CN112733006A - 用户画像的生成方法、装置、设备及存储介质 - Google Patents
用户画像的生成方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112733006A CN112733006A CN201910972771.XA CN201910972771A CN112733006A CN 112733006 A CN112733006 A CN 112733006A CN 201910972771 A CN201910972771 A CN 201910972771A CN 112733006 A CN112733006 A CN 112733006A
- Authority
- CN
- China
- Prior art keywords
- user
- matrix
- content information
- cluster
- generating
- 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
Links
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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
Abstract
本发明公开了一种用户画像的生成方法、装置、设备及存储介质。该方法包括:获取多个用户对多个对象的历史行为信息;根据历史行为信息计算各个用户与各个对象之间的关联度,并生成关联度矩阵;对关联度矩阵进行矩阵分解,得到各个用户与各个对象分群之间的第一关联关系矩阵及各个对象与各个对象分群之间的第二关联关系矩阵;基于第二关联关系矩阵,获取各个对象分群中的对象的内容信息,并从内容信息中提取各个对象分群的关键信息;基于第一关联关系矩阵及提取的关键信息,生成与各个对象分群紧密关联的用户的用户画像。根据本发明实施例,能够自动、快速、准确的生成用户画像。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种用户画像的生成方法、装置、设备及存储介质。
背景技术
用户画像有助于互联网电商营销、数字媒体推荐等,如何快速区分用户,并获取用户特征,是将产品、内容等与用户进行精准匹配的基础。但是现有技术方案中,是利用标签结构定义、标签规则获取等方法生成用户画像,而这些方案都需要人为参与,导致用户画像的准确率只能依赖从业者的专业经验。另外人工参与过多,势必影响大数据条件下海量数据处理能力,无法及时产生准确的用户画像。
发明内容
本发明实施例提供一种用户画像的生成方法、装置、设备及存储介质,能够自动生成用户画像,提高用户画像生成的准确性及速度。
第一方面,本发明实施例提供一种用户画像的生成方法,方法包括:
获取多个用户对多个对象的历史行为信息;
根据历史行为信息计算各个用户与各个对象之间的关联度,并生成关联度矩阵;
对关联度矩阵进行矩阵分解,得到各个用户与各个对象分群之间的第一关联关系矩阵及各个对象与各个对象分群之间的第二关联关系矩阵;
基于第二关联关系矩阵,获取各个对象分群中的对象的内容信息,并从内容信息中提取各个对象分群的关键信息;
基于第一关联关系矩阵及提取的关键信息,生成与各个对象分群紧密关联的用户的用户画像。
在一些可选的实施方式中,对关联度矩阵进行矩阵分解,得到各个用户与各个对象分群之间的第一关联关系矩阵及各个对象与各个对象分群之间的第二关联关系矩阵,包括:
设置对象分群的个数,采用奇异值分解法SVD或交替最小二乘法ALS对关联度矩阵进行矩阵分解,并使SVD算法或ALS算法对应的损失函数的值最小化,得到各个用户与各个对象分群之间的第一关联关系矩阵及各个对象与各个对象分群之间的第二关联关系矩阵;其中,对象分群的个数小于用户的数量且小于对象的数量。
在一些可选的实施方式中,该方法还包括:
将与对象分群的第一关联系数大于第一阈值的用户,作为与对象分群紧密关联的用户。
在一些可选的实施方式中,获取各个对象分群中的对象的内容信息,并从内容信息中提取各个对象分群的关键信息,包括:
获取与各个对象分群紧密关联的对象的至少一个类型的内容信息;
将获取的内容信息作为文件,利用TF-IDF法提取获取的内容信息中的常用词;
基于常用词的IDF值,确定常用词中具有区分性的关键词;
将关键词作为各个对象分群的关键信息。
在一些可选的实施方式中,将获取的内容信息作为文件,利用TF-IDF法提取获取的内容信息中的常用词,包括:
将获取的内容信息作为文件,对文件进行分词处理得到多个词语;
计算多个词语的TF-IDF值,按照从大到小的顺序对多个词语的TF-IDF值进行排序;
选取排序中靠前的预设数量的词语作为获取的内容中的常用词。
在一些可选的实施方式中,该方法还包括:
将与各个对象分群的第二关联系数大于第二阈值的对象,作为与各个对象分群紧密关联的对象;
基于常用词的IDF值,确定常用词中具有区分性的关键词,包括:
基于常用词的IDF值,将IDF值大于第三阈值的常用词作为具有区分性的关键词。
在一些可选的实施方式中,生成与各个对象分群紧密关联的用户的用户画像,包括:
生成关键词的词云,利用词云表示与各个对象分群紧密关联的用户的用户画像;其中,关键词在词云中的大小由关键词的TF值决定;
该方法还包括:
根据用户的用户画像,向用户推荐对象。
第二方面,本发明实施例提供了一种用户画像的生成装置,装置包括:
数据获取模块,用于获取多个用户对多个对象的历史行为信息;
矩阵生成模块,用于根据历史行为信息计算各个用户与各个对象之间的关联度,并生成关联度矩阵;
矩阵分解模块,用于对关联度矩阵进行矩阵分解,得到各个用户与各个对象分群之间的第一关联关系矩阵及各个对象与各个对象分群之间的第二关联关系矩阵;
特征提取模块,用于基于第二关联关系矩阵,获取各个对象分群中的对象的内容信息,并从内容信息中提取各个对象分群的关键信息;
画像生成模块,用于基于第一关联关系矩阵及提取的关键信息,生成与各个对象分群紧密关联的用户的用户画像。
第三方面,本发明实施例提供了一种用户画像的生成设备,设备包括:处理器以及存储有计算机程序指令的存储器;
处理器执行计算机程序指令时实现如第一方面的用户画像的生成方法。
第四方面,本发明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指令,计算机程序指令被处理器执行时实现如第一方面的用户画像的生成方法。
本发明实施例的用户画像的生成方法、装置、设备及存储介质,该方法根据多个用户对多个对象的历史行为信息,自动的将用户及对象划分为不同的群组,进而自动提取不同群组中的内容特征,以生成各个用户的用户画像。根据本发明实施例,不需要进行人工分类、打标签等,能够确保运算性能且适合大数据环境,达到自动生成用户画像,提高用户画像生成的准确性及速度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单的介绍,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的用户画像的生成方法的流程示意图;
图2是本发明实施例提供的词云形式的用户画像的示意图;
图3是本发明实施例提供的用户画像的生成装置的结构示意图;
图4是本发明实施例提供的用户画像的生成设备的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
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……”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。
为了解决现有技术问题,本发明实施例提供了一种用户画像的生成方法、装置、设备及计算机可读存储介质。下面首先对本发明实施例所提供的用户画像的生成方法进行介绍。
图1示出了本发明实施例提供的用户画像的生成方法的流程示意图。如图1所示,本发明实施例提供的用户画像的生成方法包括以下步骤:
S110,获取多个用户对多个对象的历史行为信息。
在一些实施例中,可以以一个预设的周期获取多个用户对多个对象的历史行为记录,其中,对象包括视频、音乐、图书、新闻,或其他数字内容。以视频作为对象为例,历史行为信息包括用户与视频之间的关联行为记录,可以是包括如表1所示的用户与视频之间的多个维度的历史行为信息,可以理解的是,维度越多,最后生成的用户画像相对越准确。
表1
在表1中,用户标识可以是用户的账号名称或者用户所用终端的标识码,用户标识可以用于区分不同的用户。视频标识可以是视频编码,用于区分不同的视频。观看频次可以是在获取数据的周期内同一用户观看同一视频的次数。观看时长比可以是用户观看某一视频的时长与该视频的总时长之比。评价记录可以是用户对某个视频的评分或者评论。搜索记录或收藏记录可以是用户对某视频是否有搜索记录或收藏记录。
S120,根据历史行为信息计算各个用户与各个对象之间的关联度,并生成关联度矩阵。
在一些实施例中,在计算用户与对象的关联度之前,可以先对历史行为信息的数据进行聚合、去重的处理。示例性的,仍以对象为视频为例,可以基于用户标识及视频标识对获取的历史行为信息的数据进行聚合、去重,避免重复数据的干扰。进一步的,可以基于观看频次、观看时长比、评价记录、搜索记录及收藏记录计算用户与视频之间的关联性分数,即用户与视频之间的关联度。例如,可以根据各个维度的行为信息对关联度的影响程度分配各个维度的行为权重,并计算各个维度的行为信息的分数,然后进行加权求和得到用户与视频之间的关联性分数。进一步的,可以对计算出的各个用户与各个视频之间的关联性分数进行归一化处理,即将各个用户与各个视频之间的关联性分数调整到0~1之间,并生成如表2所示的用户与视频之间的关联度矩阵。
表2
在上述表2中的空值可以理解为在获取数据的周期内无用户对该视频产生行为记录。
关联度矩阵的表达式(1)可为:
R(u,i)=rui, (1)
其中,关联度矩阵中的每个元素是用户u对对象i的关联度分数rui,如根据用户行为记录,用户u和视频i之间没有发生过关联,则rui=0。
S130,对关联度矩阵进行矩阵分解,得到各个用户与各个对象分群之间的第一关联关系矩阵及各个对象与各个对象分群之间的第二关联关系矩阵。
在大数据环境下,如果直接对得到的各个用户与各个对象之间关联度矩阵进行分析,一方面,分析难度大,导致处理速度会慢,另一方面,不能够准确的生成用户画像。本发明实施例将一个高纬度矩阵分解成两个低纬度矩阵,对初始矩阵进行了降维分解,相当于对用户进行自动分群,在大数据环境下,能够提高用户画像的生成速度及准确度。
在一些实施例中,对关联度矩阵进行矩阵分解,得到各个用户与各个对象分群之间的第一关联关系矩阵及各个对象与各个对象分群之间的第二关联关系矩阵,包括:
设置对象分群的个数,采用奇异值分解法SVD或交替最小二乘法ALS对关联度矩阵进行矩阵分解,并使SVD算法或ALS算法对应的损失函数的值最小化,得到各个用户与各个对象分群之间的第一关联关系矩阵及各个对象与各个对象分群之间的第二关联关系矩阵;其中,对象分群的个数小于用户的数量且小于对象的数量。
例如,第一关联关系矩阵为P,第二关联矩阵为Q,关联度矩阵与第一关联关系矩阵为P及第二关联矩阵为Q的之间的关系可以用表达式(2)来表示:
其中,k为对象分群的个数,k的大小可以预先设置,例如,可以将k的取值设置为一个数值范围,从该数值范围内依次选取一个数值作为k的大小,选取出k的最优数值使SVD算法或ALS算法对应的损失函数的值最小化。
示例性的,ALS算法对应的损失函数的表达式(3)如下:
min∑(u,i)∈K(rui-qipT u)2+λ(‖qi‖2+‖pu‖2) (3)
对该损失函数进行迭代优化,得到如表3所示的用户与各对象分群之间的关联关系矩阵,即第一关联关系矩阵为P,以及如表4所示的对象与各分群之间的归属关系矩阵,即第二关联矩阵为Q。k为ALS算法的隐藏因子数或者隐藏特征数,对象分群可以理解为隐藏因子或者隐藏特征。
表3
表4
表3和表4仅仅是一种示例,并非是对表2所示的关联度矩阵的最优分解。
根据本发明实施例,基于用户的访问兴趣,利用SVD算法或ALS算法将用户u分到了各分群k中,同时也将对象i关联到了各相关性高的分群k中,能够基于分解后的矩阵,提取更符合用户兴趣的对象的内容信息,从而更准确的生成用户画像。
S140,基于第二关联关系矩阵,获取各个对象分群中的对象的内容信息,并从内容信息中提取各个对象分群的关键信息。
在一些实施例中,获取各个对象分群中的对象的内容信息,并从内容信息中提取各个对象分群的关键信息,包括:获取与各个对象分群紧密关联的对象的至少一个类型的内容信息;将获取的内容信息作为文件,利用词频-逆文本频率指数(Term Frequency–Inverse Document Frequency,TF-IDF)法提取获取的内容信息中的常用词;基于常用词的IDF值,确定常用词中具有区分性的关键词;将关键词作为各个对象分群的关键信息。
示例性的,将与各个对象分群的第二关联系数大于第二阈值的对象,作为与各个对象分群紧密关联的对象。例如,根据得到的第二关联关系矩阵Q,得到各个对象与各个对象分群之间的第二关联系数,设置每个对象分群对应的第二阈值,从而确定与每个对象分群紧密关联的对象。又例如,可以将每个对象分群中的第二关联系数按照从大到小的顺序进行排序,选择排名前70%的第二关联系数所对应的对象作为与该对象分群紧密关联的对象。
示例性的,确定与该对象分群紧密关联的对象之后,获取紧密关联的对象的至少一个类型的内容信息。例如,仍以视频为例,可以获取视频多个维度的内容信息,如用户评价信息、视频的简介信息、视频的分类标签信息、给出的视频的关键字信息、视频的属性信息(如演员、导演、出品公司、年代等)等。可以通过多种方式获取上述视频的内容信息,如通过专业视频网站、百科网站等,另外,针对存在差异的数据结构化特性,可以对获取的视频数据进行清洗、对齐等处理。
将对象分群中紧密关联的对象的每个内容信息作为一篇文件,对文件进行分词操作,并利用白名单和同义词对分词进行清洗。其中,可以预先设置白名单内容,以过滤掉一些与用户兴趣无关的动词,例如讲述、展开等。
在一些实施方式中,将获取的内容信息作为文件,利用TF-IDF法提取获取的内容信息中的常用词,包括:将获取的内容信息作为文件,对文件进行分词处理得到多个词语;计算多个词语的TF-IDF值,按照从大到小的顺序对多个词语的TF-IDF值进行排序;选取排序中靠前的预设数量的词语作为获取的内容中的常用词。
利用TF-IDF法提取各个对象分群对应的常用词,可以通过表达式(4)确定TF-IDF的值:
TF-IDF=TF*IDF (4)
其中,TF=某个词在文件中出现次数/文件中总词数,IDF=log(总文件数/包含该词文件数)。
示例性的,在每个对象分群内部利用TF-IDF值进行排序,产生分群内部排名前30的常用词。表5是部分分群中提取出来的常用词,常用词后的数字代表某个词在文件中出现次数。
表5
根据本发明实施例,提取每个对象分群对应的常用词,能够更准确快速的生成用户画像。
在一些实施方式中,基于常用词的IDF值,确定常用词中具有区分性的关键词,包括:基于常用词的IDF值,将IDF值大于第三阈值的常用词作为具有区分性的关键词。
为了确保用户画像的区分度,需要在对象分群之间进行区分关键词的提取,利用常用词的IDF属性,来判断每个描述词是否过于通用或常见而缺乏区分度。将IDF值大于第三阈值的常用词作为具有区分性的关键词,或者将常用词的IDF值按照从大到小的顺序进行排序,选择排名前80%的常用词作为具有区分性的关键词。示例性的,从表5中的常用词中提取到如表6所示的关键词,关键词后的数字代表某个词在文件中出现次数表6
S150,基于第一关联关系矩阵及提取的关键信息,生成与各个对象分群紧密关联的用户的用户画像。
在一些实施例中,生成与各个对象分群紧密关联的用户的用户画像,包括:生成关键词的词云,利用词云表示与各个对象分群紧密关联的用户的用户画像;其中,关键词在词云中的大小由关键词的TF值决定。示例性的,将与对象分群的第一关联系数大于第一阈值的用户,作为与对象分群紧密关联的用户。
例如,可以生成每个对象分群对应的关键词词云,可以用图2所示的词云图的形式表示用户画像,词云图中各个词元素的大小由其对应的TF值的大小决定,表示该关键词与用户兴趣的匹配程度。
在上述步骤中,确定了每个对象分群对应的关键词,可以基于每个对象分群对应的关键词生成每个对象分群对应的用户的用户画像。但是,会存在一些用户同时与多个对象分群具有关联关系,因此,选择与各个对象分群紧密关联的用户,并利用该对象分群对应的关键词生成该紧密关联的用户的用户画像,能够更准确的基于用户的访问兴趣生成用户的画像。
进一步的,在S150之后,本发明实施例提供的方法还可以包括:根据用户的用户画像,向用户推荐对象。示例性的,在视频推荐场景中,确定了用户的画像之后,可以根据用户画像对应的关键词,搜索用户感兴趣的视频,并将搜索到的用户感兴趣的视频推荐给用户,以提升用户体验。
至此,根据本发明实施例提供的用户画像的生成方法,通过根据多个用户对多个对象的历史行为信息,自动的将用户及对象划分为不同的群组,进而自动提取不同群组中的内容特征,以生成各个用户的用户画像。根据本发明实施例,不需要进行人工分类、打标签等,能够确保运算性能且适合大数据环境,达到自动生成用户画像,提高用户画像生成的准确性及速度。
图3示出了本发明实施例提供的用户画像的生成装置的结构示意图。如图3所述,本发明实施例提供的用户画像的生成装置包括:
数据获取模块201,用于获取多个用户对多个对象的历史行为信息;
矩阵生成模块202,用于根据历史行为信息计算各个用户与各个对象之间的关联度,并生成关联度矩阵;
矩阵分解模块203,用于对关联度矩阵进行矩阵分解,得到各个用户与各个对象分群之间的第一关联关系矩阵及各个对象与各个对象分群之间的第二关联关系矩阵;
特征提取模块204,用于基于第二关联关系矩阵,获取各个对象分群中的对象的内容信息,并从内容信息中提取各个对象分群的关键信息;
画像生成模块205,用于基于第一关联关系矩阵及提取的关键信息,生成与各个对象分群紧密关联的用户的用户画像。
在一些可选的实施方式中,矩阵分解模块203具体用于:
设置对象分群的个数,采用奇异值分解法SVD或交替最小二乘法ALS对关联度矩阵进行矩阵分解,并使SVD算法或ALS算法对应的损失函数的值最小化,得到各个用户与各个对象分群之间的第一关联关系矩阵及各个对象与各个对象分群之间的第二关联关系矩阵;其中,对象分群的个数小于用户的数量且小于对象的数量。
在一些可选的实施方式中,画像生成模块205具体用于:
将与对象分群的第一关联系数大于第一阈值的用户,作为与对象分群紧密关联的用户。
在一些可选的实施方式中,特征提取模块204具体用于:
获取与各个对象分群紧密关联的对象的至少一个类型的内容信息;
将获取的内容信息作为文件,利用TF-IDF法提取获取的内容信息中的常用词;
基于常用词的IDF值,确定常用词中具有区分性的关键词;
将关键词作为各个对象分群的关键信息。
在一些可选的实施方式中,特征提取模块204具体用于:
将获取的内容信息作为文件,对文件进行分词处理得到多个词语;
计算多个词语的TF-IDF值,按照从大到小的顺序对多个词语的TF-IDF值进行排序;
选取排序中靠前的预设数量的词语作为获取的内容中的常用词。
在一些可选的实施方式中,特征提取模块204具体用于:
将与各个对象分群的第二关联系数大于第二阈值的对象,作为与各个对象分群紧密关联的对象;
基于常用词的IDF值,确定常用词中具有区分性的关键词,包括:
基于常用词的IDF值,将IDF值大于第三阈值的常用词作为具有区分性的关键词。
在一些可选的实施方式中,画像生成模块205具体用于:
生成关键词的词云,利用词云表示与各个对象分群紧密关联的用户的用户画像;其中,关键词在词云中的大小由关键词的TF值决定;
画像生成模块205还用于:
根据用户的用户画像,向用户推荐对象。
根据本发明实施例的用户画像的生成装置,根据多个用户对多个对象的历史行为信息,自动的将用户及对象划分为不同的群组,进而自动提取不同群组中的内容特征,以生成各个用户的用户画像。根据本发明实施例,不需要进行人工分类、打标签等,能够确保运算性能且适合大数据环境,达到自动生成用户画像,提高用户画像生成的准确性及速度。
图4示出了本发明实施例提供的用户画像的生成设备的硬件结构示意图。
用户画像的生成设备可以包括处理器301以及存储有计算机程序指令的存储器302。
具体地,上述处理器301可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器302可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器302可在综合网关容灾设备的内部或外部。在特定实施例中,存储器302是非易失性固态存储器。在特定实施例中,存储器302包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器301通过读取并执行存储器302中存储的计算机程序指令,以实现上述实施例中的任意一种用户画像的生成方法。
在一个示例中,用户画像的生成设备还可包括通信接口303和总线310。其中,如图4所示,处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。
通信接口303,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线310包括硬件、软件或两者,将用户画像的生成设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线310可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
该用户画像的生成设备可以执行本发明实施例中的用户画像的生成方法,从而实现结合图1和图3描述的用户画像的生成方法和装置。
另外,结合上述实施例中的用户画像的生成方法,本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种用户画像的生成方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块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。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种用户画像的生成方法,其特征在于,包括:
获取多个用户对多个对象的历史行为信息;
根据所述历史行为信息计算各个所述用户与各个所述对象之间的关联度,并生成关联度矩阵;
对所述关联度矩阵进行矩阵分解,得到各个所述用户与各个对象分群之间的第一关联关系矩阵及各个所述对象与各个所述对象分群之间的第二关联关系矩阵;
基于所述第二关联关系矩阵,获取各个所述对象分群中的对象的内容信息,并从所述内容信息中提取各个所述对象分群的关键信息;
基于所述第一关联关系矩阵及提取的所述关键信息,生成与各个所述对象分群紧密关联的用户的用户画像。
2.根据权利要求1所述的方法,其特征在于,所述对所述关联度矩阵进行矩阵分解,得到各个所述用户与各个对象分群之间的第一关联关系矩阵及各个所述对象与各个所述对象分群之间的第二关联关系矩阵,包括:
设置所述对象分群的个数,采用奇异值分解法SVD或交替最小二乘法ALS对所述关联度矩阵进行矩阵分解,并使所述SVD算法或ALS算法对应的损失函数的值最小化,得到各个所述用户与各个所述对象分群之间的第一关联关系矩阵及各个所述对象与各个所述对象分群之间的第二关联关系矩阵;其中,所述对象分群的个数小于所述用户的数量且小于所述对象的数量。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将与所述对象分群的第一关联系数大于第一阈值的用户,作为与所述对象分群紧密关联的用户。
4.根据权利要求1所述的方法,其特征在于,所述获取各个所述对象分群中的对象的内容信息,并从所述内容信息中提取各个所述对象分群的关键信息,包括:
获取与各个所述对象分群紧密关联的对象的至少一个类型的内容信息;
将获取的内容信息作为文件,利用TF-IDF法提取所述获取的内容信息中的常用词;
基于所述常用词的IDF值,确定所述常用词中具有区分性的关键词;
将所述关键词作为各个所述对象分群的关键信息。
5.根据权利要求4所述的方法,其特征在于,所述将获取的内容信息作为文件,利用TF-IDF法提取所述获取的内容信息中的常用词,包括:
将获取的内容信息作为文件,对所述文件进行分词处理得到多个词语;
计算所述多个词语的TF-IDF值,按照从大到小的顺序对所述多个词语的TF-IDF值进行排序;
选取所述排序中靠前的预设数量的词语作为所述获取的内容中的常用词。
6.根据权利要求4所述的方法,其特征在于,所述方法还包括:
将与各个所述对象分群的第二关联系数大于第二阈值的对象,作为与各个所述对象分群紧密关联的对象;
所述基于所述常用词的IDF值,确定所述常用词中具有区分性的关键词,包括:
基于所述常用词的IDF值,将所述IDF值大于第三阈值的常用词作为具有区分性的关键词。
7.根据权利要求4所述的方法,其特征在于,所述生成与各个所述对象分群紧密关联的用户的用户画像,包括:
生成所述关键词的词云,利用所述词云表示与各个所述对象分群紧密关联的用户的用户画像;其中,所述关键词在所述词云中的大小由所述关键词的TF值决定;
所述方法还包括:
根据所述用户的用户画像,向所述用户推荐对象。
8.一种用户画像的生成装置,其特征在于,所述装置包括:
数据获取模块,用于获取多个用户对多个对象的历史行为信息;
矩阵生成模块,用于根据所述历史行为信息计算各个所述用户与各个所述对象之间的关联度,并生成关联度矩阵;
矩阵分解模块,用于对所述关联度矩阵进行矩阵分解,得到各个所述用户与各个对象分群之间的第一关联关系矩阵及各个所述对象与各个所述对象分群之间的第二关联关系矩阵;
特征提取模块,用于基于所述第二关联关系矩阵,获取各个所述对象分群中的对象的内容信息,并从所述内容信息中提取各个所述对象分群的关键信息;
画像生成模块,用于基于所述第一关联关系矩阵及提取的所述关键信息,生成与各个所述对象分群紧密关联的用户的用户画像。
9.一种用户画像的生成设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-7任意一项所述的用户画像的生成方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的用户画像的生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910972771.XA CN112733006B (zh) | 2019-10-14 | 2019-10-14 | 用户画像的生成方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910972771.XA CN112733006B (zh) | 2019-10-14 | 2019-10-14 | 用户画像的生成方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112733006A true CN112733006A (zh) | 2021-04-30 |
CN112733006B CN112733006B (zh) | 2022-12-02 |
Family
ID=75588387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910972771.XA Active CN112733006B (zh) | 2019-10-14 | 2019-10-14 | 用户画像的生成方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733006B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378063A (zh) * | 2021-07-09 | 2021-09-10 | 小红书科技有限公司 | 一种基于滑动谱分解确定内容多样性的方法和内容排序方法 |
CN115934970A (zh) * | 2023-02-27 | 2023-04-07 | 中南大学 | 一种基于多视图可视化的交互式实体对齐方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017020451A1 (zh) * | 2015-08-03 | 2017-02-09 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN109597874A (zh) * | 2018-10-23 | 2019-04-09 | 重庆邂智科技有限公司 | 信息推荐方法、装置及服务器 |
CN110213325A (zh) * | 2019-04-02 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 数据处理方法以及数据推送方法 |
CN110209875A (zh) * | 2018-07-03 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 用户内容画像确定方法、访问对象推荐方法和相关装置 |
CN110275952A (zh) * | 2019-05-08 | 2019-09-24 | 平安科技(深圳)有限公司 | 基于用户短期兴趣的新闻推荐方法、装置及介质 |
-
2019
- 2019-10-14 CN CN201910972771.XA patent/CN112733006B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017020451A1 (zh) * | 2015-08-03 | 2017-02-09 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN110209875A (zh) * | 2018-07-03 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 用户内容画像确定方法、访问对象推荐方法和相关装置 |
CN109597874A (zh) * | 2018-10-23 | 2019-04-09 | 重庆邂智科技有限公司 | 信息推荐方法、装置及服务器 |
CN110213325A (zh) * | 2019-04-02 | 2019-09-06 | 腾讯科技(深圳)有限公司 | 数据处理方法以及数据推送方法 |
CN110275952A (zh) * | 2019-05-08 | 2019-09-24 | 平安科技(深圳)有限公司 | 基于用户短期兴趣的新闻推荐方法、装置及介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378063A (zh) * | 2021-07-09 | 2021-09-10 | 小红书科技有限公司 | 一种基于滑动谱分解确定内容多样性的方法和内容排序方法 |
CN113378063B (zh) * | 2021-07-09 | 2023-07-28 | 小红书科技有限公司 | 一种基于滑动谱分解确定内容多样性的方法和内容排序方法 |
CN115934970A (zh) * | 2023-02-27 | 2023-04-07 | 中南大学 | 一种基于多视图可视化的交互式实体对齐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112733006B (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10423648B2 (en) | Method, system, and computer readable medium for interest tag recommendation | |
CN110874530B (zh) | 关键词提取方法、装置、终端设备及存储介质 | |
Shi et al. | Learning-to-rank for real-time high-precision hashtag recommendation for streaming news | |
CN107862022B (zh) | 文化资源推荐系统 | |
CN106021362A (zh) | 查询式的图片特征表示的生成、图片搜索方法和装置 | |
WO2016000555A1 (zh) | 基于社交网络的内容、新闻推荐方法和系统 | |
CN109189990B (zh) | 一种搜索词的生成方法、装置及电子设备 | |
WO2018157625A1 (zh) | 基于强化学习的排序学习方法及服务器 | |
WO2011044662A1 (en) | System and method for grouping multiple streams of data | |
US10387805B2 (en) | System and method for ranking news feeds | |
EP2417544A1 (en) | Similarity-based feature set supplementation for classification | |
WO2017113592A1 (zh) | 模型生成方法、词语赋权方法、装置、设备及计算机存储介质 | |
CN106599047B (zh) | 一种信息的推送方法及装置 | |
CN110766486A (zh) | 确定物品类目的方法和装置 | |
CN112733006B (zh) | 用户画像的生成方法、装置、设备及存储介质 | |
CN105512300B (zh) | 信息过滤方法及系统 | |
CN111444424A (zh) | 一种信息推荐方法和信息推荐系统 | |
WO2013072258A1 (en) | Unsupervised detection and categorization of word clusters in text data | |
Ritha et al. | Sentiment Analysis of Health Protocol Policy Using K-Nearest Neighbor and Cosine Similarity | |
US10474700B2 (en) | Robust stream filtering based on reference document | |
CN111538903B (zh) | 搜索推荐词确定方法、装置、电子设备及计算机可读介质 | |
EP3706014A1 (en) | Methods, apparatuses, devices, and storage media for content retrieval | |
CN112989118A (zh) | 视频召回方法及装置 | |
CN111026940A (zh) | 一种面向电网电磁环境的网络舆情及风险信息监测系统、电子设备 | |
CN114780712B (zh) | 一种基于质量评价的新闻专题生成方法及装置 |
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 |