CN112883269A - 一种用于调整标签数据信息的方法与设备 - Google Patents
一种用于调整标签数据信息的方法与设备 Download PDFInfo
- Publication number
- CN112883269A CN112883269A CN202110217242.6A CN202110217242A CN112883269A CN 112883269 A CN112883269 A CN 112883269A CN 202110217242 A CN202110217242 A CN 202110217242A CN 112883269 A CN112883269 A CN 112883269A
- Authority
- CN
- China
- Prior art keywords
- user
- data information
- portrait
- target
- representation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 60
- 239000000463 material Substances 0.000 claims abstract description 461
- 239000013077 target material Substances 0.000 claims abstract description 119
- 230000006399 behavior Effects 0.000 claims description 86
- 230000015654 memory Effects 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000002372 labelling Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 abstract description 5
- 230000007306 turnover Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 9
- 230000005291 magnetic effect Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000011895 specific detection Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 101100498818 Arabidopsis thaliana DDR4 gene Proteins 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005294 ferromagnetic effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 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
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请的目的是提供一种用于调整标签数据信息的方法与设备，该方法包括基于用户对目标素材的相关操作，生成用户对目标素材的用户行为信息；根据用户行为信息获取用户对目标素材的目标喜好度；根据目标喜好度、用户的用户画像、目标素材的素材画像检测是否需要对用户画像、素材画像中的标签数据信息进行调整；对于需要调整的用户画像和/或素材画像，分别对用户画像中存在偏差的第一用户标签数据信息、素材画像中存在偏差的第一素材标签数据信息进行调整，以得到调整后的用户画像和/或调整后的素材画像。解决在基于用户画像识别过程中发生的喜好翻转问题，提高了基于用户画像、素材画像进行识别匹配的准确度。
Description
技术领域
本申请涉及通信领域，尤其涉及一种用于调整标签数据信息的技术。
背景技术
用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。
现有技术中，对于用户画像的应用主要包括：基于用户的用户画像识别该用户感兴趣的书籍、视频、图片等信息，以实现为用户推荐其感兴趣的信息的目的。而用户画像的准确度以及信息属性的准确度是影响精准识别，以及避免产生喜好翻转问题的关键因素。
发明内容
本申请的一个目的是提供一种用于调整标签数据信息的方法与设备。
根据本申请的一个方面，提供了一种用于调整标签数据信息的方法，该方法包括：
基于用户对目标素材的相关操作，生成所述用户对所述目标素材的用户行为信息；
根据所述用户行为信息获取所述用户对所述目标素材的目标喜好度；
根据所述目标喜好度、所述用户的用户画像、所述目标素材的素材画像检测是否需要对所述用户画像、所述素材画像中的标签数据信息进行调整，其中，所述用户画像包括一个或多个用户标签数据信息，所述素材画像包括一个或多个素材标签数据信息；
对于需要调整的所述用户画像和/或所述素材画像，分别对所述用户画像中存在偏差的第一用户标签数据信息、所述素材画像中存在偏差的第一素材标签数据信息进行调整，以得到调整后的用户画像和/或调整后的素材画像。
根据本申请的一个方面，提供了一种用于调整标签数据信息的设备，该设备包括：
一一模块，用于基于用户对目标素材的相关操作，生成所述用户对所述目标素材的用户行为信息；
一二模块，用于根据所述用户行为信息获取所述用户对所述目标素材的目标喜好度；
一三模块，用于根据所述目标喜好度、所述用户的用户画像、所述目标素材的素材画像检测是否需要对所述用户画像、所述素材画像中的标签数据信息进行调整，其中，所述用户画像包括一个或多个用户标签数据信息，所述素材画像包括一个或多个素材标签数据信息；
一四模块，用于对于需要调整的所述用户画像和/或所述素材画像，分别对所述用户画像中存在偏差的第一用户标签数据信息、所述素材画像中存在偏差的第一素材标签数据信息进行调整，以得到调整后的用户画像和/或调整后的素材画像。
根据本申请的一个方面，提供了一种用于调整标签数据信息的设备，其中，该设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上所述任一方法的操作。
根据本申请的一个方面，提供了一种存储指令的计算机可读介质，所述指令在被执行时使得系统进行如上所述任一方法的操作。
根据本申请的一个方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上所述任一方法的操作。
与现有技术相比，本申请基于用户对目标素材的相关操作，生成所述用户对所述目标素材的用户行为信息，根据所述用户行为信息获取所述用户对所述目标素材的目标喜好度，根据所述目标喜好度、所述用户的用户画像、所述目标素材的素材画像检测需要进行调整的用户画像和/或素材画像，对于需要调整的所述用户画像和/或素材画像，分别调整所述用户画像中存在偏差的第一用户标签数据信息，和/或，所述素材画像中存在偏差的第一素材标签数据信息，以在所述用户画像和/或所述素材画像出现偏差时，及时进行纠错。本申请结合所述用户对所述目标素材的相关操作，获取所述用户对所述目标素材的目标喜好度，以便以所述目标喜好度作为参考，检测所述用户画像、所述素材画像的准确度；并且，本申请所述的用户画像包括一个或多个用户标签数据信息，素材画像包括一个或多个素材标签数据信息，在需要对用户画像和/或素材画像进行调整时，通过分别调整所述用户画像中存在偏差的第一用户标签数据信息、所述素材画像中存在偏差的第一素材标签数据信息实现对所述用户画像、所述素材画像的纠错，以解决在基于用户画像识别过程中发生的喜好翻转问题，提高了基于用户画像、素材画像进行识别匹配的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1示出根据本申请一个实施例的一种用于调整标签数据信息的方法流程图；
图2示出根据本申请另一个实施例的一种用于调整标签数据信息的方法流程图；
图3示出根据本申请一个实施例的一种用于调整标签数据信息的设备结构图；
图4示出可被用于实施本申请中所述的各个实施例的示例性系统。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(例如，中央处理器(Central Processing Unit，CPU))、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RandomAccess Memory，RAM)和/或非易失性内存等形式，如只读存储器(Read Only Memory，ROM)或闪存(Flash Memory)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(Phase-Change Memory，PCM)、可编程随机存取存储器(Programmable Random Access Memory，PRAM)、静态随机存取存储器(Static Random-Access Memory，SRAM)、动态随机存取存储器(Dynamic Random AccessMemory，DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、数字多功能光盘(Digital Versatile Disc,DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
本申请所指设备包括但不限于终端、网络设备、或终端与网络设备通过网络相集成所构成的设备。所述终端包括但不限于任何一种可与用户进行人机交互(例如通过触摸板进行人机交互)的移动电子产品，例如智能手机、平板电脑等，所述移动电子产品可以采用任意操作系统，如Android操作系统、iOS操作系统等。其中，所述网络设备包括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信息处理的电子设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑器件(Programmable Logic Device，PLD)、现场可编程门阵列(Field ProgrammableGate Array，FPGA)、数字信号处理器(Digital Signal Processor，DSP)、嵌入式设备等。所述网络设备包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云；在此，云由基于云计算(Cloud Computing)的大量计算机或网络服务器构成，其中，云计算是分布式计算的一种，由一群松散耦合的计算机集组成的一个虚拟超级计算机。所述网络包括但不限于互联网、广域网、城域网、局域网、VPN网络、无线自组织网络(Ad Hoc网络)等。优选地，所述设备还可以是运行于所述终端、网络设备、或终端与网络设备、网络设备、触摸终端或网络设备与触摸终端通过网络相集成所构成的设备上的程序。
当然，本领域技术人员应能理解上述设备仅为举例，其他现有的或今后可能出现的设备如可适用于本申请，也应包含在本申请保护范围以内，并在此以引用方式包含于此。
在本申请的描述中，“多个”的含义是两个或者更多，除非另有明确具体的限定。
在此，本申请所述的一种用于调整标签数据信息的方法的执行主体包括但不限于用户设备、网络设备。在一些实施例中，所述用户设备包括但不限于电脑、手机、平板电脑等计算设备。优选地，所述执行主体为所述网络设备，下面从所述网络设备的角度对本申请所述的一种用于调整标签数据信息的方法进行解释说明。
图1示出了根据本申请一个实施例的一种用于调整标签数据信息的方法，其中，该方法包括步骤S11、步骤S12、步骤S13以及步骤S14。在步骤S11中，网络设备基于用户对目标素材的相关操作，生成所述用户对所述目标素材的用户行为信息；在步骤S12中，网络设备根据所述用户行为信息获取所述用户对所述目标素材的目标喜好度；在步骤S13中，网络设备根据所述目标喜好度、所述用户的用户画像、所述目标素材的素材画像检测是否需要对所述用户画像、所述素材画像中的标签数据信息进行调整，其中，所述用户画像包括一个或多个用户标签数据信息，所述素材画像包括一个或多个素材标签数据信息；在步骤S14中，对于需要调整的所述用户画像和/或所述素材画像，网络设备分别对所述用户画像中存在偏差的第一用户标签数据信息、所述素材画像中存在偏差的第一素材标签数据信息进行调整，以得到调整后的用户画像和/或调整后的素材画像。
具体而言，在步骤S11中，网络设备基于用户对目标素材的相关操作，生成所述用户对所述目标素材的用户行为信息。在一些实施例中，所述目标素材包括但不限于视频、图片、音频、文章等素材。在一些实施例中，所述相关操作包括但不限于点赞、转发、观看、点击查看等操作。例如，所述网络设备统计记录所述用户对所述目标素材所进行的所有相关操作，并基于所述用户对所述目标素材所进行的相关操作生成或不断更新所述用户对所述目标素材的用户行为信息。在一些实施例中，所述用户行为信息包括一个或多个行为数据信息，通过所述一个或多个行为数据信息反映所述用户对所述目标素材所进行的相关操作。
在步骤S12中，网络设备根据所述用户行为信息获取所述用户对所述目标素材的目标喜好度。在一些实施例中，所述用户对所述目标素材所进行的点赞、转发等相关操作能够更好地体现该用户对该目标素材的综合意向(例如，是否喜欢该目标素材)，而所述用户行为信息是基于所述用户对所述目标素材所进行的相关操作获取的，因此，通过所述用户行为信息得到的所述目标喜好度能更好地反映所述用户对所述目标素材的综合意向。例如，目标喜好度越高，说明该用户对该目标素材的兴趣意向越高。在一些实施例中，可以通过模式算法来量化用户对素材的喜好度，关于该步骤的具体介绍请参见下面的实施例，在此不做赘述。
在步骤S13中，网络设备根据所述目标喜好度、所述用户的用户画像、所述目标素材的素材画像检测是否需要对所述用户画像、所述素材画像中的标签数据信息进行调整，其中，所述用户画像包括一个或多个用户标签数据信息，所述素材画像包括一个或多个素材标签数据信息。在一些实施例中，所述网络设备中包括所述用户的用户画像以及所述目标素材的素材画像。在所述目标素材被触发时，所述网络设备可以根据所述用户的用户标识(例如，用户ID、设备ID等)查询获取该用户的用户画像，根据该目标素材的素材标识(例如，素材名称、素材编号等)查询获取该目标素材的素材画像。在一些实施例中，所述用户画像包括一个或多个用户标签数据信息，通过所述一个或多个用户标签数据信息反映该用户对一个或多个标签属性的倾向度。在一些实施例中，所述用户标签数据信息的数值越高，说明该用户在该用户标签数据信息所对应的标签属性的倾向度越高(例如，该用户更喜欢该标签属性的素材)。例如，所述用户画像包括“0.9”“0.3”的用户标签数据信息，其中，“0.9”的用户标签数据信息表示该用户对“搞笑”的标签属性的倾向度，“0.3”的用户标签数据信息表示该用户对“体育”的标签属性的倾向度，通过该用户画像可知该用户更喜欢搞笑类的素材。在一些实施例中，所述素材画像包括一个或多个素材标签数据信息，通过所述一个或多个素材标签数据信息反映该目标素材更倾向于哪一个标签属性。在一些实施例中，所述素材标签数据信息的数值越高，说明该目标素材在该素材标签数据信息对应的标签属性的倾向度越高(例如，该目标素材的属性更倾向于该标签属性)。例如，所述素材画像包括“0.7”“0.8”的素材标签数据信息，其中，“0.7”的素材标签数据信息表示该目标素材在“搞笑”的标签属性的倾向度，“0.8”的素材标签数据信息表示该目标素材在“体育”的标签属性的倾向度，通过该素材画像可知该目标素材可能是搞笑的体育素材。在一些实施例中，所述目标喜好度是基于所述用户行为信息获取的，所述目标喜好度可以反映该用户对该目标素材的综合意向(例如，是否喜欢该目标素材)，所述用户画像包括一个或多个用户标签数据信息，基于所述用户标签数据信息可以反映该用户对不同标签属性的倾向度，而所述用户标签数据信息的准确度是影响基于所述用户画像查询该用户感兴趣的素材，或者基于素材的素材画像查询对该素材感兴趣的潜在用户的重要因素。相类似地，所述素材画像包括一个或多个素材标签数据信息，基于所述素材标签数据信息可以反映该目标素材在不同标签属性上的倾向度，而所述素材标签数据信息的准确度是影响基于所述用户画像查询该用户感兴趣的素材，或者基于素材的素材画像查询对该素材感兴趣的潜在用户的重要因素。在一些实施例中，所述网络设备根据所述目标喜好度、所述用户画像、所述素材画像可以检测出需要进行调整的用户画像、素材画像，以便对该用户画像、素材画像进行调整。例如，以所述目标喜好度作为参考，结合所述用户画像中各用户标签数据信息与所述素材画像中各素材标签数据信息之间的比较，检测需要进行调整的用户画像、素材画像。当然，本领域技术人员应能理解，上述具体检测方法仅为举例，其他现有的或今后可能出现的具体检测方法如能适用于本实施例，也在本实施例的保护范围内，并以引用的方式包含于此。例如，在一些实施例中，以所述目标喜好度作为参考，结合所述用户画像中各用户标签数据信息与所述素材画像中各素材标签数据信息之间的比较，还需要结合所述用户画像的第一置信度、所述素材画像的第二置信度，检测需要进行调整的用户画像、素材画像。关于该步骤的具体介绍请参见下面的实施例，在此不做赘述。
在步骤S14中，对于需要调整的所述用户画像和/或所述素材画像，网络设备分别对所述用户画像中存在偏差的第一用户标签数据信息、所述素材画像中存在偏差的第一素材标签数据信息进行调整，以得到调整后的用户画像和/或调整后的素材画像。例如，若通过检测确定出所述用户画像和所述素材画像都不准确，则两者都需要进行调整。再例如，若通过检测确定出所述用户画像不准确，则需要对该用户画像进行调整，而无需对该素材画像进行调整。又例如，若通过检测确定出所述素材画像不准确，则需要对该素材画像进行调整，而无需对该用户画像进行调整。由于所述用户画像和所述素材画像中分别包括一个或多个标签数据信息(例如，所述用户画像中包括一个或多个用户标签数据信息，所述素材画像中包括一个或多个素材标签数据信息)，对于需要调整的用户画像，仅调整存在偏差的第一用户标签数据信息即可，对于存在偏差的第一用户标签数据信息进行纠错；对于需要调整的素材画像，以实现对所述用户画像的调整。对于需要调整的素材画像，仅调整存在偏差的第一素材标签数据信息即可，对于存在偏差的第一素材标签数据信息进行纠错，以实现对所述素材画像的调整。
在一些实施例中，所述步骤S11包括：网络设备基于所述用户对所述目标素材的相关操作，生成所述用户对所述目标素材的用户行为信息，其中，所述用户行为信息包括一个或多个用户行为标签，以及每个用户行为标签对应的行为数据信息；所述步骤S12包括：网络设备根据所述一个或多个行为数据信息，以及喜好度模型获取所述用户对所述目标素材的目标喜好度。在一些实施例中，所述用户行为标签包括但不限于观看进度、点赞、转发等。例如，所述用户行为信息A可以通过以下的映射函数进行描述：
在一些实施例中，每个所述用户行为标签所对应的行为数据信息是基于用户对该目标素材所进行的、关于该用户行为标签的相关操作生成或更新的。例如，对于“点赞”而言，若所述用户仅仅对该目标素材进行了单次点赞操作，则所述A2的取值为1，若没有进行过点赞操作，则所述A2的取值为0，若该用户对该目标素材进行了多次点赞、取消点赞的反复操作，则需要进行加权平均，以得到所述A2的取值(例如，所述用户对该目标素材进行了三次点赞、两次取消点赞的操作，则所述A2的取值为0.6)。当然，本领域技术人员可以理解，以上所述的、关于所述行为数据信息的具体计算过程仅为举例，其他现有的或今后可能出现的具体计算方法如能适用于本实施例也在本实施例的保护范围内，并以引用的方式包含于此。
在一些实施例中，所述步骤S12包括：网络设备基于归一化公式对所述一个或多个行为数据信息进行归一化处理，以得到所述用户行为信息的第一特征数据，其中，所述归一化公式包括：
在此，所述n为在所述一个或多个用户行为标签的数量，所述Ai为所述行为数据信息，所述Wi为对应于所述行为数据信息的用户行为标签所对应的权重；将所述第一特征数据输入所述喜好度模型，以输出所述用户对所述目标素材的目标喜好度。在一些实施例中，所述网络设备通过对所述一个或多个行为数据信息进行加权平均的方式确定所述第一特征数据。例如，所述n为所述一个或多个用户行为标签的数量(例如，有五个用户行为标签，则n等于5)，每个用户行为标签都分配有对应的权重，该权重的大小与该用户行为标签所对应的行为相关，例如，“点赞”分配的权重大于“观看”所分配到的权重，则通过将每个行为数据信息与其对应的权重的乘积加和后再除以该用户行为标签的数量的方式(具体可参考所述归一化公式)得到所述第一特征数据。在一些实施例中，所述喜好度模型是基于大量的第一特征数据及对应的喜好度，通过机器学习训练生成的量化模型，以量化用户对素材的喜好程度。在一些实施例中，所述目标喜好度包括具体的数值，例如，所述目标喜好度越高，该用户对该目标素材的综合意向越高。当然，本领域技术人员应能理解，上述归一化公式仅为举例，其他现有的或今后可能出现的归一化处理方式如能适用于本实施例，也在本实施例的保护范围内，并以引用的方式包含于此。
在一些实施例中，所述步骤S13包括步骤S131(未示出)以及步骤S132(未示出)。在步骤S131中，网络设备根据所述用户画像以及所述素材画像获取目标参数信息，其中，所述用户画像包括一个或多个标签属性，以及每个标签属性对应的用户标签数据信息，所述素材画像包括所述一个或多个标签属性，以及每个标签属性对应的素材标签数据信息；在步骤S132中，若所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配；或者，若所述目标喜好度与所述目标参数信息不相匹配，确定需要对所述用户画像和/或所述素材画像进行调整；若所述目标喜好度与所述目标参数信息相匹配，并且所述用户画像与所述素材画像相匹配，确定不需要对所述用户画像以及所述素材画像进行调整。在一些实施例中，所述标签属性包括但不限于搞笑、体育等标签属性。在一些实施例中，所述用户画像包括一个或多个标签属性以及每个标签属性所对应的用户标签数据信息。在一些实施例中，所述素材画像中包括与所述用户画像所包括的一个或多个标签属性相同的一个或多个标签属性，以及每个标签属性所对应的素材标签数据信息。换言之，所述用户画像与所述素材画像中包括对应于同一标签属性的一组或多组用户标签数据信息、素材标签数据信息。在一些实施例中，所述用户标签数据信息的数值越高，说明该用户在该用户标签数据信息所对应的标签属性的倾向度越高(例如，该用户更喜欢该标签属性的素材)。例如，所述用户画像包括“0.9”“0.3”的用户标签数据信息，其中，“0.9”的用户标签数据信息表示该用户对“搞笑”的标签属性的倾向度，“0.3”的用户标签数据信息表示该用户对“体育”的标签属性的倾向度，通过该用户画像可知该用户更喜欢搞笑类的素材。在一些实施例中，所述素材画像包括一个或多个素材标签数据信息，通过所述一个或多个素材标签数据信息反映该目标素材更倾向于哪一个标签属性。在一些实施例中，所述素材标签数据信息的数值越高，说明该目标素材在该素材标签数据信息对应的标签属性的倾向度越高(例如，该目标素材的属性更倾向于该标签属性)。例如，所述素材画像包括“0.7”“0.8”的素材标签数据信息，其中，“0.7”的素材标签数据信息表示该目标素材在“搞笑”的标签属性的倾向度，“0.8”的素材标签数据信息表示该目标素材在“体育”的标签属性的倾向度，通过该素材画像可知该目标素材可能是搞笑的体育素材。在一些实施例中，所述目标喜好度与所述目标参数信息相匹配包括所述目标喜好度与所述目标参数信息的差值在一定的范围内(例如，所述目标喜好度与所述目标参数信息之间的差值小于或等于一定的阈值)；所述目标喜好度与所述目标参数信息不相匹配包括所述目标喜好度与所述目标参数信息的差值在一定的范围之外(例如，所述目标喜好度与所述目标参数信息之间的差值大于一定的阈值)。在一些实施例中，所述网络设备在得到所述目标参数信息后，将该目标参数信息与该目标喜好度进行对比，若所述目标参数信息与所述目标喜好度相匹配，并且所述用户画像与所述素材画像也相匹配，则说明所述用户画像和所述素材画像均不需要调整。若所述目标参数信息与所述目标喜好度相匹配，并且所述用户画像与所述素材画像不相匹配，或者，所述目标参数信息与所述目标喜好度不相匹配，则说明所述用户画像、所述素材画像中至少有一个是需要调整的。
在一些实施例中，所述用户画像与所述素材画像相匹配，包括：在所述用户画像与所述素材画像中，对应于同一标签属性的用户标签数据信息与素材标签数据信息均相匹配；所述用户画像与所述素材画像不相匹配，包括：在所述用户画像与所述素材画像中，至少存在一组对应于同一标签属性的用户标签数据信息与素材标签数据信息不相匹配。在一些实施例中，将对应于同一个标签属性的用户标签数据信息与素材标签数据信息进行比较，若所述用户画像和所述素材画像中，对应于同一个标签属性的用户数据信息和素材数据信息均相匹配，则说明该用户画像与该素材画像是相匹配的；若至少存在一组对应于同一个标签属性的用户数据信息和素材标签数据信息不相匹配，则说明该用户画像与该素材画像不相匹配。在一些实施例中，所述用户数据信息与所述素材数据信息相匹配包括两者之间的差值小于或等于预设阈值；所述用户数据信息与所述素材数据信息不相匹配包括两者之间的差值大于预设阈值。
在一些实施例中，所述方法还包括步骤S15(未示出)：将对应于同一标签属性的、不相匹配的用户标签数据信息作为所述用户画像中存在偏差的第一用户标签数据信息，将对应于同一标签属性的、不相匹配的素材标签数据信息作为所述素材画像中存在偏差的第一素材标签数据信息。在一些实施例中，在确定出需要对用户画像进行调整时，对于所述用户画像中的一个或多个用户标签数据信息，所述网络设备仅调整所述用户画像中存在偏差的第一用户标签数据信息。在确定出需要对素材画像进行调整时，对于所述素材画像中的一个或多个素材标签数据信息，所述网络设备仅调整所述素材画像中存在偏差的第一素材标签数据信息。在一些实施例中，将对应于同一个标签属性的用户标签数据信息与素材标签数据信息进行对比，当两者不相匹配时，确定为第一用户标签数据信息、第一素材标签数据信息，以便在需要对所述用户画像进行调整时，调整该用户画像中的第一用户标签数据信息，在需要对所述素材画像进行调整时，调整该素材画像中的第一素材标签数据信息。
在一些实施例中，在一些实施例中，所述步骤S131包括：通过对所述用户画像与所述素材画像进行笛卡尔积计算，以获取所述用户画像与所述素材画像的目标矩阵；将所述目标矩阵的第二特征数据输入喜好度模型，以输出所述目标参数信息。在一些实施例中，所述一个或多个标签属性在所述用户画像中的排列顺序与其在所述素材画像中的排列顺序相同。在一些实施例中，所述用户画像为量化矩阵，例如，所述用户画像可以通过以下映射函数进行描述：
在一些实施例中，所述素材画像为量化矩阵，例如，所述素材画像可以通过以下映射函数进行描述：
所述网络设备通过将所述用户画像、所述素材画像进行笛卡尔积计算得到所述用户画像与所述素材画像的目标矩阵。进一步地，所述网络设备获取所述目标矩阵的第二特征数据(例如，对所述目标矩阵进行归一化处理，以得到所述第二特征数据)，以将所述第二特征数据输入喜好度模型中，输出所述目标参数信息R。在一些实施例中，所述喜好度模型是与上述输入所述用户行为信息的第一特征数据相同的喜好度模型，以使得得到的所述目标喜好度与所述目标参数信息具有对比价值。在一些实施例中，对所述目标矩阵的归一化处理与上述从所述用户行为信息中得到所述第一特征数据信息的处理方式相同或相似，例如，对所述目标矩阵中所包括的各标签数据信息进行加权平均，以得到所述第二特征数据，具体的用于加权平均的归一化公式与上述归一化公式相同或相似，在此不做赘述。
在一些实施例中，所述若所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配；或者，若所述目标喜好度与所述目标参数信息不相匹配，确定需要对所述用户画像和/或所述素材画像进行调整，包括：若所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配，确定所述用户画像、所述素材画像均需要进行调整；若所述目标喜好度与所述目标参数信息不相匹配，根据所述用户画像的第一置信度以及所述素材画像的第二置信度确定需要调整的所述用户画像和/或所述素材画像。在一些实施例中，当所述目标喜好度与所述目标参数信息相匹配，但所述用户画像与所述素材画像不相匹配时，则确定所述用户画像、所述素材画像均需要进行调整。若所述目标喜好度与所述目标参数信息不相匹配，则需要进一步借助于所述用户画像的第一置信度以及所述素材画像的第二置信度确定是对所述用户画像和所述素材画像都进行调整，还是仅调整所述用户画像，还是仅调整所述素材画像。在一些实施例中，所述用户画像或所述素材画像中的第一用户标签数据信息或第一素材标签数据信息被更新的次数越多，说明，该用户画像或素材画像被调整的次数越多，其准确度越高。在一些实施例中，所述第一置信度、第二置信度可以通过所述用户画像、所述素材画像更新的次数来衡量。例如，所述用户画像的更新次数超过了一万次，则可以认为其具有较高的第一置信度。在一些实施例中，在所述目标喜好度与所述目标参数信息不相匹配时，所述网络设备通过对比所述第一置信度、所述第二置信度确定需要调整的是所述用户画像，还是所述素材画像，或者所述用户画像和所述素材画像都需要调整。当然，本领域技术人员应能理解，以上所述的关于所述第一置信度、所述第二置信度的具体获取过程仅为举例，其他现有的或今后可能出现的具体获取过程如能适用于本申请，也在本申请的保护范围内，并以引用的方式包含于此。
在一些实施例中，所述根据所述用户画像的第一置信度以及所述素材画像的第二置信度确定存在偏差的所述用户画像和/或所述素材画像，包括：若所述第一置信度大于所述第二置信度，并且，所述第一置信度与所述第二置信度的差值等于或大于目标阈值，确定仅所述素材画像需要调整；若所述第二置信度大于所述第一置信度，并且，所述第二置信度与所述第一置信度的差值等于或大于所述目标阈值，确定仅所述用户画像需要调整；若所述第一置信度与所述第二置信度之间的差值小于所述目标阈值，确定所述用户画像与所述素材画像均需要调整。在一些实施例中，所述目标阈值包括但不限于50％、60％或者其他预设的目标阈值。例如，当所述第一置信度大于所述第二置信度，并且所述第一置信度与所述第二置信度之间的差值等于或大于所述目标阈值时，可以认定所述第一置信度远大于所述第二置信度，则在所述目标喜好度与所述目标参数信息不相匹配时，用户画像可以不做调整，仅需要调整所述素材画像。再例如，当所述第二置信度大于所述第一置信度，并且所述第二置信度与所述第一置信度之间的差值等于或大于所述目标阈值时，可以认定所述第二置信度远大于所述第一置信度，则在所述目标喜好度与所述目标参数信息不相匹配时，素材画像可以不做调整，仅需要调整所述用户画像。又例如，当所述第一置信度与所述第二置信度之间的差值小于所述目标阈值时，则在所述目标喜好度与所述目标参数信息不相匹配时，所述用户画像和所述素材画像都需要调整。
在一些实施例中，所述步骤S14包括：若所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配，根据第一组调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息，以及所述素材画像中存在偏差的第一素材标签数据信息；若所述目标喜好度与所述目标参数信息不相匹配，根据第二组调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息，和/或，所述素材画像中存在偏差的第一素材标签数据信息。在一些实施例中，在基于所述目标喜好度、所述用户画像、所述素材画像检测出需要调整的用户画像和/或素材画像后，对于不同的情况，需要分别使用不同的调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息、所述素材画像中存在偏差的第一素材标签数据信息。具体地，在所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配时，所述网络设备根据第一组调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息，以及所述素材画像中存在偏差的第一素材标签数据信息；在所述目标喜好度与所述目标参数信息不相匹配时，所述网络设备根据第二组调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息，和/或，所述素材画像中存在偏差的第一素材标签数据信息。在一些实施例中，所述第一组调整公式、所述第二组调整公式分别包括用于调整所述用户画像中的第一用户标签数据信息的公式，以及用于调整所述素材画像中的第一素材标签数据信息的公式，当需要调整所述第一用户标签数据信息时，基于对应的调整公式进行计算，获取第二用户标签数据信息，以替换该第一用户标签数据信息，实现对该第一用户标签数据信息的调整；当需要调整所述第一素材标签数据信息时，基于对应的调整公式进行计算，获取第二素材标签数据信息，以替换该第一素材标签数据信息，实现对该第一素材标签数据信息的调整。
在一些实施例中，所述第一组调整公式包括用于调整第一用户标签数据信息的第一调整公式以及用于调整第一素材标签数据信息的第二调整公式，所述根据第一组调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息，以及所述素材画像中存在偏差的第一素材标签数据信息，包括：对于对应于同一个标签属性的一组第一用户标签数据信息、第一素材标签数据信息，根据第一用户标签数据信息、第一调整公式生成第二用户标签数据信息，将所述第一用户标签数据信息替换为所述第二用户标签数据信息；并根据第一素材标签数据信息、第二调整公式生成第二素材标签数据信息，将所述第一素材标签数据信息替换为所述第二素材标签数据信息。例如，当所述目标喜好度与所述目标参数信息相匹配，并且所述用户画像与所述素材画像不相匹配时，根据所述第一组调整公式调整所述第一用户标签数据信息以及所述第一素材标签数据信息，而当所述用户画像与所述素材画像不相匹配时，所述用户画像与所述素材画像中存在至少一组不相匹配的用户标签数据信息和素材标签数据信息，所述网络设备将该至少一组不相匹配的用户标签数据信息和素材标签数据信息分别作为所述用户画像中存在偏差的第一用户标签数据信息、所述素材画像中存在偏差的第一素材标签数据信息。所述第一组调整公式包括用于调整第一用户标签数据信息的第一调整公式以及用于调整第一素材标签数据信息的第二调整公式，当所述目标喜好度与所述目标参数信息相匹配，并且所述用户画像与所述素材画像不相匹配时，对于同一组的第一用户标签数据信息、第一素材标签数据信息，所述网络设备根据基于所述第一调整公式、所述第二调整公式调整所述第一用户标签数据信息、第一素材标签数据信息。具体地，所述网络设备根据所述第一用户标签数据信息、第一调整公式生成第二用户标签数据信息，以替换该第一用户标签数据信息；根据第一素材标签数据信息、第二调整公式生成第二素材标签数据信息，以替换所述第一素材标签数据信息。
在一些实施例中，所述第一调整公式包括：Uj＝Ui+|L-R||Si-Ui|*0.01，在此，所述Uj为所述第二用户标签数据信息，所述Ui为所述第一用户标签数据信息，所述Si为与该第一用户标签数据信息对应于同一个标签属性的第一素材标签数据信息，所述L为所述目标喜好度，所述R为所述目标参数信息；所述第二调整公式包括：Sj＝Si+Si*R*0.01，在此，所述Sj为所述第二素材标签数据信息，所述Si为所述第一素材标签数据信息，所述R为所述目标参数信息。例如，当所述目标喜好度与所述目标参数信息相匹配，并且所述用户画像与所述素材画像不相匹配时，对于不相匹配的第一用户标签数据信息和第一素材标签数据信息，分别基于所述第一调整公式、所述第二调整公式进行调整，以得到调整后的所述用户画像和所述素材画像，解决喜好翻转的问题，提高识别准确度。
在一些实施例中，若所述目标喜好度与所述目标参数信息不相匹配，对于所述第一用户标签数据信息调整包括：根据第一用户标签数据信息、第三调整公式生成第二用户标签数据信息，将所述第一用户标签数据信息替换为所述第二用户标签数据信息；若所述目标喜好度与所述目标参数信息不相匹配，对于所述第一素材标签数据信息调整包括：根据第一素材标签数据信息、第四调整公式生成第二素材标签数据信息，将所述第一素材标签数据信息替换为所述第二素材标签数据信息。在一些实施例中，当所述目标喜好度与所述目标参数信息不相匹配时，所述网络设备基于第二组调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息、第一素材标签数据信息。具体地，所述第二组调整公式包括第三调整公式和第四调整公式，其中，所述第三调整公式用于调整所述第一用户标签数据信息，所述第四调整公式用于调整所述第一素材标签数据信息，以实现对所述用户画像和/或所述素材画像的调整，解决喜好翻转的问题，提高识别准确度。例如，当所述目标喜好度与所述目标参数信息不相匹配，并且所述第一置信度大于所述第二置信度，并且所述第一置信度与所述第二置信度的差值等于或大于目标阈值时，所述网络设备确定仅调整所述素材画像，对于所述素材画像中存在偏差的每一个第一素材标签数据信息，所述网络设备基于所述第四调整公式进行调整。再例如，当所述目标喜好度与所述目标参数信息不相匹配，并且所述第二置信度大于所述第一置信度，并且所述第二置信度与所述第一置信度的差值等于或大于目标阈值时，所述网络设备确定仅调整所述用户画像，对于所述用户画像中存在偏差的每一个第一用户标签数据信息，所述网络设备基于所述第三调整公式进行调整。又例如，当所述目标喜好度与所述目标参数信息不相匹配，并且所述第一置信度与所述第二置信度之间的差值小于目标阈值时，所述网络设备确定所述素材画像、所述用户画像均需要调整，对于所述用户画像中存在偏差的每一个第一用户标签数据信息，所述网络设备基于所述第三调整公式进行调整；对于所述素材画像中存在偏差的每一个第一素材标签数据信息，所述网络设备基于所述第四调整公式进行调整。
在一些实施例中，所述第三调整公式包括：
在此，所述Uj为所述第二用户标签数据信息，所述Ui为所述第一用户标签数据信息，所述R为所述目标参数信息，所述V1为所述第一置信度，所述V2为所述第二置信度；所述第四调整公式包括：
在此，所述Sj为所述第二素材标签数据信息，所述Si为所述第一素材标签数据信息，所述R为所述目标参数信息，所述V1为所述第一置信度，所述V2为所述第二置信度。例如，当所述目标喜好度与所述目标参数信息不相匹配时，对于所述用户画像中存在偏差的第一用户标签数据信息，所述网络设备基于所述第三调整公式进行调整；对于所述素材画像中存在偏差的第一素材标签数据信息，所述网络设备基于所述第四调整公式进行调整，以得到调整后的所述用户画像和所述素材画像，解决喜好翻转的问题，提高识别准确度。
图2示出了根据本申请另一个实施例的一种用于调整标签数据信息的方法流程图。参考图2，在一些实施例中，所述网络设备预先对素材进行标签化处理(例如，上述素材画像，所述素材画像中包括一个或多个标签属性，以及每个标签属性对应的素材标签数据信息)。用户观看素材(例如所述目标素材)时，将用户行为量化(例如，生成所述用户行为信息，并得到该用户对该目标素材的目标喜好度)。行为画像对比(例如，将所述目标喜好度与所述目标参数信息进行对比)，若相符(例如，所述目标喜好度与所述目标参数信息相匹配)，则可以进行用户画像加深，在所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像相匹配时，用户画像加深、素材画像加深(例如，基于所述第一调整公式调整所述用户画像中的第一用户标签数据信息，基于所述第二调整公式调整所述素材画像中的第一素材标签数据信息)，以调整所述用户画像和所述素材画像。若行为画像对比后，不相符(例如，所述目标喜好度与所述目标参数信息不相匹配)，则画像和素材标签置信度比较(例如，比较所述用户画像的第一置信度和所述素材画像的第二置信度)，若画像高(例如，所述第一置信度大于所述第二置信度，并且两者的差值等于或大于目标阈值)，素材标签缩减(例如，基于所述第四调整公式调整所述素材画像中存在偏差的第一素材标签数据信息)，若素材置信度高(例如，所述第二置信度大于所述第一置信度，并且两者的差值等于或大于目标阈值)，用户画像缩减(例如，基于所述第三调整公式调整所述用户画像中存在偏差的第一用户标签数据信息)，以调整所述用户画像或素材画像，解决喜好翻转问题，并提高识别匹配的准确度。
图3示出了根据本申请的一个实施例的一种用于调整标签数据信息的设备，该设备包括一一模块、一二模块、一三模块以及一四模块，其中，所述一一模块，用于：基于用户对目标素材的相关操作，生成所述用户对所述目标素材的用户行为信息；所述一二模块，用于：根据所述用户行为信息获取所述用户对所述目标素材的目标喜好度；所述一三模块，用于：根据所述目标喜好度、所述用户的用户画像、所述目标素材的素材画像检测是否需要对所述用户画像、所述素材画像中的标签数据信息进行调整，其中，所述用户画像包括一个或多个用户标签数据信息，所述素材画像包括一个或多个素材标签数据信息；所述一四模块，用于：对于需要调整的所述用户画像和/或所述素材画像，分别对所述用户画像中存在偏差的第一用户标签数据信息、所述素材画像中存在偏差的第一素材标签数据信息进行调整，以得到调整后的用户画像和/或调整后的素材画像。
具体而言，所述一一模块，用于基于用户对目标素材的相关操作，生成所述用户对所述目标素材的用户行为信息。在一些实施例中，所述目标素材包括但不限于视频、图片、音频、文章等素材。在一些实施例中，所述相关操作包括但不限于点赞、转发、观看、点击查看等操作。例如，所述网络设备统计记录所述用户对所述目标素材所进行的所有相关操作，并基于所述用户对所述目标素材所进行的相关操作生成或不断更新所述用户对所述目标素材的用户行为信息。在一些实施例中，所述用户行为信息包括一个或多个行为数据信息，通过所述一个或多个行为数据信息反映所述用户对所述目标素材所进行的相关操作。
所述一二模块，用于根据所述用户行为信息获取所述用户对所述目标素材的目标喜好度。在一些实施例中，所述用户对所述目标素材所进行的点赞、转发等相关操作能够更好地体现该用户对该目标素材的综合意向(例如，是否喜欢该目标素材)，而所述用户行为信息是基于所述用户对所述目标素材所进行的相关操作获取的，因此，通过所述用户行为信息得到的所述目标喜好度能更好地反映所述用户对所述目标素材的综合意向。例如，目标喜好度越高，说明该用户对该目标素材的兴趣意向越高。在一些实施例中，可以通过模式算法来量化用户对素材的喜好度，关于该步骤的具体介绍请参见下面的实施例，在此不做赘述。
所述一三模块用于：根据所述目标喜好度、所述用户的用户画像、所述目标素材的素材画像检测是否需要对所述用户画像、所述素材画像中的标签数据信息进行调整，其中，所述用户画像包括一个或多个用户标签数据信息，所述素材画像包括一个或多个素材标签数据信息。在一些实施例中，所述网络设备中包括所述用户的用户画像以及所述目标素材的素材画像。在所述目标素材被触发时，所述网络设备可以根据所述用户的用户标识(例如，用户ID、设备ID等)查询获取该用户的用户画像，根据该目标素材的素材标识(例如，素材名称、素材编号等)查询获取该目标素材的素材画像。在一些实施例中，所述用户画像包括一个或多个用户标签数据信息，通过所述一个或多个用户标签数据信息反映该用户对一个或多个标签属性的倾向度。在一些实施例中，所述用户标签数据信息的数值越高，说明该用户在该用户标签数据信息所对应的标签属性的倾向度越高(例如，该用户更喜欢该标签属性的素材)。例如，所述用户画像包括“0.9”“0.3”的用户标签数据信息，其中，“0.9”的用户标签数据信息表示该用户对“搞笑”的标签属性的倾向度，“0.3”的用户标签数据信息表示该用户对“体育”的标签属性的倾向度，通过该用户画像可知该用户更喜欢搞笑类的素材。在一些实施例中，所述素材画像包括一个或多个素材标签数据信息，通过所述一个或多个素材标签数据信息反映该目标素材更倾向于哪一个标签属性。在一些实施例中，所述素材标签数据信息的数值越高，说明该目标素材在该素材标签数据信息对应的标签属性的倾向度越高(例如，该目标素材的属性更倾向于该标签属性)。例如，所述素材画像包括“0.7”“0.8”的素材标签数据信息，其中，“0.7”的素材标签数据信息表示该目标素材在“搞笑”的标签属性的倾向度，“0.8”的素材标签数据信息表示该目标素材在“体育”的标签属性的倾向度，通过该素材画像可知该目标素材可能是搞笑的体育素材。在一些实施例中，所述目标喜好度是基于所述用户行为信息获取的，所述目标喜好度可以反映该用户对该目标素材的综合意向(例如，是否喜欢该目标素材)，所述用户画像包括一个或多个用户标签数据信息，基于所述用户标签数据信息可以反映该用户对不同标签属性的倾向度，而所述用户标签数据信息的准确度是影响基于所述用户画像查询该用户感兴趣的素材，或者基于素材的素材画像查询对该素材感兴趣的潜在用户的重要因素。相类似地，所述素材画像包括一个或多个素材标签数据信息，基于所述素材标签数据信息可以反映该目标素材在不同标签属性上的倾向度，而所述素材标签数据信息的准确度是影响基于所述用户画像查询该用户感兴趣的素材，或者基于素材的素材画像查询对该素材感兴趣的潜在用户的重要因素。在一些实施例中，所述网络设备根据所述目标喜好度、所述用户画像、所述素材画像可以检测出需要进行调整的用户画像、素材画像，以便对该用户画像、素材画像进行调整。例如，以所述目标喜好度作为参考，结合所述用户画像中各用户标签数据信息与所述素材画像中各素材标签数据信息之间的比较，检测需要进行调整的用户画像、素材画像。当然，本领域技术人员应能理解，上述具体检测方法仅为举例，其他现有的或今后可能出现的具体检测方法如能适用于本实施例，也在本实施例的保护范围内，并以引用的方式包含于此。例如，在一些实施例中，以所述目标喜好度作为参考，结合所述用户画像中各用户标签数据信息与所述素材画像中各素材标签数据信息之间的比较，还需要结合所述用户画像的第一置信度、所述素材画像的第二置信度，检测需要进行调整的用户画像、素材画像。关于该步骤的具体介绍请参见下面的实施例，在此不做赘述。
一四模块用于，对于需要调整的所述用户画像和/或所述素材画像，网络设备分别对所述用户画像中存在偏差的第一用户标签数据信息、所述素材画像中存在偏差的第一素材标签数据信息进行调整，以得到调整后的用户画像和/或调整后的素材画像。例如，若通过检测确定出所述用户画像和所述素材画像都不准确，则两者都需要进行调整。再例如，若通过检测确定出所述用户画像不准确，则需要对该用户画像进行调整，而无需对该素材画像进行调整。又例如，若通过检测确定出所述素材画像不准确，则需要对该素材画像进行调整，而无需对该用户画像进行调整。由于所述用户画像和所述素材画像中分别包括一个或多个标签数据信息(例如，所述用户画像中包括一个或多个用户标签数据信息，所述素材画像中包括一个或多个素材标签数据信息)，对于需要调整的用户画像，仅调整存在偏差的第一用户标签数据信息即可，对于存在偏差的第一用户标签数据信息进行纠错；对于需要调整的素材画像，以实现对所述用户画像的调整。对于需要调整的素材画像，仅调整存在偏差的第一素材标签数据信息即可，对于存在偏差的第一素材标签数据信息进行纠错，以实现对所述素材画像的调整。
在一些实施例中，所述一一模块用于：基于所述用户对所述目标素材的相关操作，生成所述用户对所述目标素材的用户行为信息，其中，所述用户行为信息包括一个或多个用户行为标签，以及每个用户行为标签对应的行为数据信息；所述一二模块用于：根据所述一个或多个行为数据信息，以及喜好度模型获取所述用户对所述目标素材的目标喜好度。
在此，所述一二模块对应的具体实施方式与所述步骤S12的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
在一些实施例中，所述一二模块用于：基于归一化公式对所述一个或多个行为数据信息进行归一化处理，以得到所述用户行为信息的第一特征数据，其中，所述归一化公式包括：
在此，所述n为在所述一个或多个用户行为标签的数量，所述Ai为所述行为数据信息，所述Wi为对应于所述行为数据信息的用户行为标签所对应的权重；将所述第一特征数据输入所述喜好度模型，以输出所述用户对所述目标素材的目标喜好度。
在此，所述一二模块对应的具体实施方式与所述步骤S12的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
在一些实施例中，所述一三模块包括一三一模块(未示出)以及一三二模块(未示出)，所述一三一模块用于：根据所述用户画像以及所述素材画像获取目标参数信息，其中，所述用户画像包括一个或多个标签属性，以及每个标签属性对应的用户标签数据信息，所述素材画像包括所述一个或多个标签属性，以及每个标签属性对应的素材标签数据信息；所述一三二模块，用于若所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配；或者，若所述目标喜好度与所述目标参数信息不相匹配，确定需要对所述用户画像和/或所述素材画像进行调整；若所述目标喜好度与所述目标参数信息相匹配，并且所述用户画像与所述素材画像相匹配，确定不需要对所述用户画像以及所述素材画像进行调整。
在此，所述一三一模块、一三二模块对应的具体实施方式与所述步骤S131、步骤S132的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
在一些实施例中，所述一三一模块用于：通过对所述用户画像与所述素材画像进行笛卡尔积计算，以获取所述用户画像与所述素材画像的目标矩阵；将所述目标矩阵的第二特征数据输入喜好度模型，以输出所述目标参数信息。
在此，所述一三一模块对应的具体实施方式与所述步骤S131的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
在一些实施例中，所述若所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配；或者，若所述目标喜好度与所述目标参数信息不相匹配，确定需要对所述用户画像和/或所述素材画像进行调整，包括：若所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配，确定所述用户画像、所述素材画像均需要进行调整；若所述目标喜好度与所述目标参数信息不相匹配，根据所述用户画像的第一置信度以及所述素材画像的第二置信度确定需要调整的所述用户画像和/或所述素材画像。在此，该部分的具体实施方式与上述对应的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
在一些实施例中，所述根据所述用户画像的第一置信度以及所述素材画像的第二置信度确定存在偏差的所述用户画像和/或所述素材画像，包括：若所述第一置信度大于所述第二置信度，并且，所述第一置信度与所述第二置信度的差值等于或大于目标阈值，确定仅所述素材画像需要调整；若所述第二置信度大于所述第一置信度，并且，所述第二置信度与所述第一置信度的差值等于或大于所述目标阈值，确定仅所述用户画像需要调整；若所述第一置信度与所述第二置信度之间的差值小于所述目标阈值，确定所述用户画像与所述素材画像均需要调整。在此，该部分的具体实施方式与上述对应的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
在一些实施例中，所述一四模块用于：若所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配，根据第一组调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息，以及所述素材画像中存在偏差的第一素材标签数据信息；若所述目标喜好度与所述目标参数信息不相匹配，根据第二组调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息，和/或，所述素材画像中存在偏差的第一素材标签数据信息。
在此，所述一四模块对应的具体实施方式与所述步骤S14的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
在一些实施例中，所述第一组调整公式包括用于调整第一用户标签数据信息的第一调整公式以及用于调整第一素材标签数据信息的第二调整公式，所述根据第一组调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息，以及所述素材画像中存在偏差的第一素材标签数据信息，包括：对于对应于同一个标签属性的一组第一用户标签数据信息、第一素材标签数据信息，根据第一用户标签数据信息、第一调整公式生成第二用户标签数据信息，将所述第一用户标签数据信息替换为所述第二用户标签数据信息；并根据第一素材标签数据信息、第二调整公式生成第二素材标签数据信息，将所述第一素材标签数据信息替换为所述第二素材标签数据信息。在此，该部分的具体实施方式与上述对应的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
在一些实施例中，所述第一调整公式包括：Uj＝Ui+|L-R|*|Si-Ui|*0.01，在此，所述Uj为所述第二用户标签数据信息，所述Ui为所述第一用户标签数据信息，所述Si为与该第一用户标签数据信息对应于同一个标签属性的第一素材标签数据信息，所述L为所述目标喜好度，所述R为所述目标参数信息；所述第二调整公式包括：Sj＝Si+Si*R*0.01，在此，所述Sj为所述第二素材标签数据信息，所述Si为所述第一素材标签数据信息，所述R为所述目标参数信息。在此，该部分的具体实施方式与上述对应的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
在一些实施例中，若所述目标喜好度与所述目标参数信息不相匹配，对于所述第一用户标签数据信息调整包括：根据第一用户标签数据信息、第三调整公式生成第二用户标签数据信息，将所述第一用户标签数据信息替换为所述第二用户标签数据信息；若所述目标喜好度与所述目标参数信息不相匹配，对于所述第一素材标签数据信息调整包括：根据第一素材标签数据信息、第四调整公式生成第二素材标签数据信息，将所述第一素材标签数据信息替换为所述第二素材标签数据信息。在此，该部分的具体实施方式与上述对应的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
在一些实施例中，所述第三调整公式包括：
在此，所述Uj为所述第二用户标签数据信息，所述Ui为所述第一用户标签数据信息，所述R为所述目标参数信息，所述V1为所述第一置信度，所述V2为所述第二置信度；所述第四调整公式包括：
在此，所述Sj为所述第二素材标签数据信息，所述Si为所述第一素材标签数据信息，所述R为所述目标参数信息，所述V1为所述第一置信度，所述V2为所述第二置信度。在此，该部分的具体实施方式与上述对应的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
在一些实施例中，所述用户画像与所述素材画像相匹配，包括：在所述用户画像与所述素材画像中，对应于同一标签属性的用户标签数据信息与素材标签数据信息均相匹配；所述用户画像与所述素材画像不相匹配，包括：在所述用户画像与所述素材画像中，至少存在一组对应于同一标签属性的用户标签数据信息与素材标签数据信息不相匹配。在此，该部分的具体实施方式与上述对应的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
在一些实施例中，所述设备还包括一五模块(未示出)，所述一五模块用于：将对应于同一标签属性的、不相匹配的用户标签数据信息作为所述用户画像中存在偏差的第一用户标签数据信息，将对应于同一标签属性的、不相匹配的素材标签数据信息作为所述素材画像中存在偏差的第一素材标签数据信息。
在此，所述一五模块对应的具体实施方式与所述步骤S15的具体实施例相同或相似，因而不再赘述，以引用的方式包含于此。
除上述各实施例介绍的方法和设备外，本申请还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存储有计算机代码，当所述计算机代码被执行时，如前任一项所述的方法被执行。
本申请还提供了一种计算机程序产品，当所述计算机程序产品被计算机设备执行时，如前任一项所述的方法被执行。
本申请还提供了一种计算机设备，所述计算机设备包括：
一个或多个处理器；
存储器，用于存储一个或多个计算机程序；
当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如前任一项所述的方法。
图4示出了可被用于实施本申请中所述的各个实施例的示例性系统；
如图4所示在一些实施例中，系统300能够作为各所述实施例中的任意一个设备。在一些实施例中，系统300可包括具有指令的一个或多个计算机可读介质(例如，系统存储器或NVM/存储设备320)以及与该一个或多个计算机可读介质耦合并被配置为执行指令以实现模块从而执行本申请中所述的动作的一个或多个处理器(例如，(一个或多个)处理器305)。
对于一个实施例，系统控制模块310可包括任意适当的接口控制器，以向(一个或多个)处理器305中的至少一个和/或与系统控制模块310通信的任意适当的设备或组件提供任意适当的接口。
系统控制模块310可包括存储器控制器模块330，以向系统存储器315提供接口。存储器控制器模块330可以是硬件模块、软件模块和/或固件模块。
系统存储器315可被用于例如为系统300加载和存储数据和/或指令。对于一个实施例，系统存储器315可包括任意适当的易失性存储器，例如，适当的DRAM。在一些实施例中，系统存储器315可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例，系统控制模块310可包括一个或多个输入/输出(I/O)控制器，以向NVM/存储设备320及(一个或多个)通信接口325提供接口。
例如，NVM/存储设备320可被用于存储数据和/或指令。NVM/存储设备320可包括任意适当的非易失性存储器(例如，闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如，一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备320可包括在物理上作为系统300被安装在其上的设备的一部分的存储资源，或者其可被该设备访问而不必作为该设备的一部分。例如，NVM/存储设备320可通过网络经由(一个或多个)通信接口325进行访问。
(一个或多个)通信接口325可为系统300提供接口以通过一个或多个网络和/或与任意其他适当的设备通信。系统300可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信。
对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器(例如，存储器控制器模块330)的逻辑封装在一起。对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器的逻辑封装在一起以形成系统级封装(SiP)。对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例，(一个或多个)处理器305中的至少一个可与系统控制模块310的一个或多个控制器的逻辑集成在同一模具上以形成片上系统(SoC)。
在各个实施例中，系统300可以但不限于是：服务器、工作站、台式计算设备或移动计算设备(例如，膝上型计算设备、手持计算设备、平板电脑、上网本等)。在各个实施例中，系统300可具有更多或更少的组件和/或不同的架构。例如，在一些实施例中，系统300包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。
另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。本领域技术人员应能理解，计算机程序指令在计算机可读介质中的存在形式包括但不限于源文件、可执行文件、安装包文件等，相应地，计算机程序指令被计算机执行的方式包括但不限于：该计算机直接执行该指令，或者该计算机编译该指令后再执行对应的编译后程序，或者该计算机读取并执行该指令，或者该计算机读取并安装该指令后再执行对应的安装后程序。在此，计算机可读介质可以是可供计算机访问的任意可用的计算机可读存储介质或通信介质。
通信介质包括藉此包含例如计算机可读指令、数据结构、程序模块或其他数据的通信信号被从一个系统传送到另一系统的介质。通信介质可包括有导的传输介质(诸如电缆和线(例如，光纤、同轴等))和能传播能量波的无线(未有导的传输)介质，诸如声音、电磁、RF、微波和红外。计算机可读指令、数据结构、程序模块或其他数据可被体现为例如无线介质(诸如载波或诸如被体现为扩展频谱技术的一部分的类似机制)中的已调制数据信号。术语“已调制数据信号”指的是其一个或多个特征以在信号中编码信息的方式被更改或设定的信号。调制可以是模拟的、数字的或混合调制技术。
作为示例而非限制，计算机可读存储介质可包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据的信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动的介质。例如，计算机可读存储介质包括，但不限于，易失性存储器，诸如随机存储器(RAM,DRAM,SRAM)；以及非易失性存储器，诸如闪存、各种只读存储器(ROM,PROM,EPROM,EEPROM)、磁性和铁磁/铁电存储器(MRAM,FeRAM)；以及磁性和光学存储设备(硬盘、磁带、CD、DVD)；或其它现在已知的介质或今后开发的能够存储供计算机系统使用的计算机可读信息/数据。
在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请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申请。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，本申请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申请内。不应将权利要求中的任何附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。装置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。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (17)
1.一种用于调整标签数据信息的方法，其中，该方法包括：
基于用户对目标素材的相关操作，生成所述用户对所述目标素材的用户行为信息；
根据所述用户行为信息获取所述用户对所述目标素材的目标喜好度；
根据所述目标喜好度、所述用户的用户画像、所述目标素材的素材画像检测是否需要对所述用户画像、所述素材画像中的标签数据信息进行调整，其中，所述用户画像包括一个或多个用户标签数据信息，所述素材画像包括一个或多个素材标签数据信息；
对于需要调整的所述用户画像和/或所述素材画像，分别对所述用户画像中存在偏差的第一用户标签数据信息、所述素材画像中存在偏差的第一素材标签数据信息进行调整，以得到调整后的用户画像和/或调整后的素材画像。
2.根据权利要求1所述的方法，其中，所述基于用户对目标素材的相关操作，生成所述用户对所述目标素材的用户行为信息，包括：
基于所述用户对所述目标素材的相关操作，生成所述用户对所述目标素材的用户行为信息，其中，所述用户行为信息包括一个或多个用户行为标签，以及每个用户行为标签对应的行为数据信息；
所述根据所述用户行为信息获取所述用户对所述目标素材的目标喜好度，包括：
根据所述一个或多个行为数据信息，以及喜好度模型获取所述用户对所述目标素材的目标喜好度。
3.根据权利要求2所述的方法，其中，所述根据所述一个或多个行为数据信息，以及喜好度模型获取所述用户对所述目标素材的目标喜好度，包括：
基于归一化公式对所述一个或多个行为数据信息进行归一化处理，以得到所述用户行为信息的第一特征数据，其中，所述归一化公式包括：
在此，所述n为在所述一个或多个用户行为标签的数量，所述Ai为所述行为数据信息，所述Wi为对应于所述行为数据信息的用户行为标签所对应的权重；
将所述第一特征数据输入所述喜好度模型，以输出所述用户对所述目标素材的目标喜好度。
4.根据权利要求1所述的方法，其中，所述根据所述目标喜好度、所述用户的用户画像、所述目标素材的素材画像检测是否需要对所述用户画像、所述素材画像中的标签数据信息进行调整，其中，所述用户画像包括一个或多个用户标签数据信息，所述素材画像包括一个或多个素材标签数据信息，包括：
根据所述用户画像以及所述素材画像获取目标参数信息，其中，所述用户画像包括一个或多个标签属性，以及每个标签属性对应的用户标签数据信息，所述素材画像包括所述一个或多个标签属性，以及每个标签属性对应的素材标签数据信息；
若所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配；或者，若所述目标喜好度与所述目标参数信息不相匹配，确定需要对所述用户画像和/或所述素材画像进行调整；若所述目标喜好度与所述目标参数信息相匹配，并且所述用户画像与所述素材画像相匹配，确定不需要对所述用户画像以及所述素材画像进行调整。
5.根据权利要求4所述的方法，其中，所述根据所述用户画像以及所述素材画像获取目标参数信息，其中，所述用户画像包括一个或多个标签属性，以及每个标签属性对应的用户标签数据信息，所述素材画像包括所述一个或多个标签属性，以及每个标签属性对应的素材标签数据信息，包括：
通过对所述用户画像与所述素材画像进行笛卡尔积计算，以获取所述用户画像与所述素材画像的目标矩阵；
将所述目标矩阵的第二特征数据输入喜好度模型，以输出所述目标参数信息。
6.根据权利要求4所述的方法，其中，所述若所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配；或者，若所述目标喜好度与所述目标参数信息不相匹配，确定需要对所述用户画像和/或所述素材画像进行调整，包括：
若所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配，确定所述用户画像、所述素材画像均需要进行调整；若所述目标喜好度与所述目标参数信息不相匹配，根据所述用户画像的第一置信度以及所述素材画像的第二置信度确定需要调整的所述用户画像和/或所述素材画像。
7.根据权利要求6所述的方法，其中，所述根据所述用户画像的第一置信度以及所述素材画像的第二置信度确定存在偏差的所述用户画像和/或所述素材画像，包括：
若所述第一置信度大于所述第二置信度，并且，所述第一置信度与所述第二置信度的差值等于或大于目标阈值，确定仅所述素材画像需要调整；若所述第二置信度大于所述第一置信度，并且，所述第二置信度与所述第一置信度的差值等于或大于所述目标阈值，确定仅所述用户画像需要调整；若所述第一置信度与所述第二置信度之间的差值小于所述目标阈值，确定所述用户画像与所述素材画像均需要调整。
8.根据权利要求6或7所述的方法，其中，所述对于需要调整的所述用户画像和/或所述素材画像，分别对所述用户画像中存在偏差的第一用户标签数据信息、所述素材画像中存在偏差的第一素材标签数据信息进行调整，以得到调整后的用户画像和/或调整后的素材画像，包括：
若所述目标喜好度与所述目标参数信息相匹配，并且，所述用户画像与所述素材画像不相匹配，根据第一组调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息，以及所述素材画像中存在偏差的第一素材标签数据信息；若所述目标喜好度与所述目标参数信息不相匹配，根据第二组调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息，和/或，所述素材画像中存在偏差的第一素材标签数据信息。
9.根据权利要求8所述的方法，其中，所述第一组调整公式包括用于调整第一用户标签数据信息的第一调整公式以及用于调整第一素材标签数据信息的第二调整公式，所述根据第一组调整公式分别调整所述用户画像中存在偏差的第一用户标签数据信息，以及所述素材画像中存在偏差的第一素材标签数据信息，包括：
对于对应于同一个标签属性的一组第一用户标签数据信息、第一素材标签数据信息，根据第一用户标签数据信息、第一调整公式生成第二用户标签数据信息，将所述第一用户标签数据信息替换为所述第二用户标签数据信息；并根据第一素材标签数据信息、第二调整公式生成第二素材标签数据信息，将所述第一素材标签数据信息替换为所述第二素材标签数据信息。
10.根据权利要求9所述的方法，其中，所述第一调整公式包括：Uj＝Ui+|L-R|*|Si-Ui|*0.01，在此，所述Uj为所述第二用户标签数据信息，所述Ui为所述第一用户标签数据信息，所述Si为与该第一用户标签数据信息对应于同一个标签属性的第一素材标签数据信息，所述L为所述目标喜好度，所述R为所述目标参数信息；
所述第二调整公式包括：Sj＝Si+Si*R*0.01，在此，所述Sj为所述第二素材标签数据信息，所述Si为所述第一素材标签数据信息，所述R为所述目标参数信息。
11.根据权利要求8或9所述的方法，其中，若所述目标喜好度与所述目标参数信息不相匹配，对于所述第一用户标签数据信息调整包括：
根据第一用户标签数据信息、第三调整公式生成第二用户标签数据信息，将所述第一用户标签数据信息替换为所述第二用户标签数据信息；
若所述目标喜好度与所述目标参数信息不相匹配，对于所述第一素材标签数据信息调整包括：
根据第一素材标签数据信息、第四调整公式生成第二素材标签数据信息，将所述第一素材标签数据信息替换为所述第二素材标签数据信息。
12.根据权利要求11所述的方法，其中，所述第三调整公式包括：
在此，所述Uj为所述第二用户标签数据信息，所述Ui为所述第一用户标签数据信息，所述R为所述目标参数信息，所述V1为所述第一置信度，所述V2为所述第二置信度；
所述第四调整公式包括：
在此，所述Sj为所述第二素材标签数据信息，所述Si为所述第一素材标签数据信息，所述R为所述目标参数信息，所述V1为所述第一置信度，所述V2为所述第二置信度。
13.根据权利要求4至12中任一项所述的方法，其中，所述用户画像与所述素材画像相匹配，包括：在所述用户画像与所述素材画像中，对应于同一标签属性的用户标签数据信息与素材标签数据信息均相匹配；
所述用户画像与所述素材画像不相匹配，包括：在所述用户画像与所述素材画像中，至少存在一组对应于同一标签属性的用户标签数据信息与素材标签数据信息不相匹配。
14.根据权利要求13所述的方法，其中，所述方法还包括：
将对应于同一标签属性的、不相匹配的用户标签数据信息作为所述用户画像中存在偏差的第一用户标签数据信息，将对应于同一标签属性的、不相匹配的素材标签数据信息作为所述素材画像中存在偏差的第一素材标签数据信息。
15.一种用于调整标签数据信息的设备，其特征在于，该设备包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1至14中任一项所述方法的操作。
16.一种存储指令的计算机可读介质，所述指令在被执行时使得系统进行执行如权利要求1至14中任一项所述方法的操作。
17.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至14中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110217242.6A CN112883269B (zh) | 2021-02-26 | 一种用于调整标签数据信息的方法与设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110217242.6A CN112883269B (zh) | 2021-02-26 | 一种用于调整标签数据信息的方法与设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112883269A true CN112883269A (zh) | 2021-06-01 |
| CN112883269B CN112883269B (zh) | 2024-05-31 |
Family
ID=
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111127057A (zh) * | 2018-10-31 | 2020-05-08 | 上海掌门科技有限公司 | 一种多维用户画像恢复方法 |
| CN111552865A (zh) * | 2020-03-31 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 用户兴趣画像方法及相关设备 |
| CN112182391A (zh) * | 2020-09-30 | 2021-01-05 | 北京神州泰岳智能数据技术有限公司 | 一种用户画像方法与装置 |
| CN112328888A (zh) * | 2020-11-20 | 2021-02-05 | Oppo广东移动通信有限公司 | 信息推荐方法、装置、服务器及存储介质 |
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111127057A (zh) * | 2018-10-31 | 2020-05-08 | 上海掌门科技有限公司 | 一种多维用户画像恢复方法 |
| CN111552865A (zh) * | 2020-03-31 | 2020-08-18 | 深圳壹账通智能科技有限公司 | 用户兴趣画像方法及相关设备 |
| CN112182391A (zh) * | 2020-09-30 | 2021-01-05 | 北京神州泰岳智能数据技术有限公司 | 一种用户画像方法与装置 |
| CN112328888A (zh) * | 2020-11-20 | 2021-02-05 | Oppo广东移动通信有限公司 | 信息推荐方法、装置、服务器及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 刘勇;吴翔宇;解本巨;: "基于动态用户画像的信息推荐研究", 计算机系统应用, no. 06 * |
| 姜红玉;汪朋;封雷;: "基于流式计算的实时用户画像系统研究", 计算机技术与发展, no. 07 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | RETRACTED ARTICLE: The visual object tracking algorithm research based on adaptive combination kernel | |
| US11538246B2 (en) | Method and apparatus for training feature extraction model, computer device, and computer-readable storage medium | |
| CN104318259A (zh) | 一种识别目标图片的设备、方法以及计算设备 | |
| CN111104507A (zh) | 一种用于提供关联书籍信息的方法与设备 | |
| CN112329762A (zh) | 图像处理方法、模型训练方法、装置、计算机设备和介质 | |
| CN113887821A (zh) | 一种用于风险预测的方法和装置 | |
| US20210149854A1 (en) | Creating an extensible and scalable data mapping and modeling experience | |
| CN115795000A (zh) | 基于联合相似度算法对比的围标识别方法和装置 | |
| Xiaowei et al. | Object tracking with an evolutionary particle filter based on self-adaptive multi-features fusion | |
| CN115907970A (zh) | 信贷风险识别方法、装置、电子设备及存储介质 | |
| WO2022001233A1 (zh) | 基于层次化迁移学习的预标注方法及其相关设备 | |
| CN109657153B (zh) | 一种用于确定用户的关联财经信息的方法与设备 | |
| CN111523039B (zh) | 一种用于处理阅读应用中书籍催更请求的方法与设备 | |
| CN112883269B (zh) | 一种用于调整标签数据信息的方法与设备 | |
| CN112070511A (zh) | 一种检测不合格商品的方法与设备 | |
| CN111414406B (zh) | 一种用于识别不同渠道事务中的相同用户的方法和系统 | |
| CN112883269A (zh) | 一种用于调整标签数据信息的方法与设备 | |
| CN110781269A (zh) | 一种在阅读应用中进行书籍搜索的方法与设备 | |
| US20190340542A1 (en) | Computational Efficiency in Symbolic Sequence Analytics Using Random Sequence Embeddings | |
| CN112948142B (zh) | 用于确定目标反馈信息的方法、设备、介质及程序产品 | |
| CN112241461B (zh) | 一种用于生成书籍的人物关系图的方法与设备 | |
| CN114821410A (zh) | 一种确定目标对象的对象关联信息的方法与设备 | |
| WO2022271661A1 (en) | Training data generation, model serving, and machine learning techniques for advanced frequency management | |
| CN111680250A (zh) | 一种召回呈现信息的方法与设备 | |
| CN111666250B (zh) | 一种用于处理阅读应用中书籍催更请求信息的方法与设备 |
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 |