数据，比如说某用户出现的地点是在办公楼，但是获取的原始数据集中却显示该用户出现的地点在某商场，于是，本发明实施例在对所述原始数据集进行特征提取之前对所述原始数据集进行去异常处理及对去异常处理后的所述原始数据集进行缺失值检测。
详细地，所述去异常处理包括：
计算所述原始数据集的平均值与标准差；
计算所述原始数据集中各数据与所述平均值的差值，利用预设的方法将所述标准差预设一个标准差范围；
判断所述差值是否在所述标准差范围内；
若所述差值不在预设的标准范围内，判断所述数据为异常数据，则将该数据剔除；若所述差值在预设的标准范围内，判断所述数据不是异常数据，则对该数据不作处理。
较佳地，本发明实施例所述预设的方法为3积法，即将所述标准差乘3，得到所述标准差范围为：σ～3σ。
进一步地，本发明实施例通过missmapfunction缺失函数检测所述原始数据集中存在的数据缺失值。若没有检测到所述原始数据集存在数据缺失值，则不进行处理；若检测到所述原始数据集存在数据缺失值，则利用预设的填充算法对所述缺失值进行填充后得到所述标准数据集。
详细地，所述预设的填充算法包括：
Figure BDA0002353877740000061
其中，L(θ)表示填充的数据缺失值，xi表示第i个数据缺失值，θ表示填充的数据缺失值对应的概率参数，n表示去异常后的所述原始数据集的数量，p(xi|θ)表示填充的数据缺失值概率。
基于上述的实施方式，本发明实施例对原始数据集进行去异常和缺失值检测的处理后，筛选出了许多无用数据以及添加了与用户相关的数据，保证了得到的数据集的全面性以及完整性。
S3、将所述用户的身份信息与所述特征信息数据集建立关联，得到用户的特征信息数据集。
在本发明的至少一个实施例中，所述将所述用户的身份信息标记至所述特征数据集中，即将所述用户与所述特征信息数据集建立关联，得到用户的特征信息数据集，用于实现用户职业相关的特征数据集与用户身份的一对一映射关系。所述标记可以通过添加字段的形式进行标记，例如根据用户的姓名建立相应的id字段名。
S4、对所述特征信息数据集进行聚类处理，得到所述职业特征信息数据集的聚类中心点集。
由于所述获取的特征信息数据集包含多种类型数据，为了更好地查看不同数据类型在所述特征信息数据集中的数据占比，本发明实施例对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集。
详细地，本发明实施例所述对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集，包括：计算所述特征信息数据集中任意两个特征信息数据的距离值；根据所述距离值判断所述两个特征信息数据是否为相似特征数据；若所述两个特征信息数据为相似特征信息数据，将所述两个特征信息数据进行合并，形成一个聚类中心点；若所述任意两个特征信息数据为不相似特征信息数据，分别根据所述两个特征信息数据中的每一个特征信息数据形成一个聚类中心点。
较佳地，本发明实施例利用下述公式计算所述特征信息数据集中任意两个特征信息数据的距离值：
Figure BDA0002353877740000071
Jaccard(OA,OB)表示任意两个特征信息数据的距离值，OA∩OB表示所述任意两个特征信息数据中相同词语的个数，OA∪OB表示将所述任意两个特征信息数据中相同词语进行合并后所有词语的总个数。
较佳地，本发明实施例通过将所述Jaccard(OA,OB)距离值与预设的阈值进行比较判断所述任意两个特征信息数据是否为相似特征数据。其中，若所述Jaccard(OA,OB)距离值大于预设的阈值时，判断出所述两个特征信息数据为相似特征信息数据，若所述Jaccard(OA,OB)距离值不大于预设的阈值时，判断出所述两个特征信息数据为不相似特征信息数据。优选地，本发明中所述预设的阈值为0.85。
基于上述的实施方式，通过距离值将相同类型的数据标记为同一中心点，保证了对用户的职业画像构建的基础。
S5、根据所述聚类中心点集的聚类中心点计算不同数据类型在所述用户的特征信息数据集的占比，根据所述占比，构建所述用户的职业画像，并将所述用户的职业画像通过所述电子设备输出。
在本发明的至少一个实施例根据上述获取的聚类中心点集，计算不同数据类型在所述用户的特征信息数据集的占比，根据所述占比，对所述用户进行职业画像的构建，通过所述职业画像可以实时对该用户职业标签的判断。例如，本发明可以筛选出占比最大的聚类中心点集对应的数据类型，根据该筛选出来的类型数据评估用户的职业标签。
进一步地，本发明实施例还包括对所述用户基于LBS的特征信息数据集进行定时更新，用于更加全面的了解该用户的职业标签。
基于上述的实施方式，采用构建职业画像的方法，保证了对用户进行职业标签评估的准确性和全面性。
如图2所示，是本发明职业标签建立装置的功能模块图。
本发明所述职业标签建立装置100可以安装于电子设备中。根据实现的功能，所述职业标签建立装置100可以包括采集模块101、提取模块102、关联模块103、聚类模块104以及构建模块105。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述采集模块101，用于从地理位置定位设备获取用户基于位置的服务信息，得到原始数据集；
所述提取模块102，用于根据预设的兴趣点信息及预设的时间信息，对所述原始数据集进行特征提取，得到特征数据集；
所述关联模块103，用于将所述用户的身份信息与所述特征信息数据集建立关联，得到用户特征信息数据集；
所述聚类模块104，用于对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集；
所述构建模块105，用于根据所述聚类中心点集的聚类中心点计算不同数据类型在所述用户的特征信息数据集的占比，根据所述占比，构建所述用户的职业画像，并将所述用户的职业画像通过所述电子设备输出。
详细地，所述职业标签建立装置100中的各模块在所述电子设备的处理器的执行下，实现如下方法步骤：
所述采集模块101从地理位置定位设备获取用户基于位置的服务信息，得到原始数据集。
本发明较佳实施例中，所述地理位置定位设备可以包括航拍设备、卫星拍摄设备、机载遥感设备以及三维激光扫描卫星定位系统等。在本发明的至少一个实施例通过移动设备端的软件开发工具包(简称SDK)，例如中国平安APP的SDK等，从所述地理位置定位设备中采集用户基于位置的服务信息，得到所述原始数据集。
所述基于位置的服务信息(Location Based Services，LBS)是指围绕地理位置数据而提供的服务信息，基于空间数据库，获取用户的地理位置坐标信息并与其他信息集成以向用户提供所需的与位置相关的增值服务信息。
本发明实施例中，所述原始数据集包括，但不限于：用户的地理位置数据、用户的行为数据以及用户的位置数据类型。例如，所述用户的地理位置数据可以为某个商场、某个办公大厦以及某个高速服务区等。所述用户的位置数据类型可以为某个办公大厦包含的所有公司类型，比如保险公司、金融公司以及外贸公司等。所述用户的行为数据可以为出入某个公司以及出入某个公司的某个部门等。
所述提取模块102根据预设的兴趣点信息及预设的时间信息，对所述原始数据集进行特征提取，得到特征数据集。
本发明实施例中，所述兴趣点信息(Pointof Interest，POI)可以是预设的写字楼、书店以及咖啡店等。所述预设的时间信息为日常工作时间，例如：周一到周五的9:00-19:00。本发明实施例中，所述特征数据集包括：用户在所述预设的时间信息内，出现在所述预设的POI的次数、花费的时间等等。
此外，由于获取的原始数据集中会出现许多异常的数据，比如说某用户出现的地点是在办公楼，但是获取的原始数据集中却显示该用户出现的地点在某商场，于是，本发明实施例在对所述原始数据集进行特征提取之前对所述原始数据集进行去异常处理及对去异常处理后的所述原始数据集进行缺失值检测。
详细地，所述去异常处理包括：
计算所述原始数据集的平均值与标准差；
计算所述原始数据集中各数据与所述平均值的差值，利用预设的方法将所述标准差预设一个标准差范围；
判断所述差值是否在所述标准差范围内；
若所述差值不在预设的标准范围内，判断所述数据为异常数据，则将该数据剔除；若所述差值在预设的标准范围内，判断所述数据不是异常数据，则对该数据不作处理。
较佳地，本发明实施例所述预设的方法为3积法，即将所述标准差乘3，得到所述标准差范围为：σ～3σ。
进一步地，本发明实施例通过missmap function缺失函数检测所述原始数据集中存在的数据缺失值。若没有检测到所述原始数据集存在数据缺失值，则不进行处理；若检测到所述原始数据集存在数据缺失值，则利用预设的填充算法对所述缺失值进行填充后得到所述标准数据集。
详细地，所述预设的填充算法包括：
Figure BDA0002353877740000101
其中，L(θ)表示填充的数据缺失值，xi表示第i个数据缺失值，θ表示填充的数据缺失值对应的概率参数，n表示去异常后的所述原始数据集的数量，p(xi|θ)表示填充的数据缺失值概率。
基于上述的实施方式，本发明实施例对原始数据集进行去异常和缺失值检测的处理后，筛选出了许多无用数据以及添加了与用户相关的数据，保证了得到的数据集的全面性以及完整性。
所述关联模块103将所述用户的身份信息与所述特征信息数据集建立关联，得到用户特征信息数据集。
在本发明的至少一个实施例中，所述将所述用户的身份信息标记至所述特征数据集中，即将所述用户与所述特征信息数据集建立关联，得到用户的特征信息数据集，用于实现用户职业相关的特征数据集与用户身份的一对一映射关系。所述标记可以通过添加字段的形式进行标记，例如根据用户的姓名建立相应的id字段名。
所述聚类模块104对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集。
由于所述获取的特征信息数据集包含多种类型数据，为了更好地查看不同数据类型在所述特征信息数据集中的数据占比，本发明实施例对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集。
详细地，本发明实施例所述对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集，包括：计算所述特征信息数据集中任意两个特征信息数据的距离值；根据所述距离值判断所述两个特征信息数据是否为相似特征数据；若所述两个特征信息数据为相似特征信息数据，将所述两个特征信息数据进行合并，形成一个聚类中心点；若所述任意两个特征信息数据为不相似特征信息数据，分别根据所述两个特征信息数据中的每一个特征信息数据形成一个聚类中心点。
较佳地，本发明实施例利用下述公式计算所述特征信息数据集中任意两个特征信息数据的距离值：
Figure BDA0002353877740000111
Jaccard(OA,OB)表示任意两个特征信息数据的距离值，OA∩OB表示所述任意两个特征信息数据中相同词语的个数，OA∪OB表示将所述任意两个特征信息数据中相同词语进行合并后所有词语的总个数。
较佳地，本发明实施例通过将所述Jaccard(OA,OB)距离值与预设的阈值进行比较判断所述任意两个特征信息数据是否为相似特征数据。其中，若所述Jaccard(OA,OB)距离值大于预设的阈值时，判断出所述两个特征信息数据为相似特征信息数据，若所述Jaccard(OA,OB)距离值不大于预设的阈值时，判断出所述两个特征信息数据为不相似特征信息数据。优选地，本发明中所述预设的阈值为0.85。
基于上述的实施方式，通过距离值将相同类型的数据标记为同一中心点，保证了对用户的职业画像构建的基础。
所述构建模块105根据所述聚类中心点集的聚类中心点计算不同数据类型在所述用户的特征信息数据集的占比，根据所述占比，构建所述用户的职业画像，并将所述用户的职业画像通过所述电子设备输出。
在本发明的至少一个实施例根据上述获取的聚类中心点集，计算不同数据类型在所述用户的特征信息数据集的占比，根据所述占比，对所述用户进行职业画像的构建，通过所述职业画像可以实时对该用户职业标签的判断。例如，本发明可以筛选出占比最大的聚类中心点集对应的数据类型，根据该筛选出来的类型数据评估用户的职业标签。
进一步地，本发明实施例还包括对所述用户基于LSB的特征信息数据集进行定时更新，用于更加全面的了解该用户的职业标签。
基于上述的实施方式，采用构建职业画像的方法，保证了对用户进行职业标签评估的准确性和全面性。
如图3所示，是本发明实现职业标签建立的方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如职业标签建立程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如职业标签建立程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如职业标签建立程序12等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的职业标签建立程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
从地理位置定位设备获取用户基于位置的服务信息，得到原始数据集；
根据预设的兴趣点信息及预设的时间信息，对所述原始数据集进行特征提取，得到特征数据集；
将所述用户的身份信息与所述特征信息数据集建立关联，得到用户特征信息数据集；
对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集；
根据所述聚类中心点集的聚类中心点计算不同数据类型在所述用户的特征信息数据集的占比，根据所述占比，构建所述用户的职业画像；
将所述用户的职业画像通过所述电子设备输出。
具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种职业标签建立方法，其特征在于，所述方法应用于一个电子设备中，包括：
从地理位置定位设备获取用户基于位置的服务信息，得到原始数据集；
根据预设的兴趣点信息及预设的时间信息，对所述原始数据集进行特征提取，得到特征数据集；
将所述用户的身份信息与所述特征信息数据集建立关联，得到用户的特征信息数据集；
对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集；
根据所述聚类中心点集的聚类中心点计算不同数据类型在所述用户的特征信息数据集的占比，根据所述占比，构建所述用户的职业画像；
将所述用户的职业画像通过电子设备输出。
2.如权利要求1所述的职业标签建立方法，其特征在于，所述对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集，包括：
计算所述特征信息数据集中任意两个特征信息数据的距离值；
根据所述距离值判断所述两个特征信息数据是否为相似特征数据；
若所述两个特征信息数据为相似特征信息数据，将所述两个特征信息数据进行合并，形成一个聚类中心点；
若所述两个特征信息数据为不相似特征信息数据，分别根据所述两个特征信息数据中的每一个特征信息数据形成一个聚类中心点。
3.如权利要求2所述的职业标签建立方法，其特征在于，所述计算所述特征信息数据集中任意两个特征信息数据的距离值，包括：
利用下述公式计算所述特征信息数据集中任意两个特征信息数据的距离值：
Figure FDA0002353877730000011
Jaccard(OA,OB)表示任意两个特征信息数据的距离值，OA∩OB表示所述任意两个特征信息数据中相同词语的个数，OA∪OB表示将所述任意两个特征信息数据中相同词语进行合并后所有词语的总个数。
4.如权利要求1所述的职业标签建立方法，其特征在于，在所述对所述原始数据集进行特征提取之前，该方法还包括：
对所述原始数据集进行去异常处理及对去异常处理后的所述原始数据集进行缺失值检测。
5.如权利要求4所述的职业标签建立方法，其特征在于，所述对所述原始数据集进行去异常处理，包括：
计算所述原始数据集的平均值与标准差；
计算所述原始数据集中各数据与所述平均值的差值，利用预设的方法将所述标准差预设一个标准差范围；
若所述差值不在预设的标准范围内，则将所述数据剔除；
若所述差值在预设的标准范围内，则对所述数据不作处理。
6.如权利要求4所述的职业标签建立方法，其特征在于，所述对去异常处理后的所述原始数据集进行缺失值检测，包括：
通过缺失函数检测所述原始数据集中存在的数据缺失值；
利用预设的填充算法对所述原始数据集中的数据缺失值进行填充，其中，所述预设的填充算法包括：
Figure FDA0002353877730000021
其中，L(θ)表示填充的数据缺失值，xi表示第i个数据缺失值，θ表示填充的数据缺失值对应的概率参数，n表示所述初始数据集的数量，p(xi|θ)表示填充的数据缺失值概率。
7.一种职业标签建立装置，其特征在于，所述装置包括：
采集模块，用于从地理位置定位设备获取用户基于位置的服务信息，得到原始数据集；
提取模块，用于根据预设的兴趣点信息及预设的时间信息，对所述原始数据集进行特征提取，得到特征数据集；
关联模块，用于将所述用户的身份信息与所述特征信息数据集建立关联，得到用户的特征信息数据集；
聚类模块，用于对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集；
构建模块，用于根据所述聚类中心点集的聚类中心点计算不同数据类型在所述用户的特征信息数据集的占比，根据所述占比，构建所述用户的职业画像，并将所述用户的职业画像通过电子设备输出。
8.如权利要求7所述的职业标签建立的装置，其特征在于，所述对所述特征信息数据集进行聚类处理，得到所述特征信息数据集的聚类中心点集，包括：
计算所述特征信息数据集中任意两个特征信息数据的距离值；
根据所述距离值判断所述两个特征信息数据是否为相似特征数据；
若所述两个特征信息数据为相似特征信息数据，将所述两个特征信息数据进行合并，形成一个聚类中心点；
若所述两个特征信息数据为不相似特征信息数据，分别根据所述两个特征信息数据中的每一个特征信息数据形成一个聚类中心点。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至6中任一所述的职业标签建立方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一所述的职业标签建立方法。
CN202010007898.0A 2020-01-02 2020-01-02 职业标签建立方法、装置、电子设备及存储介质 Active CN111210201B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010007898.0A CN111210201B (zh) 2020-01-02 2020-01-02 职业标签建立方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010007898.0A CN111210201B (zh) 2020-01-02 2020-01-02 职业标签建立方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111210201A true CN111210201A (zh) 2020-05-29
CN111210201B CN111210201B (zh) 2021-02-26

Family

ID=70786658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010007898.0A Active CN111210201B (zh) 2020-01-02 2020-01-02 职业标签建立方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111210201B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112347214A (zh) * 2020-11-06 2021-02-09 平安科技（深圳）有限公司 目标区域划分方法、装置、电子设备及存储介质
CN112785163A (zh) * 2021-01-26 2021-05-11 维沃移动通信有限公司 职业识别方法、装置、设备及介质
CN113112282A (zh) * 2021-04-20 2021-07-13 平安银行股份有限公司 基于客户画像处理咨诉问题的方法、装置、设备及介质
CN113312564A (zh) * 2021-06-01 2021-08-27 平安证券股份有限公司 点评数据排序方法、装置、电子设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933049A (zh) * 2014-03-17 2015-09-23 华为技术有限公司 生成数字人的方法及系统
CN106504099A (zh) * 2015-09-07 2017-03-15 国家计算机网络与信息安全管理中心 一种构建用户画像的系统
CN106651603A (zh) * 2016-12-29 2017-05-10 平安科技（深圳）有限公司 基于位置服务的风险评估方法及装置
CN107305667A (zh) * 2016-04-18 2017-10-31 滴滴（中国）科技有限公司 基于出行习惯的用户画像获取方法及装置
CN107315824A (zh) * 2017-07-04 2017-11-03 百度在线网络技术（北京）有限公司 用于生成热力图的方法和装置
CN107679946A (zh) * 2017-09-28 2018-02-09 平安科技（深圳）有限公司 基金产品推荐方法、装置、终端设备及存储介质
CN109829020A (zh) * 2018-12-20 2019-05-31 平安科技（深圳）有限公司 地点资源数据推送方法、装置、计算机设备和存储介质
CN110020201A (zh) * 2019-03-26 2019-07-16 中国科学院软件研究所 一种基于用户画像聚类的用户类型自动化标注系统
CN110276012A (zh) * 2019-06-26 2019-09-24 海南车智易通信息技术有限公司 一种可视化用户画像的生成方法、装置和计算设备
CN110363387A (zh) * 2019-06-14 2019-10-22 平安科技（深圳）有限公司 基于大数据的画像分析方法、装置、计算机设备及存储介质

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933049A (zh) * 2014-03-17 2015-09-23 华为技术有限公司 生成数字人的方法及系统
CN106504099A (zh) * 2015-09-07 2017-03-15 国家计算机网络与信息安全管理中心 一种构建用户画像的系统
CN107305667A (zh) * 2016-04-18 2017-10-31 滴滴（中国）科技有限公司 基于出行习惯的用户画像获取方法及装置
CN106651603A (zh) * 2016-12-29 2017-05-10 平安科技（深圳）有限公司 基于位置服务的风险评估方法及装置
CN107315824A (zh) * 2017-07-04 2017-11-03 百度在线网络技术（北京）有限公司 用于生成热力图的方法和装置
CN107679946A (zh) * 2017-09-28 2018-02-09 平安科技（深圳）有限公司 基金产品推荐方法、装置、终端设备及存储介质
CN109829020A (zh) * 2018-12-20 2019-05-31 平安科技（深圳）有限公司 地点资源数据推送方法、装置、计算机设备和存储介质
CN110020201A (zh) * 2019-03-26 2019-07-16 中国科学院软件研究所 一种基于用户画像聚类的用户类型自动化标注系统
CN110363387A (zh) * 2019-06-14 2019-10-22 平安科技（深圳）有限公司 基于大数据的画像分析方法、装置、计算机设备及存储介质
CN110276012A (zh) * 2019-06-26 2019-09-24 海南车智易通信息技术有限公司 一种可视化用户画像的生成方法、装置和计算设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周艺彪 等: ""调查研究中数据缺失的机制及处理方法"", 《中国卫生统计》 *
强振平 等: ""深度学习图像修复方法综述"", 《中国图象图形学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112347214A (zh) * 2020-11-06 2021-02-09 平安科技（深圳）有限公司 目标区域划分方法、装置、电子设备及存储介质
CN112785163A (zh) * 2021-01-26 2021-05-11 维沃移动通信有限公司 职业识别方法、装置、设备及介质
CN113112282A (zh) * 2021-04-20 2021-07-13 平安银行股份有限公司 基于客户画像处理咨诉问题的方法、装置、设备及介质
CN113312564A (zh) * 2021-06-01 2021-08-27 平安证券股份有限公司 点评数据排序方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN111210201B (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
CN111210201B (zh) 职业标签建立方法、装置、电子设备及存储介质
CN111128399B (zh) 一种基于人流密度的流行病疫情风险等级评估方法
CN111651858A (zh) 数字孪生模型生成方法、装置及计算机可读存储介质
CN107220308B (zh) Poi的合理性的检测方法及装置、设备及可读介质
CN113806434B (zh) 大数据处理方法、装置、设备及介质
CN113920117B (zh) 一种面板缺陷区域检测方法、装置、电子设备及存储介质
CN114550076A (zh) 区域异常行为监控方法、装置、设备及存储介质
CN113506045A (zh) 基于移动设备的风险用户识别方法、装置、设备及介质
CN113890712A (zh) 数据传输方法、装置、电子设备及可读存储介质
CN105184435A (zh) 一种外勤人员管理方法及系统
CN111831708A (zh) 基于缺失数据的样本分析方法、装置、电子设备及介质
CN114637326A (zh) 区域策略制定方法、装置、设备及存储介质
CN114201482A (zh) 人口动态分布统计方法、装置、电子设备及可读存储介质
CN112765127B (zh) 一种交通数据仓库的构建方法、装置、存储介质及终端
CN114268559B (zh) 基于tf-idf算法的定向网络检测方法、装置、设备及介质
CN112601178A (zh) 边缘网关定位方法、装置、电子设备及存储介质
CN112052310A (zh) 基于大数据的信息获取方法、装置、设备及存储介质
CN111858624A (zh) 一种车辆使用情况更新方法及装置
CN114218453A (zh) 数据展示方法、装置、设备及可读存储介质
CN115238179A (zh) 项目推送方法、装置、电子设备及计算机可读存储介质
CN111198927B (zh) 地理位置数据的匹配方法、装置、电子设备及存储介质
CN111190980A (zh) 迟到预警方法、装置、电子设备及存储介质
CN111242723B (zh) 用户子女情况判断方法、服务器及计算机可读存储介质
CN114387021A (zh) 业务状态生成方法、装置、设备及存储介质
CN113766312A (zh) 设备间的响应延迟计算方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant