CN112215656A - 用户画像生成方法、装置、电子设备及计算机可读存储介质 - Google Patents

Abstract

本申请实施例提供了一种用户画像生成方法、装置、电子设备及计算机可读存储介质涉及画像生成领域。该方法包括：获取多个用户行为信息，以及各个用户行为信息对应的目标物品的物品描述信息；根据多个用户行为信息以及目标物品的物品描述信息生成用户画像。本申请实施例通过根据用户行为信息，以及用户行为信息对应的目标物品的物品描述信息，生成用户画像，从而实现用户画像生成不依赖真实用户信息，生成算法简洁，节省物理计算成本。

Description

用户画像生成方法、装置、电子设备及计算机可读存储介质

技术领域

本申请涉及画像生成技术领域，具体而言，本申请涉及一种用户画像生成方法、装置、电子设备及计算机可读存储介质。

背景技术

本申请针对现有技术中，用户画像的生成往往依赖真实的用户登记信息和验证流程，一方面，很难获取到用户的真实信息，另一方面，用户画像系统设计众多高难技术以及复杂的算法及流程，使得用户画像系统非常庞大繁杂，维护工作量巨大。

发明内容

本申请提供了一种用户画像生成方法、装置、电子设备及计算机可读存储介质，用于解决用户画像依赖用户真实登记信息以及生成算法复杂的技术问题。

第一方面，提供了一种用户画像生成方法，该方法包括：

获取多个用户行为信息，以及各个用户行为信息对应的目标物品的物品描述信息；

根据多个用户行为信息以及目标物品的物品描述信息生成用户画像。

在一个可能的实现方式中，该方法还包括：

根据多个物品分别与预设的至少一个用户属性信息的匹配程度，确定各个物品与每个用户属性信息的匹配值；

根据各个物品与每个用户属性信息的匹配值生成物品的物品描述信息；

获取各个用户行为信息对应的目标物品的物品描述信息，包括：

从已生成的物品描述信息中确定与目标物品对应的物品描述信息。

在另一个可能的实现方式中，

根据多个用户行为信息以及目标物品的物品描述信息生成用户画像包括：

根据各个用户行为信息对应的预设的权重值以及各个用户行为信息对应的目标物品的物品描述信息，计算用户行为信息对应的目标物品与用户属性信息的匹配值的加权值，

根据用户行为信息对应的目标物品与用户属性信息的匹配值的加权值，生成用户画像。

在另一个可能的实现方式中，根据各个用户行为信息对应的预设的权重值以及各个用户行为信息对应的目标物品的物品描述信息，计算用户行为信息对应的目标物品与用户属性信息的匹配值的加权值包括：

将各个用户行为信息对应的预设的权重值以及用户行为信息对应的目标物品的物品描述信息输入深度学习模型，计算用户行为信息对应的目标物品与用户属性信息的匹配值的加权值。

在另一个可能的实现方式中，将用户行为信息对应的目标物品与用户属性信息的匹配值的加权值与预设标准进行比较，确定用户属性类型，

基于用户属性类型，生成用户画像。

在另一个可能的实现方式中，用户行为信息中包括：点击、分享、浏览、购买中的至少一种。

第二方面，提供了一种用户画像生成装置，该装置包括：

获取模块，用于获取多个用户行为信息，以及各个用户行为信息对应的目标物品的物品描述信息；

生成模块，用于根据多个用户行为信息以及目标物品的物品描述信息生成用户画像。

在另一个可能的实现方式中，

根据多个用户行为信息以及目标物品的物品描述信息生成用户画像包括：

根据各个用户行为信息对应的预设的权重值以及各个用户行为信息对应的目标物品的物品描述信息，计算用户行为信息对应的目标物品与用户属性信息的匹配值的加权值，

根据用户行为信息对应的目标物品与用户属性信息的匹配值的加权值，生成用户画像。

第三方面，提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1～6任一项所述的用户画像生成方法。

例如，本申请的第三方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，处理器、存储器和通信接口通过通信总线完成相互间的通信；

存储器用于存放至少一可执行指令，可执行指令使处理器执行如本申请的第一方面所示的用户画像生成方法对应的操作。

第四方面，提供了一种计算机可读存储介质，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的用户画像生成方法。

例如，本申请实施例的第四方面，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，该程序被处理器执行时实现本申请第一方面所示的用户画像生成方法。

本申请提供的技术方案带来的有益效果是：

本申请通过根据用户行为信息，以及用户行为信息对应的目标物品的物品描述信息，生成用户画像，从而实现用户画像生成不依赖真实用户信息，生成算法简洁，节省物理计算成本。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。

图1为本申请实施例提供的一种用户画像生成方法的流程示意图之一；

图2为本申请实施例提供的一种用户画像生成装置的结构示意图；

图3为本申请实施例提供的一种用户画像生成的电子设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

本申请针对现有技术中，用户画像的生成往往依赖真实的用户登记信息和验证流程，一方面，很难获取到用户的真实信息，另一方面，用户画像系统设计众多高难技术以及复杂的算法及流程，使得用户画像系统非常庞大繁杂，维护工作量巨大。

本申请通过根据用户行为信息，以及用户行为信息对应的目标物品的物品描述信息，生成用户画像，从而实现用户画像生成不依赖真实用户信息，生成算法简洁，节省物理计算成本。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

本申请实施例中提供了一种用户画像生成方法，该方法的执行主体可以为具有用户画像生成能力的各种终端或服务器设备，也可以为集成在这些设备上的装置或芯片。如图1所示，其为本申请实施例提供的一种用户画像生成方法的流程示意图之一，该方法包括如下步骤：

S101：获取多个用户行为信息，以及各个用户行为信息对应的目标物品的物品描述信息。

具体的，用户行为信息的可以包括用户操作以及该用户操作对应的目标物品。例如，用户行为信息具体可以包括用户在移动终端进行的点击、分享、浏览、购买等用户操作，以及对应于上述用户操作的目标物品，例如衣服、玩具、电器等实物商品，另外目标物品还可以为应用服务、电子会员服务、视频音频等虚拟商品。此外，用户行为信息还可以包括例如上述用户操作的持续时间，或者用户操作的频率等，如浏览某商品的持续时间、点击某商品的频率等。目标物品的物品描述信息可以为用于介绍物品的信息，例如，物品描述信息可以由根据该物品与用户属性信息的匹配程度所确定的匹配值来表示，因此，物品描述信息可以用于描述物品类型以及该物品的适用对象，另外，在本申请的其他实施例中，物品描述信息还可以为以其他描述方式生成的用于介绍物品的信息。

上述的用户行为信息可以通过用户操作日志中获取，然后可以根据用户行为信息对应的目标物品，从物品描述信息表中获取相应的目标物品的物品描述信息，该物品描述信息表的生成将在本申请下面的实施例中介绍。

S102：根据多个用户行为信息以及目标物品的物品描述信息生成用户画像。

本申请通过根据用户行为信息，以及用户行为信息对应的目标物品的物品描述信息，生成用户画像，从而实现用户画像生成不依赖真实用户信息，生成算法简洁，节省物理计算成本。

在本申请的一个实施例中，在步骤S101之前还可以包括步骤S100：

S100：根据多个物品分别与预设的至少一个用户属性信息的匹配程度，确定各个物品与每个用户属性信息的匹配值，根据各个物品与每个用户属性信息的匹配值生成物品的物品描述信息。

具体的，用户属性信息可以为用于表示例如年龄、性别、商品类型喜好等用户属性中的至少一种信息。例如，具体的用户属性信息可以为，“青年”(用于表示年龄)、“男”(用于表示性别)、“服装”(用于表示商品类型喜好)中的至少一种。

进一步的，根据物品分别与每个用户属性信息的匹配程度确定各个物品与每个用户属性信息的匹配值。例如，当上述物品为一件儿童服装时，可以根据该儿童服装的尺码、颜色、款式等特点，确定该儿童服装分别与上述各个用户属性信息的匹配程度，例如，该儿童服装的最大尺码适于10岁左右儿童，因此，该儿童服装与“青年”这个用户属性的匹配程度较低，因此，其对应于“青年”这个用户属性信息的匹配值可以为预设范围内的较低值，例如，当预设范围为0-1之间时，该儿童服装与“青年”这个用户属性信息的匹配值可以为较低值，如0.1。又如，该儿童服装为黄色上衣，适合于男童或女童，因此，该儿童服装与“男”这一表征性别的用户属性信息的匹配程度适中，因此，对应于用户属性信息“男”的匹配值可以为0.5。以及同样的道理该儿童服装对应于“服装”的用户属性信息的匹配值可以为1。因此，该儿童服装对应于用户属性信息“青年”“男”“服装”的匹配值分别为0.1、0.5、1。

根据上述物品与每个用户属性信息的匹配值，生成该物品的物品描述信息，具体的，物品描述信息可以通过向量的代数表示方法进行表示，其中物品与各个用户属性信息的匹配值作为向量的元素，例如，上述儿童服装对应于用户属性信息“青年”“男”“服装”的物品描述信息可以表示为(0.1，0.5，1)。另外，还可以将多个物品的物品描述信息进行统计，生成物品描述信息表，例如可以将物品描述信息表制作生成码表的形式。

因此，基于上述形成的物品描述信息，步骤S101中的获取各个用户行为信息对应的目标物品的物品描述信息可以通过从已生成的物品描述信息中确定与目标物品对应的物品描述信息。例如，可以从多个物品描述信息组成的码表中获取目标物品的物品描述信息。

在该实施例中，通过根据物品与每个用户属性信息的匹配值生成物品描述信息，并根据用户多个用户行为信息以及目标物品的物品描述信息生成用户画像，从而实现用户画像生成不依赖真实用户信息，生成算法简洁，节省物理计算成本。

在本申请的另一个实施例中，步骤S102可以包括：

S1021:根据各个用户行为信息对应的预设的权重值以及各个用户行为信息对应的目标物品的物品描述信息，计算用户行为信息对应的目标物品与用户属性信息的匹配值的加权值。

具体的，可以根据各个用户行为信息中的用户操作的操作类型，操作持续时间以及操作频率所反映出对目标物品的关注程度等，预先设置用户行为信息对应的权重值，例如，将点击物品的权重值设置为10％，持续浏览预设时间某物品的权重值设置为30％等。

例如，在用户小王进行网购的场景中，获取到用户的多个用户行为信息分别为浏览一件衣服、分享一个足球、购买一双鞋，其中，用户操作的目标物品为衣服、足球、鞋。具体的，如表一所示，其为用户小王进行网购的多个用户行为信息对应的目标物品的物品描述信息表，上述目标物品对应于预设的用户属性信息“青年”“男”“服装”的物品描述信息可以表示如下：

表一

衣服对应于预设的用户属性信息“青年”“男”“服装”的物品描述信息可以为(0.6，0.8，1)，足球对应于预设的用户属性信息“青年”“男”“服装”的物品描述信息可以为(0.4，0.9，0)，鞋对应于预设的用户属性信息“青年”“男”“服装”的物品描述信息可以为(0.7，0.5，0.2)，其中物品描述信息可以通过上述实施例中介绍的物品与每个用户属性信息的匹配值生成，这里不再赘述。

进一步的，可以根据各个用为行为信息对应的预设的权重值分别计算物品描述信息中各个用户属性信息对应的匹配值的加权值。例如，浏览操作对应的权重值可以为30％、分享操作对应的权重值可以为40％、购买操作对应的权重值可以为80％，因此，可以基于上述各个用户操作对应的权重值，计算上述基于浏览一件衣服、分享一个足球、购买一双鞋的用户行为信息中，目标物品衣服、足球、鞋分别与每个用户属性信息，即“青年”“男”“服装”的匹配值的加权值，例如，计算目标物品与“青年”的这个用户属性信息的匹配值的加权值时，可以根据衣服、足球、鞋与“青年”这个用户属性信息的匹配值，即分别为0.6、0.4、0.7以及对应于浏览该衣服、分享该足球、购买该鞋对应的权重值，即30％、40％、80％，计算衣服、足球、鞋与“青年”这个用户属性的匹配值的加权值。

另外，在该实施例中，步骤S1021可以包括：

将各个用户行为信息对应的预设的权重值以及用户行为信息对应的目标物品的物品描述信息输入深度学习模型，计算用户行为信息对应的目标物品与用户属性信息的匹配值的加权值。

具体的，计算各个用户行为信息对应的目标物品与用户属性信息的匹配值的加权值的过程可以通过深度学习模型进行计算。

S1022:根据用户行为信息对应的目标物品与用户属性信息的匹配值的加权值，生成用户画像。

在该实施例中，步骤S1022可以包括：

将用户行为信息对应的目标物品与用户属性信息的匹配值的加权值与预设标准进行比较，确定用户属性类型，

基于用户属性类型，生成用户画像。

具体的，可以将上述步骤S1021计算的各个用户行为信息对应的目标物品与用户属性信息的匹配值的加权值与预设标准进行比较，例如，在上述场景中，针对用户属性信息“青年”的预设标准可以设置为，匹配值的加权值的数值范围为(0.7-1)，当计算出的用户属性信息“青年”的匹配值的加权值处于上述(0.7-1)的数值范围时，可以将用户属性确定为青年。

然后，基于各个确定的用户属性类型生成用户画像。

本申请通过根据用户行为信息，以及用户行为信息对应的目标物品的物品描述信息，生成用户画像，从而实现用户画像生成不依赖真实用户信息，生成算法简洁，节省物理计算成本。

本申请实施例提供了一种用户画像生成装置，如图2所示，其为本申请实施例提供的一种用户画像生成装置的结构示意图，该装置20可以包括：获取模块201、生成模块202，其中，

获取模块201，用于获取多个用户行为信息，以及各个用户行为信息对应的目标物品的物品描述信息。

具体的，用户行为信息的可以包括用户操作以及该用户操作对应的目标物品。例如，用户行为信息具体可以包括用户在移动终端进行的点击、分享、浏览、购买等用户操作，以及对应于上述用户操作的目标物品，例如衣服、玩具、电器等实物商品，另外目标物品还可以为应用服务、电子会员服务、视频音频等虚拟商品。此外，用户行为信息还可以包括例如上述用户操作的持续时间，或者用户操作的频率等，如浏览某商品的持续时间、点击某商品的频率等。目标物品的物品描述信息可以为用于介绍物品的信息，例如，物品描述信息可以由根据该物品与用户属性信息的匹配程度所确定的匹配值来表示，因此，物品描述信息可以用于描述物品类型以及该物品的适用对象，另外，在本申请的其他实施例中，物品描述信息还可以为以其他描述方式生成的用于介绍物品的信息。

上述的用户行为信息可以通过用户操作日志中获取，然后可以根据用户行为信息对应的目标物品，从物品描述信息表中获取相应的目标物品的物品描述信息。

生成模块202，用于根据多个用户行为信息以及目标物品的物品描述信息生成用户画像。

在一个实施例中，该装置还可以包括：物品描述信息生成模块，

具体的，物品描述信息生成模块，用于根据多个物品分别与预设的至少一个用户属性信息的匹配程度，确定各个物品与每个用户属性信息的匹配值，

根据各个物品与每个用户属性信息的匹配值生成物品的物品描述信息。

获取模块201，还用于从已生成的物品描述信息中确定与目标物品对应的物品描述信息。

在另一个实施例中，生成模块202，具体用于根据各个用户行为信息对应的预设的权重值以及各个用户行为信息对应的目标物品的物品描述信息，计算用户行为信息对应的目标物品与用户属性信息的匹配值的加权值，

根据用户行为信息对应的目标物品与用户属性信息的匹配值的加权值，生成用户画像。

在该实施例中，生成模块202用于将各个用户行为信息对应的预设的权重值以及用户行为信息对应的目标物品的物品描述信息输入深度学习模型，计算用户行为信息对应的目标物品与用户属性信息的匹配值的加权值。将用户行为信息对应的目标物品与用户属性信息的匹配值的加权值与预设标准进行比较，确定用户属性类型，

基于用户属性类型，生成用户画像

本申请通过根据用户行为信息，以及用户行为信息对应的目标物品的物品描述信息，生成用户画像，从而实现用户画像生成不依赖真实用户信息，生成算法简洁，节省物理计算成本。

本申请实施例中提供了一种电子设备，该电子设备包括：存储器和处理器；至少一个程序，存储于存储器中，用于被处理器执行时，与现有技术相比可实现：本申请通过根据用户行为信息，以及用户行为信息对应的目标物品的物品描述信息，生成用户画像，从而实现用户画像生成不依赖真实用户信息，生成算法简洁，节省物理计算成本。

在一个可选实施例中提供了一种电子设备，如图3所示，图3所示的电子设备4000包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。可选地，电子设备4000还可以包括收发器4004，收发器4004可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器4004不限于一个，该电子设备4000的结构并不构成对本申请实施例的限定。

处理器4001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器4003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

存储器4003用于存储执行本申请方案的应用程序代码，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的应用程序代码，以实现前述方法实施例所示的内容。

其中，电子设备包括但不限于：移动电话、笔记本电脑、多媒体播放器、台式计算机等。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与现有技术相比，本申请通过根据用户行为信息，以及用户行为信息对应的目标物品的物品描述信息，生成用户画像，从而实现用户画像生成不依赖真实用户信息，生成算法简洁，节省物理计算成本。

应该理解的是，虽然附图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，其可以以其他的顺序执行。而且，附图的流程图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，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他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。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种用户画像生成方法，其特征在于，包括：

获取多个用户行为信息，以及各个用户行为信息对应的目标物品的物品描述信息；

根据所述多个用户行为信息以及所述目标物品的物品描述信息生成用户画像。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据多个物品分别与预设的至少一个用户属性信息的匹配程度，确定各个物品与每个所述用户属性信息的匹配值；

根据所述各个物品与每个所述用户属性信息的匹配值生成所述物品的物品描述信息；

所述获取各个用户行为信息对应的目标物品的物品描述信息，包括：

从已生成的物品描述信息中确定与所述目标物品对应的物品描述信息。

3.根据权利要求1所述的方法，其特征在于，所述根据所述多个用户行为信息以及所述目标物品的物品描述信息生成用户画像包括：

根据各个所述用户行为信息对应的预设的权重值以及各个所述用户行为信息对应的所述目标物品的物品描述信息，计算所述用户行为信息对应的目标物品与所述用户属性信息的匹配值的加权值；

根据所述用户行为信息对应的目标物品与所述用户属性信息的匹配值的加权值，生成用户画像。

4.根据权利要求3所述的方法，其特征在于，所述根据各个所述用户行为信息对应的预设的权重值以及各个所述用户行为信息对应的所述目标物品的物品描述信息，计算所述用户行为信息对应的目标物品与所述用户属性信息的匹配值的加权值包括：

将各个所述用户行为信息对应的预设的权重值以及所述用户行为信息对应的所述目标物品的物品描述信息输入深度学习模型，计算所述用户行为信息对应的目标物品与所述用户属性信息的匹配值的加权值。

5.根据权利要求3所述的方法，其特征在于，所述根据所述用户行为信息对应的目标物品与所述用户属性信息的匹配值的加权值，生成用户画像包括：

将所述用户行为信息对应的目标物品与所述用户属性信息的匹配值的加权值与预设标准进行比较，确定用户属性类型；

基于所述用户属性类型，生成用户画像。

6.根据权利要求1-5任一所述的方法，其特征在于，所述用户行为信息中包括：点击、分享、浏览、购买中的至少一种。

7.一种用户画像生成装置，其特征在于，包括：

获取模块，用于获取多个用户行为信息，以及各个用户行为信息对应的目标物品的物品描述信息；

生成模块，用于根据所述多个用户行为信息以及所述目标物品的物品描述信息生成用户画像。

8.根据权利要求7所述的装置，其特征在于，

所述根据所述多个用户行为信息以及所述目标物品的物品描述信息生成用户画像包括：

根据各个所述用户行为信息对应的预设的权重值以及各个所述用户行为信息对应的所述目标物品的物品描述信息，计算所述用户行为信息对应的目标物品与所述用户属性信息的匹配值的加权值；

根据所述用户行为信息对应的目标物品与所述用户属性信息的匹配值的加权值，生成用户画像。

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1～6任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权利要求1-6任一项所述的用户画像生成方法。

Images