CN112035742B - 用户画像生成方法、装置、设备及存储介质 - Google Patents
用户画像生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112035742B CN112035742B CN202010885050.8A CN202010885050A CN112035742B CN 112035742 B CN112035742 B CN 112035742B CN 202010885050 A CN202010885050 A CN 202010885050A CN 112035742 B CN112035742 B CN 112035742B
- Authority
- CN
- China
- Prior art keywords
- user
- data
- behavior data
- intention
- tag
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000006399 behavior Effects 0.000 claims description 189
- 235000004280 healthy diet Nutrition 0.000 claims description 12
- 239000003814 drug Substances 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000036541 health Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 7
- 230000006806 disease prevention Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010223 real-time analysis Methods 0.000 description 5
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 3
- 206010022437 insomnia Diseases 0.000 description 3
- 206010020772 Hypertension Diseases 0.000 description 2
- 206010033307 Overweight Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 235000012054 meals Nutrition 0.000 description 2
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据技术领域，公开了一种用户画像生成方法、装置、设备及存储介质，用于提高用户行为画像的准确性。用户画像生成方法包括：从预设应用服务中实时获取用户行为数据和用户标识数据，用户行为数据包括用户操作行为数据和用户浏览行为数据；通过已训练的意图识别模型对用户操作行为数据和用户浏览行为数据进行分析处理，得到用户意图标签数据；按照用户意图标签数据查询预设标签规则表，得到对应的标签更新规则；采用用户标识数据获取初始用户画像，并利用对应的标签更新规则将用户意图标签数据更新至初始用户画像中，得到目标用户画像。此外，本发明还涉及区块链技术，目标用户画像可存储于区块链节点中。
Description
技术领域
本发明涉及大数据技术的用户行为画像领域，尤其涉及一种用户画像生成方法、装置、设备及存储介质。
背景技术
互联网领域的页面呈现、数据引流、广告展示、内容推荐都依赖于用户画像技术。根据用户的访问行为和动作轨迹，画像系统为用户生成画像标签。上层的业务系统、广告或者推荐系统，根据用户画像，更精准的向用户展示其可能感兴趣的信息，引导用户沉浸式浏览、访问，或者发生购物行为，或者推送广告商的广告，产生后续经济效益。
目前用户画像的生成，一般基于离线大数据的处理。用户行为通过行为日志上报到数据仓库中，数据仓库每天定时统计并分析当天的日志数据，得到新的用户画像数据，进一步同步到实时画像服务系统。整个用户画像生成过程可能涉及太字节TB级别的数据，包括数据存储、计算和传输，均需要一定的处理时长，例如，在1天以后确定用户画像，为此时用户可能不再使用对应的业务应用，精准的画像数据也无法为业务提供有效服务。另一方面，相对于存量数据，每天的用户行为数据，从量级上小很多，每天运行全量数据以及批量更新，也会造成计算和存储资源的浪费。所以离线批量生成用户画像的方案，存在资源利用率低和实时性差的问题。
发明内容
本发明的主要目的在于解决现有的离线批量生成用户画像的方案，存在资源利用率低和实时性差的问题。
为实现上述目的，本发明第一方面提供了一种用户画像生成方法，包括：从预设应用服务中实时获取用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据；通过已训练的意图识别模型对所述用户操作行为数据和所述用户浏览行为数据进行分析处理，得到用户意图标签数据；按照所述用户意图标签数据查询预设标签规则表，得到对应的标签更新规则，所述对应的标签更新规则用于指示添加标签和/或删除标签；采用所述用户标识数据获取初始用户画像，并利用所述对应的标签更新规则将用户意图标签数据更新至所述初始用户画像中，得到目标用户画像。
可选的，在本发明第一方面的第一种实现方式中，所述从预设应用服务中实时获取用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据，包括：通过预设埋点方式从预设应用服务中采集用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据；将所述用户行为数据和所述用户标识数据组装成待处理消息，并通过预设消息中间件将所述待处理消息存储至预设数据库中。
可选的，在本发明第一方面的第二种实现方式中，所述通过已训练的意图识别模型对所述用户操作行为数据和所述用户浏览行为数据进行分析处理，得到用户意图标签数据，包括：从所述预设数据库中获取所述用户操作行为数据和所述用户浏览行为数据；将所述用户操作行为数据和所述用户浏览行为数据输入至已训练的意图识别模型中，并通过所述已训练的意图识别模型提取特征，得到用户操作特征和用户浏览特征；对所述用户操作特征和所述用户浏览特征依次进行语义相似度计算与意图识别处理，得到初始意图标签数据和对应的意图标签置信度值；当所述对应的意图标签置信度值大于或等于预设意图阈值时，确定所述初始意图标签数据为用户意图标签数据。
可选的，在本发明第一方面的第三种实现方式中，所述按照所述用户意图标签数据查询预设标签规则表，得到对应的标签更新规则，所述对应的标签更新规则用于指示添加标签和/或删除标签，包括：采用结构化查询语言语法规则、所述用户意图标签数据和预设标签规则表生成第一查询语句；执行所述第一查询语句，得到查询结果；当所述查询结果不为空值时，从所述查询结果中读取对应的标签更新规则，所述对应的标签更新规则用于指示添加标签和/或删除标签。
可选的，在本发明第一方面的第四种实现方式中，所述采用所述用户标识数据获取初始用户画像，并利用所述对应的标签更新规则将用户意图标签数据更新至所述初始用户画像中，得到目标用户画像，包括：采用所述结构化查询语言语法规则、所述用户标识数据和预设画像数据库生成第二查询语句；执行所述第二查询语句，得到初始用户画像；判断所述初始用户画像中是否存在所述用户意图标签数据；当所述初始用户画像中不存在所述用户意图标签数据时，按照所述对应的标签更新规则对所述用户意图标签数据与所述初始用户画像进行标签数据融合，得到目标用户画像。
可选的，在本发明第一方面的第五种实现方式中，在所述从预设应用服务中实时获取用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据之前，所述用户画像生成方法还包括：接收导入用户标签数据请求，解析所述导入用户标签数据请求，得到离线用户行为标签数据集和待导入用户标识数据；按照所述待导入用户标识数据将所述离线用户行为标签数据集导入至预设画像数据库中，得到初始用户画像。
可选的，在本发明第一方面的第六种实现方式中，在所述采用所述用户标识数据获取初始用户画像，并利用所述对应的标签更新规则将用户意图标签数据更新至所述初始用户画像中，得到目标用户画像之后，所述用户画像生成方法还包括：从预设数据库中获取待推荐对象信息，对所述目标用户画像与所述待推荐对象信息进行特征匹配，得到匹配结果，所述待推荐对象信息用于指示按照用户健康状况信息或者疾病预防信息设置的属性特征；按照所述匹配结果对目标用户个性化推荐健康饮食信息或者药品信息。
本发明第二方面提供了一种用户画像生成装置，包括：获取模块，用于从预设应用服务中实时获取用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据；分析模块，用于通过已训练的意图识别模型对所述用户操作行为数据和所述用户浏览行为数据进行分析处理，得到用户意图标签数据；查询模块，用于按照所述用户意图标签数据查询预设标签规则表，得到对应的标签更新规则，所述对应的标签更新规则用于指示添加标签和/或删除标签；更新模块，用于采用所述用户标识数据获取初始用户画像，并利用所述对应的标签更新规则将用户意图标签数据更新至所述初始用户画像中，得到目标用户画像。
可选的，在本发明第二方面的第一种实现方式中，所述获取模块具体用于：通过预设埋点方式从预设应用服务中采集用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据；将所述用户行为数据和所述用户标识数据组装成待处理消息，并通过预设消息中间件将所述待处理消息存储至预设数据库中。
可选的，在本发明第二方面的第二种实现方式中，所述分析模块具体用于：从所述预设数据库中获取所述用户操作行为数据和所述用户浏览行为数据；将所述用户操作行为数据和所述用户浏览行为数据输入至已训练的意图识别模型中，并通过所述已训练的意图识别模型提取特征，得到用户操作特征和用户浏览特征；对所述用户操作特征和所述用户浏览特征依次进行语义相似度计算与意图识别处理，得到初始意图标签数据和对应的意图标签置信度值；当所述对应的意图标签置信度值大于或等于预设意图阈值时，确定所述初始意图标签数据为用户意图标签数据。
可选的，在本发明第二方面的第三种实现方式中，所述查询模块具体用于：采用结构化查询语言语法规则、所述用户意图标签数据和预设标签规则表生成第一查询语句；执行所述第一查询语句，得到查询结果；当所述查询结果不为空值时，从所述查询结果中读取对应的标签更新规则，所述对应的标签更新规则用于指示添加标签和/或删除标签。
可选的，在本发明第二方面的第四种实现方式中，所述更新模块具体用于：采用所述结构化查询语言语法规则、所述用户标识数据和预设画像数据库生成第二查询语句；执行所述第二查询语句，得到初始用户画像；判断所述初始用户画像中是否存在所述用户意图标签数据；当所述初始用户画像中不存在所述用户意图标签数据时，按照所述对应的标签更新规则对所述用户意图标签数据与所述初始用户画像进行标签数据融合，得到目标用户画像。
可选的，在本发明第二方面的第五种实现方式中，所述用户画像生成装置还包括：解析模块，用于接收导入用户标签数据请求，解析所述导入用户标签数据请求，得到离线用户行为标签数据集和待导入用户标识数据；导入模块，用于按照所述待导入用户标识数据将所述离线用户行为标签数据集导入至预设画像数据库中，得到初始用户画像。
可选的，在本发明第二方面的第六种实现方式中，所述用户画像生成装置还包括：匹配模块，用于从预设数据库中获取待推荐对象信息，对所述目标用户画像与所述待推荐对象信息进行特征匹配，得到匹配结果，所述待推荐对象信息用于指示按照用户健康状况信息或者疾病预防信息设置的属性特征；推荐模块，用于按照所述匹配结果对目标用户个性化推荐健康饮食信息或者药品信息。
本发明第三方面提供了一种用户画像生成设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述用户画像生成设备执行上述的用户画像生成方法。
本发明的第四方面提供了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指令，当其在计算机上运行时，使得计算机执行上述的用户画像生成方法。
本发明提供的技术方案中，从预设应用服务中实时获取用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据；通过已训练的意图识别模型对所述用户操作行为数据和所述用户浏览行为数据进行分析处理，得到用户意图标签数据；按照所述用户意图标签数据查询预设标签规则表，得到对应的标签更新规则，所述对应的标签更新规则用于指示添加标签和/或删除标签；采用所述用户标识数据获取初始用户画像，并利用所述对应的标签更新规则将用户意图标签数据更新至所述初始用户画像中，得到目标用户画像。本发明实施例中，通过从预设应用服务中实时获取用户行为数据和用户标识数据，采用已训练的意图识别模型对用户行为数据进行实时分析处理，得到用户意图标签数据，并根据标签更新规则对用户标签和用户画像进行实时动态调整，为上层业务系统提供更准确和精准的用户相关信息，提高了用户画像的准确性，以及提高了资源利用率。
附图说明
图1为本发明实施例中用户画像生成方法的一个实施例示意图；
图2为本发明实施例中用户画像生成方法的另一个实施例示意图；
图3为本发明实施例中用户画像生成装置的一个实施例示意图；
图4为本发明实施例中用户画像生成装置的另一个实施例示意图；
图5为本发明实施例中用户画像生成设备的一个实施例示意图。
具体实施方式
本发明实施例提供了一种用户画像生成方法、装置、设备及存储介质，用于通过从预设应用服务中实时获取用户行为数据和用户标识数据，并根据标签更新规则、用户行为数据和用户标识数据对用户画像进行实时动态调整，为上层业务系统提供更准确和精准的用户相关信息，提高用户画像的准确性，以及提高资源利用率。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解，下面对本发明实施例的具体流程进行描述，请参阅图1，本发明实施例中用户画像生成方法的一个实施例包括：
101、从预设应用服务中实时获取用户行为数据和用户标识数据，用户行为数据包括用户操作行为数据和用户浏览行为数据。
其中，预设应用服务可以为购物商城应用服务，也可以为在线资讯应用服务，还可以为健康档案与体检报告应用服务，具体此处不做限定。例如，当用户使用购物商城应用服务购买了商品或者使用资讯社区应用服务阅读了资讯后，以消息队列的方式向服务器发送用户操作行为数据和用户浏览行为数据。采用消息队列可以提高用户行为数据采集效率，避免数据量大的时候产生数据阻塞。
可以理解的是，本发明的执行主体可以为用户画像生成装置，还可以是终端或者服务器，具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
102、通过已训练的意图识别模型对用户操作行为数据和用户浏览行为数据进行分析处理，得到用户意图标签数据。
其中，用户行为数据可以采用请求地址、请求参数、用于浏览或者操作页面的轨迹信息、页面跳转信息、浏览器信息或者请求响应时长进行表示，具体此处不做限定。已训练的意图识别模型可以为预先已训练好的决策树模型、随机森林模型或者深度神经网络模型，具体此处不做限定。
具体的，服务器将用户操作行为数据和用户浏览行为数据输入至已训练的意图识别模型中，通过已训练的意图识别模型对用户操作行为数据和用户浏览行为数据依次进行特征提取和标签分析处理，得到用户意图标签数据。
103、按照用户意图标签数据查询预设标签规则表，得到对应的标签更新规则，对应的标签更新规则用于指示添加标签和/或删除标签。
其中，预设标签规则表为预先设置的标签更新处理原则，具体的，服务器按照用户意图标签数据从预设标签规则表中读取对应的标签更新规则，对应的标签更新规则用于指示添加标签、删除标签以及添加和删除标签。例如，对应的标签更新规则为体重跟瘦身标签的规则，若用户的体重超过正常范围的30％，得到用户意图标签数据为超重，则服务器确定对应的标签更新规则为对用户关联减肥或者超重的标签，并删除体重正常的标签。
104、采用用户标识数据获取初始用户画像，并利用对应的标签更新规则将用户意图标签数据更新至初始用户画像中，得到目标用户画像。
其中，标签是细粒度的用户信息，而用户画像(初始用户画像和目标用户画像)是基于用户不同维度的标签综合的信息。具体的，服务器采用用户标识数据从预设数据库中读取初始用户画像，并利用对应的标签更新规则将用户意图标签数据添加和/或删除至初始用户画像中，得到目标用户画像。例如，一个用户可以具有“中年”、“肥胖”、“高血压”、“经常熬夜”和“高油高脂”的标签，其中，“中年”标签可以根据年龄规则关联，“肥胖”标签可以根据体重和身高规则关联，“高血压”可以根据血压规则关联，“经常熬夜”标签可以根据用户访问预设应用服务的时间规则关联，“高油高脂”标签可以根据用户经常看油炸食谱规则关联。根据这些规则，可以刻画出一个肥胖中年的用户画像。
本发明实施例中，通过从预设应用服务中实时获取用户行为数据和用户标识数据，采用已训练的意图识别模型对用户行为数据进行实时分析处理，得到用户意图标签数据，并根据标签更新规则对用户标签和用户画像进行实时动态调整，为上层业务系统提供更准确和精准的用户相关信息，提高了用户画像的准确性，以及提高了资源利用率。
请参阅图2，本发明实施例中用户画像生成方法的另一个实施例包括：
201、从预设应用服务中实时获取用户行为数据和用户标识数据，用户行为数据包括用户操作行为数据和用户浏览行为数据。
其中，预设应用服务预先安装并运行于终端中，预设应用服务采用埋点方式进行数据采集。可选的，服务器通过预设埋点方式从预设应用服务中采集用户行为数据和用户标识数据，用户行为数据包括用户操作行为数据和用户浏览行为数据；服务器将用户行为数据和用户标识数据组装成待处理消息，并通过预设消息中间件将待处理消息存储至预设数据库中。
具体的，服务器采集预设应用服务中预设交互页面中的用户行为数据和用户标识数据，用户行为数据包括用户操作行为数据和用户浏览行为数据，用户行为数据用于指示待监听的用户交互行为。例如，下单、收藏、在线健康咨询、观看视频各种用户行为；服务器将用户操作行为数据和用户浏览行为数据以用户标识数据为标识发送至消息队列；服务器将消息队列中用户操作行为数据和用户浏览行为数据上报至预设消息中间件；服务器通过预设消息中间件将具有相同用户标识数据的用户操作行为数据和用户浏览行为数据，以用户标识数据为关联关键词存储至预设数据库中。其中，预设数据库可以为数据仓库，也可以为关系数据库，具体此处不做限定，预设消息中间件可以为实时分布式消息队列，也可以为其他消息队列activemq、rabbitmq、rocketmq或者卡夫卡kafka，具体此处不做不做限定。采用预设消息中间件提高了用户行为数据和用户标识数据的处理效率。
202、通过已训练的意图识别模型对用户操作行为数据和用户浏览行为数据进行分析处理，得到用户意图标签数据。
其中，用户浏览特征可以包括用户浏览时长特征和用户浏览数据项特征，用户操作特征可以包括用户购买行为特征、用户收藏行为特征，具体此处不做限定。可选的，服务器从预设数据库中获取用户操作行为数据和用户浏览行为数据；服务器将用户操作行为数据和用户浏览行为数据输入至已训练的意图识别模型中，并通过已训练的意图识别模型提取特征，得到用户操作特征和用户浏览特征；服务器对用户操作特征和用户浏览特征依次进行语义相似度计算与意图识别处理，得到初始意图标签数据和对应的意图标签置信度值；当对应的意图标签置信度值大于或等于预设意图阈值时，服务器确定初始意图标签数据为用户意图标签数据。
需要说明的是，用户意图标签数据，也就是计算用户最感兴趣的标签集。对应的意图标签置信度值为在0至1区间中的任意一个值。进一步地，若对应的意图标签置信度值小于预设意图阈值，则服务器调整预设意图阈值，得到新的意图标签数据，并将新的意图标签数据设置为用户意图标签数据。
203、按照用户意图标签数据查询预设标签规则表，得到对应的标签更新规则，对应的标签更新规则用于指示添加标签和/或删除标签。
需要说明的是，预设标签规则表存储了多个用户行为和意图标签的关系规则，也就是用户操作行为对应的标签更新规则，并根据对应的标签更新规则更新用户与意图标签的关系。可选的，服务器采用结构化查询语言语法规则、用户意图标签数据和预设标签规则表生成第一查询语句；服务器执行第一查询语句，得到查询结果；当查询结果不为空值时，服务器从查询结果中读取对应的标签更新规则，对应的标签更新规则用于指示添加标签和/或删除标签。
进一步地，当查询结果为空值时，服务器确定查询失败，删除用户意图标签数据，并将用户意图标签数据进行异常日志记录，以便于后续分析处理用户意图标签数据，避免存在错误删除标签数据的情况。
204、采用用户标识数据获取初始用户画像，并利用对应的标签更新规则将用户意图标签数据更新至初始用户画像中，得到目标用户画像。
可以理解的是，目标用户画像包括导入的离线用户行为标签和实时采集的用户行为标签。可选的，服务器采用结构化查询语言语法规则、用户标识数据和预设画像数据库生成第二查询语句；服务器执行第二查询语句，得到初始用户画像；服务器判断初始用户画像中是否存在用户意图标签数据；当初始用户画像中不存在用户意图标签数据时，服务器按照对应的标签更新规则对用户意图标签数据与初始用户画像进行标签数据融合，得到目标用户画像。其中，标签数据融合是指将用户意图标签数据与初始用户画像中已有的用户行为标签进行合并与组合。
例如，用户收藏了代餐棒的商品，服务器将该用户关联一个瘦身标签，标识该用户收藏了代餐棒商品。用户注册使用一个预设应用服务时，服务器设置一个新客的标签，标识该用户没有过任何付费行为，并根据新客标签推荐优惠券吸引该用户购物，相应的，商家或平台可能损失一些利润。而在获取该用户下单支付操作行为数据后，服务器也会去除新客标签，增加付费用户的标签，标识该用户付费了，因此构成了调整标签的场景。
其中，初始用户画像包括预先导入的用户行为标签集。可选的，服务器接收导入用户标签数据请求，解析导入用户标签数据请求，得到离线用户行为标签数据集和待导入用户标识数据；服务器按照待导入用户标识数据将离线用户行为标签数据集导入至预设画像数据库中，得到初始用户画像。
可以理解的是，离线和实时用户标签关联系统，都是通过对用户关联标签，达到提升内容投放的精准度的。用户的标签和画像信息越丰富，就可以更准确的了解用户，进而推荐更适合用户的内容。离线用户行为标签数据集为存量数据，标签信息更全面。需要说明的是，离线用户行为标签数据集与实时采集的用户行为数据存在标签冲突，比如一个用户在凌晨12:30的在线问诊中，自述经常失眠，服务器可以实时将该用户关联失眠标签，而离线数仓任务中为睡眠正常的标签，服务器在离线数据导入时，设置锁定时时长，在锁定时长内，离线关联系统不能对该用户和标签的关系做调整，避免了导入离线数据时将失眠标签覆盖掉的情形。
205、从预设数据库中获取待推荐对象信息，对目标用户画像与待推荐对象信息进行特征匹配，得到匹配结果，待推荐对象信息用于指示按照用户健康状况信息或者疾病预防信息设置的属性特征。
其中，待推荐对象信息用于指示按照用户健康状况信息或者疾病预防信息设置的属性特征，相应的，预设数据库也存储有健康饮食信息和药品信息。具体的，服务器接收标签推荐请求；服务器对接收标签推荐请求进行解析，得到待推荐用户标识信息；服务器从预设数据库中查询待推荐对象信息；服务器对目标用户画像与待推荐对象信息进行特征匹配，得到匹配结果，匹配结果包括多个匹配值，每个匹配值具有对应的权重值，权重值的取值范围为大于或者等于0，并且小于或者等于1。例如，匹配结果包括5个匹配值A、B、C、D和E，A、B、C、D和E分别对应的权重值为0.95、0.32、0.15、0.54和0.89。
206、按照匹配结果对目标用户个性化推荐健康饮食信息或者药品信息。
可以理解的是，服务器从目标用户画像中获取并分析用户标签信息，服务器根据用户标签信息中的标签词汇，服务器遍历预设数据库，得到与标签词汇匹配的健康饮食信息或者药品信息，也就是，目标用户感兴趣的内容信息；服务器向用户推荐健康饮食信息或者药品信息。具体的，服务器从匹配结果中获取多个匹配值，并按照匹配值的大小对待推荐对象信息进行排序，并按照匹配值从大到小的顺序选取预设数量的待推荐对象，服务器根据预设数量的待推荐对象和预设模板确定待推荐图文信息，待推荐图文信息可以为健康饮食信息或者药品信息；服务器将待推荐图文信息发送至目标用户使用的终端。其中，预设数量的取值范围为正整数。
进一步地，服务器设置待推荐阈值，服务器将匹配结果大于或者等于待推荐阈值的健康饮食信息或者药品信息发送至终端中。例如，匹配结果包括5个匹配值A、B、C、D和E，A、B、C、D和E分别对应的权重值为0.95、0.32、0.15、0.54和0.89，待推荐阈值为0.50，则服务器确定推荐匹配结果为A、D和E对应的健康饮食信息或者药品信息。
需要说明的是，目标用户画像中还包括用户的基本信息(例如，身高、体重、性别和年龄)、药物过敏史信息和曾经患过的疾病信息，服务器可根据基本信息和健康信息，并结合用户行为标签确定推荐的健康饮食信息或者药品信息的准确性。
本发明实施例中，通过从预设应用服务中实时获取用户行为数据和用户标识数据，采用已训练的意图识别模型对用户行为数据进行实时分析处理，得到用户意图标签数据，并根据标签更新规则对用户标签和用户画像进行实时动态调整，为上层业务系统提供更准确和精准的用户相关信息，提高了用户画像的准确性，以及提高了资源利用率。
上面对本发明实施例中用户画像生成方法进行了描述，下面对本发明实施例中用户画像生成装置进行描述，请参阅图3，本发明实施例中用户画像生成装置的一个实施例包括：
获取模块301，用于从预设应用服务中实时获取用户行为数据和用户标识数据，用户行为数据包括用户操作行为数据和用户浏览行为数据；
分析模块302，用于通过已训练的意图识别模型对用户操作行为数据和用户浏览行为数据进行分析处理，得到用户意图标签数据；
查询模块303，用于按照用户意图标签数据查询预设标签规则表，得到对应的标签更新规则，对应的标签更新规则用于指示添加标签和/或删除标签；
更新模块304，用于采用用户标识数据获取初始用户画像，并利用对应的标签更新规则将用户意图标签数据更新至初始用户画像中，得到目标用户画像。
进一步地，将目标用户画像存储于区块链数据库中，具体此处不做限定。
本发明实施例中，通过从预设应用服务中实时获取用户行为数据和用户标识数据，采用已训练的意图识别模型对用户行为数据进行实时分析处理，得到用户意图标签数据，并根据标签更新规则对用户标签和用户画像进行实时动态调整，为上层业务系统提供更准确和精准的用户相关信息，提高了用户画像的准确性，以及提高了资源利用率。
请参阅图4，本发明实施例中用户画像生成装置的另一个实施例包括：
获取模块301，用于从预设应用服务中实时获取用户行为数据和用户标识数据，用户行为数据包括用户操作行为数据和用户浏览行为数据；
分析模块302，用于通过已训练的意图识别模型对用户操作行为数据和用户浏览行为数据进行分析处理，得到用户意图标签数据；
查询模块303，用于按照用户意图标签数据查询预设标签规则表，得到对应的标签更新规则，对应的标签更新规则用于指示添加标签和/或删除标签；
更新模块304，用于采用用户标识数据获取初始用户画像，并利用对应的标签更新规则将用户意图标签数据更新至初始用户画像中，得到目标用户画像。
可选的，获取模块301还可以具体用于：
通过预设埋点方式从预设应用服务中采集用户行为数据和用户标识数据，用户行为数据包括用户操作行为数据和用户浏览行为数据；
将用户行为数据和用户标识数据组装成待处理消息，并通过预设消息中间件将待处理消息存储至预设数据库中。
可选的，分析模块302还具体用于：
从预设数据库中获取用户操作行为数据和用户浏览行为数据；
将用户操作行为数据和用户浏览行为数据输入至已训练的意图识别模型中，并通过已训练的意图识别模型提取特征，得到用户操作特征和用户浏览特征；
对用户操作特征和用户浏览特征依次进行语义相似度计算与意图识别处理，得到初始意图标签数据和对应的意图标签置信度值；
当对应的意图标签置信度值大于或等于预设意图阈值时，确定初始意图标签数据为用户意图标签数据。
可选的，查询模块303还具体用于：
采用结构化查询语言语法规则、用户意图标签数据和预设标签规则表生成第一查询语句；
执行第一查询语句，得到查询结果；
当查询结果不为空值时，从查询结果中读取对应的标签更新规则，对应的标签更新规则用于指示添加标签和/或删除标签。
可选的，更新模块304还可以具体用于：
采用结构化查询语言语法规则、用户标识数据和预设画像数据库生成第二查询语句；
执行第二查询语句，得到初始用户画像；
判断初始用户画像中是否存在用户意图标签数据；
当初始用户画像中不存在用户意图标签数据时，按照对应的标签更新规则对用户意图标签数据与初始用户画像进行标签数据融合，得到目标用户画像。
可选的，用户画像生成装置还包括：
解析模块305，用于接收导入用户标签数据请求，解析导入用户标签数据请求，得到离线用户行为标签数据集和待导入用户标识数据；
导入模块306，用于按照待导入用户标识数据将离线用户行为标签数据集导入至预设画像数据库中，得到初始用户画像。
可选的，用户画像生成装置还包括：
匹配模块307，用于从预设数据库中获取待推荐对象信息，对目标用户画像与待推荐对象信息进行特征匹配，得到匹配结果，待推荐对象信息用于指示按照用户健康状况信息或者疾病预防信息设置的属性特征；
推荐模块308，用于按照匹配结果对目标用户个性化推荐健康饮食信息或者药品信息。
本发明实施例中，通过从预设应用服务中实时获取用户行为数据和用户标识数据，采用已训练的意图识别模型对用户行为数据进行实时分析处理，得到用户意图标签数据，并根据标签更新规则对用户标签和用户画像进行实时动态调整，为上层业务系统提供更准确和精准的用户相关信息，提高了用户画像的准确性，以及提高了资源利用率。
上面图3和图4从模块化的角度对本发明实施例中的用户画像生成装置进行详细描述，下面从硬件处理的角度对本发明实施例中用户画像生成设备进行详细描述。
图5是本发明实施例提供的一种用户画像生成设备的结构示意图，该用户画像生成设备500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)510(例如，一个或一个以上处理器)和存储器520，一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中，存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对用户画像生成设备500中的一系列指令操作。更进一步地，处理器510可以设置为与存储介质530通信，在用户画像生成设备500上执行存储介质530中的一系列指令操作。
用户画像生成设备500还可以包括一个或一个以上电源540，一个或一个以上有线或无线网络接口550，一个或一个以上输入输出接口560，和/或，一个或一个以上操作系统531，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图5示出的用户画像生成设备结构并不构成对用户画像生成设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述用户画像生成方法的步骤。
本发明还提供一种用户画像生成设备，所述用户画像生成设备包括存储器和处理器，存储器中存储有指令，所述指令被处理器执行时，使得处理器执行上述各实施例中的所述用户画像生成方法的步骤。
进一步地，所述计算机可读存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的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。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用户画像生成方法，其特征在于，所述用户画像生成方法包括：
从预设应用服务中实时获取用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据；
通过已训练的意图识别模型对所述用户操作行为数据和所述用户浏览行为数据进行分析处理，得到用户意图标签数据；
按照所述用户意图标签数据查询预设标签规则表，得到对应的标签更新规则，所述对应的标签更新规则用于指示添加标签和/或删除标签；
采用所述用户标识数据获取初始用户画像，并利用所述对应的标签更新规则将用户意图标签数据更新至所述初始用户画像中，得到目标用户画像；
所述通过已训练的意图识别模型对所述用户操作行为数据和所述用户浏览行为数据进行分析处理，得到用户意图标签数据，包括：
从预设数据库中获取所述用户操作行为数据和所述用户浏览行为数据；
将所述用户操作行为数据和所述用户浏览行为数据输入至已训练的意图识别模型中，并通过所述已训练的意图识别模型提取特征，得到用户操作特征和用户浏览特征；
对所述用户操作特征和所述用户浏览特征依次进行语义相似度计算与意图识别处理，得到初始意图标签数据和对应的意图标签置信度值；
当所述对应的意图标签置信度值大于或等于预设意图阈值时，确定所述初始意图标签数据为用户意图标签数据；
所述按照所述用户意图标签数据查询预设标签规则表，得到对应的标签更新规则，所述对应的标签更新规则用于指示添加标签和/或删除标签，包括：
采用结构化查询语言语法规则、所述用户意图标签数据和预设标签规则表生成第一查询语句；
执行所述第一查询语句，得到查询结果；
当所述查询结果不为空值时，从所述查询结果中读取对应的标签更新规则，所述对应的标签更新规则用于指示添加标签和/或删除标签。
2.根据权利要求1所述的用户画像生成方法，其特征在于，所述从预设应用服务中实时获取用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据，包括：
通过预设埋点方式从预设应用服务中采集用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据；
将所述用户行为数据和所述用户标识数据组装成待处理消息，并通过预设消息中间件将所述待处理消息存储至预设数据库中。
3.根据权利要求1所述的用户画像生成方法，其特征在于，所述采用所述用户标识数据获取初始用户画像，并利用所述对应的标签更新规则将用户意图标签数据更新至所述初始用户画像中，得到目标用户画像，包括：
采用所述结构化查询语言语法规则、所述用户标识数据和预设画像数据库生成第二查询语句；
执行所述第二查询语句，得到初始用户画像；
判断所述初始用户画像中是否存在所述用户意图标签数据；
当所述初始用户画像中不存在所述用户意图标签数据时，按照所述对应的标签更新规则对所述用户意图标签数据与所述初始用户画像进行标签数据融合，得到目标用户画像。
4.根据权利要求1-3中任意一项所述的用户画像生成方法，其特征在于，在所述从预设应用服务中实时获取用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据之前，所述用户画像生成方法还包括：
接收导入用户标签数据请求，解析所述导入用户标签数据请求，得到离线用户行为标签数据集和待导入用户标识数据；
按照所述待导入用户标识数据将所述离线用户行为标签数据集导入至预设画像数据库中，得到初始用户画像。
5.根据权利要求1-3中任意一项所述的用户画像生成方法，其特征在于，在所述采用所述用户标识数据获取初始用户画像，并利用所述对应的标签更新规则将用户意图标签数据更新至所述初始用户画像中，得到目标用户画像之后，所述用户画像生成方法还包括：
从预设数据库中获取待推荐对象信息，对所述目标用户画像与所述待推荐对象信息进行特征匹配，得到匹配结果，所述待推荐对象信息用于指示按照用户健康状况信息或者疾病预防信息设置的属性特征；
按照所述匹配结果对目标用户个性化推荐健康饮食信息或者药品信息。
6.一种用户画像生成装置，其特征在于，所述用户画像生成装置包括：
获取模块，用于从预设应用服务中实时获取用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据；
分析模块，用于通过已训练的意图识别模型对所述用户操作行为数据和所述用户浏览行为数据进行分析处理，得到用户意图标签数据；
查询模块，用于按照所述用户意图标签数据查询预设标签规则表，得到对应的标签更新规则，所述对应的标签更新规则用于指示添加标签和/或删除标签；
更新模块，用于采用所述用户标识数据获取初始用户画像，并利用所述对应的标签更新规则将用户意图标签数据更新至所述初始用户画像中，得到目标用户画像；
所述分析模块具体用于：
从预设数据库中获取所述用户操作行为数据和所述用户浏览行为数据；
将所述用户操作行为数据和所述用户浏览行为数据输入至已训练的意图识别模型中，并通过所述已训练的意图识别模型提取特征，得到用户操作特征和用户浏览特征；
对所述用户操作特征和所述用户浏览特征依次进行语义相似度计算与意图识别处理，得到初始意图标签数据和对应的意图标签置信度值；
当所述对应的意图标签置信度值大于或等于预设意图阈值时，确定所述初始意图标签数据为用户意图标签数据；
所述查询模块具体用于：
采用结构化查询语言语法规则、所述用户意图标签数据和预设标签规则表生成第一查询语句；
执行所述第一查询语句，得到查询结果；
当所述查询结果不为空值时，从所述查询结果中读取对应的标签更新规则，所述对应的标签更新规则用于指示添加标签和/或删除标签。
7.根据权利要求6所述的用户画像生成装置，其特征在于，所述获取模块具体用于：
通过预设埋点方式从预设应用服务中采集用户行为数据和用户标识数据，所述用户行为数据包括用户操作行为数据和用户浏览行为数据；
将所述用户行为数据和所述用户标识数据组装成待处理消息，并通过预设消息中间件将所述待处理消息存储至预设数据库中。
8.根据权利要求6所述的用户画像生成装置，其特征在于，所述更新模块具体用于：
采用所述结构化查询语言语法规则、所述用户标识数据和预设画像数据库生成第二查询语句；
执行所述第二查询语句，得到初始用户画像；
判断所述初始用户画像中是否存在所述用户意图标签数据；
当所述初始用户画像中不存在所述用户意图标签数据时，按照所述对应的标签更新规则对所述用户意图标签数据与所述初始用户画像进行标签数据融合，得到目标用户画像。
9.一种用户画像生成设备，其特征在于，所述用户画像生成设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述用户画像生成设备执行如权利要求1-5中任意一项所述的用户画像生成方法。
10.一种计算机可读存储介质，其上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-5中任意一项所述的用户画像生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010885050.8A CN112035742B (zh) | 2020-08-28 | 2020-08-28 | 用户画像生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010885050.8A CN112035742B (zh) | 2020-08-28 | 2020-08-28 | 用户画像生成方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112035742A CN112035742A (zh) | 2020-12-04 |
| CN112035742B true CN112035742B (zh) | 2023-10-24 |
Family
ID=73586105
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010885050.8A Active CN112035742B (zh) | 2020-08-28 | 2020-08-28 | 用户画像生成方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112035742B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112632220A (zh) * | 2020-12-22 | 2021-04-09 | 平安普惠企业管理有限公司 | 基于ai模型的贷款资金去向分析方法及相关设备 |
| CN112637684B (zh) * | 2020-12-25 | 2022-02-01 | 四川长虹电器股份有限公司 | 智能电视端探测用户画像标签的方法 |
| CN112784070A (zh) * | 2020-12-31 | 2021-05-11 | 重庆空间视创科技有限公司 | 一种基于大数据的用户画像方法 |
| CN112765146B (zh) * | 2021-01-26 | 2022-10-21 | 四川新网银行股份有限公司 | 一种用户画像标签数据质量的监控方法 |
| CN112990323A (zh) * | 2021-03-23 | 2021-06-18 | 李光伟 | 基于大数据线上模式的用户画像挖掘方法及机器学习系统 |
| CN113010536B (zh) * | 2021-04-21 | 2024-02-06 | 中国平安人寿保险股份有限公司 | 基于流式数据处理的用户标签获取方法及装置 |
| CN113297258B (zh) * | 2021-04-25 | 2023-04-07 | 上海淇玥信息技术有限公司 | 一种基于目标人群数据提取的定制化信息推送方法及装置 |
| CN113297287B (zh) * | 2021-04-28 | 2023-06-13 | 上海淇玥信息技术有限公司 | 用户策略自动部署方法、装置及电子设备 |
| CN113420018A (zh) * | 2021-06-22 | 2021-09-21 | 平安科技（深圳）有限公司 | 用户行为数据分析方法、装置、设备及存储介质 |
| CN113486238A (zh) * | 2021-06-29 | 2021-10-08 | 平安信托有限责任公司 | 基于用户画像的信息推送方法、装置、设备及存储介质 |
| CN113704614A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术（深圳）有限公司 | 基于用户画像的页面生成方法、装置、设备及介质 |
| CN114153716B (zh) * | 2022-02-08 | 2022-05-06 | 中国电子科技集团公司第五十四研究所 | 语义信息交换网络下有无人对象实时画像生成方法 |
| CN115049423A (zh) * | 2022-05-27 | 2022-09-13 | 平安银行股份有限公司 | 客户画像生成方法、装置、设备及存储介质 |
| CN114880535B (zh) * | 2022-06-09 | 2023-04-21 | 武汉十月科技有限责任公司 | 一种基于通讯大数据的用户画像生成方法 |
| CN115221954B (zh) * | 2022-07-12 | 2023-10-31 | 中国电信股份有限公司 | 用户画像方法、装置、电子设备以及存储介质 |
| CN116383029B (zh) * | 2023-06-06 | 2024-04-26 | 和元达信息科技有限公司 | 一种基于小程序的用户行为标签生成方法和装置 |
| CN117435449A (zh) * | 2023-11-06 | 2024-01-23 | 广州丰石科技有限公司 | 一种用户画像分析方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109213771A (zh) * | 2018-06-28 | 2019-01-15 | 深圳市彬讯科技有限公司 | 更新画像标签的方法和装置 |
| WO2019157928A1 (zh) * | 2018-02-13 | 2019-08-22 | 阿里巴巴集团控股有限公司 | 一种获取多标签用户画像的方法和装置 |
| CN111444341A (zh) * | 2020-03-16 | 2020-07-24 | 中国平安人寿保险股份有限公司 | 用户画像构建方法、装置、设备及可读存储介质 |
-
2020
- 2020-08-28 CN CN202010885050.8A patent/CN112035742B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019157928A1 (zh) * | 2018-02-13 | 2019-08-22 | 阿里巴巴集团控股有限公司 | 一种获取多标签用户画像的方法和装置 |
| CN109213771A (zh) * | 2018-06-28 | 2019-01-15 | 深圳市彬讯科技有限公司 | 更新画像标签的方法和装置 |
| CN111444341A (zh) * | 2020-03-16 | 2020-07-24 | 中国平安人寿保险股份有限公司 | 用户画像构建方法、装置、设备及可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112035742A (zh) | 2020-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112035742B (zh) | 用户画像生成方法、装置、设备及存储介质 | |
| Jooa et al. | Implementation of a recommendation system using association rules and collaborative filtering | |
| US6230064B1 (en) | Apparatus and a method for analyzing time series data for a plurality of items | |
| JP2023533475A (ja) | キーワード推薦のための人工知能 | |
| JP2016508261A (ja) | 個人化されたアイテムリストを生成するためのフレームワーク | |
| CN108122153A (zh) | 电子商务环境下基于云计算处理模式的个性化推荐方法 | |
| CN114817746A (zh) | 保险产品推荐方法、装置、设备及存储介质 | |
| CN112035757A (zh) | 医疗瀑布流推送方法、装置、设备及存储介质 | |
| CN112561565A (zh) | 一种基于行为日志的用户需求识别方法 | |
| KR20160070282A (ko) | 쇼핑몰 사이트 제공 시스템, 쇼핑몰 사이트 제공 방법, 그 프로그램 및 이를 기록한 기록매체 | |
| KR101026544B1 (ko) | 인공지능에 기반한 랭킹 분석 방법, 이를 기록한 기록 매체, 그 장치 | |
| CN113705698B (zh) | 基于点击行为预测的信息推送方法及装置 | |
| CN113420018A (zh) | 用户行为数据分析方法、装置、设备及存储介质 | |
| US20240134860A1 (en) | Order searching method, apparatus, computer device, and storage medium | |
| US20150142782A1 (en) | Method for associating metadata with images | |
| CN113806638B (zh) | 基于用户画像的个性化推荐方法及相关设备 | |
| WO2021181900A1 (ja) | ターゲットユーザ特徴抽出方法、ターゲットユーザ特徴抽出システム及びターゲットユーザ特徴抽出サーバ | |
| JP2016197332A (ja) | 情報処理システム、情報処理方法、およびコンピュータプログラム | |
| Sabri et al. | Click Analysis: How E-commerce Companies Benefit from Exploratory and Association Rule Mining | |
| CN115187330A (zh) | 基于用户标签的产品推荐方法、装置、设备和介质 | |
| CN111460300B (zh) | 网络内容推送方法、装置及存储介质 | |
| CN113707302A (zh) | 基于关联信息的服务推荐方法、装置、设备及存储介质 | |
| CN114154052A (zh) | 信息推荐方法、装置、计算机设备及存储介质 | |
| JP2009211516A (ja) | 顧客行動分析システム | |
| Arnold et al. | Semi-Automatic Identification of Counterfeit Offers in Online Shopping Platforms |
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 |