CN111310009A - 用户分类方法、装置、存储介质、计算机设备 - Google Patents
用户分类方法、装置、存储介质、计算机设备 Download PDFInfo
- Publication number
- CN111310009A CN111310009A CN202010048684.8A CN202010048684A CN111310009A CN 111310009 A CN111310009 A CN 111310009A CN 202010048684 A CN202010048684 A CN 202010048684A CN 111310009 A CN111310009 A CN 111310009A
- Authority
- CN
- China
- Prior art keywords
- user
- target
- target user
- module
- standard
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000013598 vector Substances 0.000 claims abstract description 53
- 230000006870 function Effects 0.000 claims description 59
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9532—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种用户分类方法、装置、存储介质、计算机设备,该方法包括:获取语音模块接收到的用户请求;对用户请求进行解析获取目标用户使用智能设备的功能信息;根据语音模块所在的位置获取目标用户使用智能设备的场景信息;根据场景信息和功能信息构建目标用户向量;将目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度;将最大的余弦相似度所对应的标准用户作为目标标准用户;将目标标准用户对应的用户标签作为目标用户的分类标签。通过本申请的技术方案可以精准获取目标用户的类型,并应用于个性化推送等业务。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种用户分类方法、装置、存储介质、计算机设备。
背景技术
随着智能化时代的到来,用户数据越来越多,而根据大量的数据来识别用户的类别势在必行。识别出用户的类别对于后面的业务具有重要意义,例如个性化推荐,个性化服务等功能,都可以根据用户类别实现。现有技术中,通过用户的注册信息或浏览信息来确定用户属性,无法精确确认用户类别,进而无法实现精准推送,同时,对于用户而言,造成垃圾信息量太大,用户体验差。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本申请实施例提供了一种户分类方法、装置、存储介质、计算机设备。
第一方面,本申请实施例提供了一种用户分类方法,该方法包括:
获取语音模块接收到的用户请求;
对用户请求进行解析获取目标用户使用智能设备的功能信息;
根据语音模块所在的位置获取目标用户使用智能设备的场景信息;
根据场景信息和功能信息构建目标用户向量;
将目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度;
将最大的余弦相似度所对应的标准用户作为目标标准用户;
将目标标准用户对应的用户标签作为目标用户的分类标签。
可选地,获取语音模块接收到的用户请求,包括:
获取在预设时间段内语音模块接收到的不同用户请求。
可选地,对用户请求进行解析获取目标用户使用智能设备的功能信息,包括:
对不同用户请求分别进行解析,统计目标用户使用智能设备的功能和使用对应功能的频率。
可选地,根据语音模块所在的位置获取目标用户使用智能设备的场景信息,包括:
根据语音模块所在的位置获取目标用户使用智能设备的场景和目标用户在对应场景活动的频率。
可选地,在将目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度之前,方法还包括:
获取多种用户标签的用户样本;
根据每种用户标签的用户样本定义对应的标准用户向量。
第二方面,本申请实施例提供了一种用户分类装置,该装置包括:
请求获取模块,用于获取语音模块接收到的用户请求;
解析模块,用于对用户请求进行解析获取目标用户使用智能设备的功能信息;
场景分析模块,用于根据语音模块所在的位置获取目标用户使用智能设备的场景信息;
构建模块,用于根据场景信息和功能信息构建目标用户向量;
计算模块,用于将目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度;
比较模块,用于将最大的余弦相似度所对应的标准用户作为目标标准用户;
判定模块,用于将目标标准用户对应的用户标签作为目标用户的分类标签。
可选地,请求获取模块具体用于:获取在预设时间段内语音模块接收到的不同用户请求。
可选地,解析模块具体用于:对不同用户请求分别进行解析,统计目标用户使用智能设备的功能和使用对应功能的频率。
第三方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,使得处理器执行如前面所述任一项的方法的步骤。
第四方面,本申请实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时执行如前面所述任一项的方法的步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:
通过本申请的技术方案,可以精确确认用户类别,进而应用在精准推送和个性化推送等业务;同时,对于用户而言,能够及时获取到有用信息,提升了用户体验。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为一个实施例中用户分类方法的应用环境图;
图2为一个实施例中用户分类方法的流程示意图;
图3为一个实施例中用户分类装置的结构示意图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为一个实施例中用户分类方法的应用环境图。参考图1,该用户分类方法应用于用户分类系统。该用户分类系统包括语音模块组10(语音模块11、语音模块12和语音模块13)和服务器20。语音模块组10和服务器20通过网络连接。服务器20获取语音模块组10中语音模块接收到的用户请求;对用户请求进行解析获取目标用户使用智能设备的功能信息;根据语音模块所在的位置获取目标用户使用智能设备的场景信息;根据场景信息和功能信息构建目标用户向量;将目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度;将最大的余弦相似度所对应的标准用户作为目标标准用户;将目标标准用户对应的用户标签作为目标用户的分类标签。
语音模块组10具体可以是语音设备,例如智能音箱。服务器20可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
图2为一个实施例中用户分类方法的流程示意图。参考图2,该用户分类方法包括以下步骤:
S100:获取语音模块接收到的用户请求。
具体地,语音模块与智能设备通过网络通信,语音模块用于接收用户的语音请求,并通过接收到的用户请求控制智能设备,用户请求中包括了用户需要智能设备执行的功能。
S200:对用户请求进行解析获取目标用户使用智能设备的功能信息。
具体地,用户请求是语音指令,需要解析并转换为文字型指令,语音指令中包括了目标用户使用智能设备的哪些功能。
S300:根据语音模块所在的位置获取目标用户使用智能设备的场景信息。
具体地,语音模块与智能设备通过网络通信,语音模块所在的位置已知,因为用户需要与语音模块处于同一位置(范围内)才能使用语音模块控制智能设备,因此,通过语音模块可以获取到目标用户所在的位置(即场景)。例如,语音模块在客厅,则可以获取到目标用户是在客厅这个场景下使用语音模块的。
S400:根据场景信息和功能信息构建目标用户向量。
具体地,根据目标用户在哪些场景下通过语音模块使用智能设备的哪些功能,可以构建出目标用户的行为向量。
例如:目标用户在客厅使用智能设备的哪些功能,在厨房使用智能设备的哪些功能等等。
S500:将目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度。
具体地,标准用户向量是已知用户类型的标准用户的行为向量。将目标用户向量分别与每个标准用户向量进行计算得到对应的余弦相似度,余弦相似度越大,则目标用户与该标准用户越相像。
标准用户可以包括商务人士、学生、老人、普通工薪阶层等等,不局限于此。
其中,用向量空间中的两个向量夹角的余弦值作为衡量两个个体间差异大小的度量,值越接近1,就说明夹角角度越接近0°,也就是两个向量越相似,就叫做余弦相似。
S600:将最大的余弦相似度所对应的标准用户作为目标标准用户。
S700:将目标标准用户对应的用户标签作为目标用户的分类标签。
具体地,通过比较获取到的多个余弦相似度,可以得到值最大的余弦相似度。最大余弦相似度所对应的标准用户即为目标用户对应的用户类型。
在一个实施例中,步骤S100具体包括:获取在预设时间段内语音模块接收到的不同用户请求。
具体地,在家庭中,智能设备有多种,每个智能设备配备一个语音模块,且智能设备可能安装在家中多个地方。例如,厨房安置有冰箱、燃气灶,客厅安置有电视机、空调、音箱,卧室安置有空调、电脑等。用户在每个不同位置可以通过语音模块控制对应的智能设备实现不同的功能。通过获取在预设时间段内语音模块接收到的不同用户请求,可以统计到用户使用智能设备的哪些不同功能。
预设时间段可以为一周、半个月、一个月、一个季度等等不局限于此。
在一个实施例中,步骤S200具体包括:对不同用户请求分别进行解析,统计目标用户使用智能设备的功能和使用对应功能的频率。
具体地,在预设时间段内,统计一个家庭中目标用户用到智能设备哪些功能,每个功能使用的频率。例如,使用电视机的偶像剧的功能是10次,或者使用音箱的听音乐功能的次数是15次,或者使用燃气灶的功能是20次等等,或者使用手机的闹钟功能或天气预报功能的次数均为30次等等。
在一个实施例中,步骤S300具体包括:根据语音模块所在的位置获取目标用户使用智能设备的场景和目标用户在对应场景活动的频率。
具体地,语音模块所在的位置即为目标用户所在的位置,目标用户使用智能设备的场景即为目标用户在使用智能设备时所在的位置。例如,目标用户使用厨房的燃气灶的功能,则表明目标用户活动场景为厨房。通过获取目标用户在各个场景活动的频率,可以判定目标用户属于哪类人群。例如,经常在厨房活动的目标用户偏向于是老人或普通工薪阶层;经常在客厅使用电话、查看天气预报或使用闹钟功能的目标用户偏向于商务人士。
在一个实施例中,在步骤S500之前,该方法还包括:
获取多种用户标签的用户样本;
根据每种用户标签的用户样本定义对应的标准用户向量。
具体地,相同用户类型的不同用户,他们的行为向量在一定范围内是相近的,通过对相同用户类型的用户样本进行行为特征的统计,根据统计的数据可以定义同一个用户类型的标准用户向量。
例如,商务人士在客厅活动的频率远远大于在厨房活动的频率,商务人士使用智能设备的天气预报功能和闹钟功能远远大于听音乐的功能。可以定义标准商务人士在哪些位置活动以及对应的频率和使用智能设备的哪些功能以及对应的频率。
应该理解的是,虽然图2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
例如,目标用户与商务人士对应的余弦相似度最大,则认为目标用户为商务人士。
通过收集并统计目标用户的行为习惯,包括:用户平时在哪些场景下使用智能设备,这些场景出现的次数,用户使用了智能设备哪些功能,使用这些功能的次数。可以以季度为单位,统计每个季度用户在各个场景使用智能设备的次数及使用了哪些功能,这些数据构成了用户的行为向量。
表1:目标用户的行为数据
用户 | 客厅 | 厨房 | 卫生间 | 阳台 | 听音乐 | 闹钟 | 天气 |
用户1 | 95次 | 56次 | 55次 | 32次 | 64次 | 87次 | 121次 |
用户2 | 15次 | 34次 | 74次 | 21次 | 11次 | 11次 | 2次 |
参考表1,分别统计了用户1和用户2在客厅、厨房、卫生间、阳台活动的次数,以及用户1和用户2使用智能设备听音乐、闹钟、天气功能的次数。
表2:商务人士的行为数据
用户 | 客厅 | 厨房 | 卫生间 | 阳台 | 听音乐 | 闹钟 | 天气 |
商务人士 | 95次 | 1次 | 85次 | 3次 | 0次 | 88次 | 153次 |
参考表2,为标准用户中商务人士的行为数据,是通过多个商务人士的用户样本定义的。由表2可以看出,商务人士在客厅活动的频率最高,在厨房活动的频率最低,关注天气最频繁。由表1和表2可知,用户1为商务人士。
图3为一个实施例中用户分类装置的结构示意图。参考图3,该装置包括:
请求获取模块110,用于获取语音模块接收到的用户请求。
解析模块120,用于对用户请求进行解析获取目标用户使用智能设备的功能信息。
场景分析模块130,用于根据语音模块所在的位置获取目标用户使用智能设备的场景信息。
构建模块140,用于根据场景信息和功能信息构建目标用户向量。
计算模块150,用于将目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度。
比较模块160,用于将最大的余弦相似度所对应的标准用户作为目标标准用户。
判定模块170,用于将目标标准用户对应的用户标签作为目标用户的分类标签。
在一个实施例中,请求获取模块110具体用于:获取在预设时间段内语音模块接收到的不同用户请求。
在一个实施例中,解析模块120具体用于:对不同用户请求分别进行解析,统计目标用户使用智能设备的功能和使用对应功能的频率。
在一个实施例中,场景分析模块130具体用于:根据语音模块所在的位置获取目标用户使用智能设备的场景和目标用户在对应场景活动的频率。
在一个实施例中,该装置还包括:标准定义模块,用于获取多种用户标签的用户样本;根据每种用户标签的用户样本定义对应的标准用户向量。
图4为一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中服务器20。如图4所示,该计算机设备通过系统总线连接的处理器、存储器、网络接口、输入装置、语音装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现用户分类方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行用户分类方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的用户分类装置可以实现为一种计算机程序的形式,计算机程序可在如图4所示的计算机设备上运行。计算机设备的存储器中可存储组成该用户分类装置的各个程序模块,比如,图3所示的请求获取模块110、解析模块120、场景分析模块130、构建模块140、计算模块150、比较模块160、判定模块170。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的用户分类方法中的步骤。
例如,图4所示的计算机设备可以通过如图3所示的用户分类装置中的请求获取模块110执行获取语音模块接收到的用户请求。计算机设备可以通过解析模块120执行对用户请求进行解析获取目标用户使用智能设备的功能信息。计算机设备可以通过场景分析模块130执行根据语音模块所在的位置获取目标用户使用智能设备的场景信息。计算机设备可以通过构建模块140根据场景信息和功能信息构建目标用户向量。计算机设备可以通过计算模块150执行将目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度。计算机设备可以通过比较模块160执行将最大的余弦相似度所对应的标准用户作为目标标准用户。计算机设备可以通过判定模块170执行将目标标准用户对应的用户标签作为目标用户的分类标签。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:获取语音模块接收到的用户请求;对用户请求进行解析获取目标用户使用智能设备的功能信息;根据语音模块所在的位置获取目标用户使用智能设备的场景信息;根据场景信息和功能信息构建目标用户向量;将目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度;将最大的余弦相似度所对应的标准用户作为目标标准用户;将目标标准用户对应的用户标签作为目标用户的分类标签。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:获取语音模块接收到的用户请求;对用户请求进行解析获取目标用户使用智能设备的功能信息;根据语音模块所在的位置获取目标用户使用智能设备的场景信息;根据场景信息和功能信息构建目标用户向量;将目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度;将最大的余弦相似度所对应的标准用户作为目标标准用户;将目标标准用户对应的用户标签作为目标用户的分类标签。
通过本申请的技术方案,能够根据用户在家庭中通过语音模块使用智能设备的行为向量(使用场景、经常使用的功能等)来精准确认用户类型,从而为后面用户个性化推荐、用户私人智慧医疗、用户智慧出行等方面提供前期业务支持,是进一步智能化服务的基础。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种用户分类方法,其特征在于,所述方法包括:
获取语音模块接收到的用户请求;
对用户请求进行解析获取目标用户使用智能设备的功能信息;
根据语音模块所在的位置获取所述目标用户使用智能设备的场景信息;
根据所述场景信息和功能信息构建目标用户向量;
将所述目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度;
将最大的余弦相似度所对应的标准用户作为目标标准用户;
将目标标准用户对应的用户标签作为目标用户的分类标签。
2.根据权利要求1所述的方法,其特征在于,所述获取语音模块接收到的用户请求,包括:
获取在预设时间段内语音模块接收到的不同用户请求。
3.根据权利要求2所述的方法,其特征在于,所述对用户请求进行解析获取目标用户使用智能设备的功能信息,包括:
对不同用户请求分别进行解析,统计目标用户使用智能设备的功能和使用对应功能的频率。
4.根据权利要求3所述的方法,其特征在于,所述根据语音模块所在的位置获取目标用户使用智能设备的场景信息,包括:
根据语音模块所在的位置获取目标用户使用智能设备的场景和目标用户在对应场景活动的频率。
5.根据权利要求4所述的方法,其特征在于,在将目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度之前,所述方法还包括:
获取多种用户标签的用户样本;
根据每种用户标签的用户样本定义对应的标准用户向量。
6.一种用户分类装置,其特征在于,所述装置包括:
请求获取模块,用于获取语音模块接收到的用户请求;
解析模块,用于对用户请求进行解析获取目标用户使用智能设备的功能信息;
场景分析模块,用于根据语音模块所在的位置获取目标用户使用智能设备的场景信息;
构建模块,用于根据所述场景信息和功能信息构建目标用户向量;
计算模块,用于将目标用户向量分别与多个不同的标准用户向量进行计算得到对应的多个余弦相似度;
比较模块,用于将最大的余弦相似度所对应的标准用户作为目标标准用户;
判定模块,用于将目标标准用户对应的用户标签作为目标用户的分类标签。
7.根据权利要求6所述的装置,其特征在于,所述请求获取模块具体用于:获取在预设时间段内语音模块接收到的不同用户请求。
8.根据权利要求7所述的装置,其特征在于,所述解析模块具体用于:对不同用户请求分别进行解析,统计目标用户使用智能设备的功能和使用对应功能的频率。
9.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1-5任一项所述的方法的步骤。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在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程序时执行如权利要求1-5任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010048684.8A CN111310009A (zh) | 2020-01-16 | 2020-01-16 | 用户分类方法、装置、存储介质、计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010048684.8A CN111310009A (zh) | 2020-01-16 | 2020-01-16 | 用户分类方法、装置、存储介质、计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111310009A true CN111310009A (zh) | 2020-06-19 |
Family
ID=71145096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010048684.8A Pending CN111310009A (zh) | 2020-01-16 | 2020-01-16 | 用户分类方法、装置、存储介质、计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111310009A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001761A (zh) * | 2020-08-31 | 2020-11-27 | 上海博泰悦臻电子设备制造有限公司 | 用户分类方法及相关装置 |
CN112561495A (zh) * | 2020-12-25 | 2021-03-26 | 杭州博联智能科技股份有限公司 | 基于模板的智能业务场景实施方法、装置、设备及介质 |
CN112882621A (zh) * | 2021-02-07 | 2021-06-01 | 微民保险代理有限公司 | 模块显示方法、装置、计算机设备和存储介质 |
CN113848747A (zh) * | 2021-11-03 | 2021-12-28 | 珠海格力电器股份有限公司 | 智能家居设备控制方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105654950A (zh) * | 2016-01-28 | 2016-06-08 | 百度在线网络技术(北京)有限公司 | 自适应语音反馈方法和装置 |
US20170139470A1 (en) * | 2015-05-26 | 2017-05-18 | Shenzhen Skyworth-Rgb Electronic Co., Ltd. | Method for intelligently controlling controlled equipment and device |
CN106940705A (zh) * | 2016-12-20 | 2017-07-11 | 上海掌门科技有限公司 | 一种用于构建用户画像的方法与设备 |
CN107833574A (zh) * | 2017-11-16 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 用于提供语音服务的方法和装置 |
CN107832434A (zh) * | 2017-11-15 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 基于语音交互生成多媒体播放列表的方法和装置 |
CN109190044A (zh) * | 2018-09-10 | 2019-01-11 | 北京百度网讯科技有限公司 | 个性化推荐方法、装置、服务器和介质 |
CN109344253A (zh) * | 2018-09-18 | 2019-02-15 | 平安科技(深圳)有限公司 | 添加用户标签的方法、装置、计算机设备和存储介质 |
CN109977301A (zh) * | 2019-02-28 | 2019-07-05 | 贵阳学院 | 一种用户使用习惯挖掘方法 |
CN110245687A (zh) * | 2019-05-17 | 2019-09-17 | 腾讯科技(上海)有限公司 | 用户分类方法以及装置 |
CN110365755A (zh) * | 2019-06-28 | 2019-10-22 | 深圳数位传媒科技有限公司 | 一种基于关键场景实时触发的信息推荐方法及装置 |
-
2020
- 2020-01-16 CN CN202010048684.8A patent/CN111310009A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170139470A1 (en) * | 2015-05-26 | 2017-05-18 | Shenzhen Skyworth-Rgb Electronic Co., Ltd. | Method for intelligently controlling controlled equipment and device |
CN105654950A (zh) * | 2016-01-28 | 2016-06-08 | 百度在线网络技术(北京)有限公司 | 自适应语音反馈方法和装置 |
CN106940705A (zh) * | 2016-12-20 | 2017-07-11 | 上海掌门科技有限公司 | 一种用于构建用户画像的方法与设备 |
CN107832434A (zh) * | 2017-11-15 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 基于语音交互生成多媒体播放列表的方法和装置 |
CN107833574A (zh) * | 2017-11-16 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 用于提供语音服务的方法和装置 |
CN109190044A (zh) * | 2018-09-10 | 2019-01-11 | 北京百度网讯科技有限公司 | 个性化推荐方法、装置、服务器和介质 |
CN109344253A (zh) * | 2018-09-18 | 2019-02-15 | 平安科技(深圳)有限公司 | 添加用户标签的方法、装置、计算机设备和存储介质 |
CN109977301A (zh) * | 2019-02-28 | 2019-07-05 | 贵阳学院 | 一种用户使用习惯挖掘方法 |
CN110245687A (zh) * | 2019-05-17 | 2019-09-17 | 腾讯科技(上海)有限公司 | 用户分类方法以及装置 |
CN110365755A (zh) * | 2019-06-28 | 2019-10-22 | 深圳数位传媒科技有限公司 | 一种基于关键场景实时触发的信息推荐方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112001761A (zh) * | 2020-08-31 | 2020-11-27 | 上海博泰悦臻电子设备制造有限公司 | 用户分类方法及相关装置 |
CN112561495A (zh) * | 2020-12-25 | 2021-03-26 | 杭州博联智能科技股份有限公司 | 基于模板的智能业务场景实施方法、装置、设备及介质 |
CN112882621A (zh) * | 2021-02-07 | 2021-06-01 | 微民保险代理有限公司 | 模块显示方法、装置、计算机设备和存储介质 |
CN113848747A (zh) * | 2021-11-03 | 2021-12-28 | 珠海格力电器股份有限公司 | 智能家居设备控制方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111310009A (zh) | 用户分类方法、装置、存储介质、计算机设备 | |
Baetschmann et al. | feologit: A new command for fitting fixed-effects ordered logit models | |
Valliant | Comparing alternatives for estimation from nonprobability samples | |
CN104765873B (zh) | 用户相似度确定方法和装置 | |
CN107451832B (zh) | 推送信息的方法和装置 | |
Gault-Sherman et al. | What will the neighbors think? The effect of moral communities on cohabitation | |
Koper et al. | A guide to developing resource selection functions from telemetry data using generalized estimating equations and generalized linear mixed models | |
CN108446944B (zh) | 一种常驻城市的确定方法、装置及电子设备 | |
Gasparini et al. | Multidimensional poverty in Latin America and the Caribbean: new evidence from the Gallup World Poll | |
Chen et al. | Identifying home locations in human mobility data: an open-source R package for comparison and reproducibility | |
Williams et al. | Improving geolocation of social media posts | |
Goh | Narrowing the knowledge gap: The role of alternative online media in an authoritarian press system | |
CN112488742A (zh) | 用户属性信息的预测方法、装置、电子设备及存储介质 | |
Toshkov et al. | Beyond the U-curve: Citizen preferences on European integration in multidimensional political space | |
Schecter et al. | The power, accuracy, and precision of the relational event model | |
Botta et al. | Measuring the size of a crowd using Instagram | |
CN110650438B (zh) | 用户常住区域相似度判断方法、装置、设备及介质 | |
JP2004532488A (ja) | データバンク操作の性能を向上させるための統計モデル | |
US20150373529A1 (en) | Determining multiple users of a network enabled device | |
CN105447148B (zh) | 一种Cookie标识关联方法及装置 | |
Hossain et al. | Inferring the purposes of using ride-hailing services through data fusion of trip trajectories, secondary travel surveys, and land use data | |
Doherty et al. | The shakedown: Developing an indoor-localization system for quantifying toilet usage in offices | |
US20200413220A1 (en) | System and method for identifying associated subjects from location histories | |
Yucel et al. | Sequential hierarchical regression imputation | |
Weiß | Fully observed INAR (1) processes |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200619 |