CN113704411B - 基于词向量的相似客群挖掘方法、装置、设备及存储介质 - Google Patents
基于词向量的相似客群挖掘方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113704411B CN113704411B CN202111011808.6A CN202111011808A CN113704411B CN 113704411 B CN113704411 B CN 113704411B CN 202111011808 A CN202111011808 A CN 202111011808A CN 113704411 B CN113704411 B CN 113704411B
- Authority
- CN
- China
- Prior art keywords
- vector
- word
- guest group
- preset
- feature
- 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
- 239000013598 vector Substances 0.000 title claims abstract description 422
- 238000005065 mining Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000011218 segmentation Effects 0.000 claims description 36
- 230000006870 function Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000004913 activation Effects 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 239000012634 fragment Substances 0.000 claims description 4
- 238000011176 pooling Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000007405 data analysis Methods 0.000 abstract description 2
- 238000009412 basement excavation Methods 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 7
- 239000000284 extract Substances 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及数据分析技术,揭露了一种基于词向量的相似客群挖掘方法,包括:提取客群信息的特征词并转换为词向量;统计特征词在客群信息中的词语位置,获取该位置的下文信息并转换为上下文向量;计算词向量与多个词语的词向量之间的相似度,汇集相似度大于预设相似阈值的词向量为相似词向量;将词向量、上下文向量和相似词向量拼接为客群信息的客群向量;计算客群向量与待挖掘客群的待挖掘向量的距离值,确定距离值小于预设距离阈值的待挖掘向量对应的待挖掘客群为预设客群的相似客群。此外,本发明还涉及区块链技术,客群信息可存储于区块链的节点。本发明还提出一种基于词向量的相似客群挖掘装置、设备及介质。本发明可以提高客群挖掘的精确度。
Description
技术领域
本发明涉及数据分析技术领域,尤其涉及一种基于词向量的相似客群挖掘方法、装置、电子设备及计算机可读存储介质。
背景技术
用户是市场上各企业、厂商最重要的资源,随着大数据技术的发展,各企业、厂商越来越多地利用大数据技术对潜在用户进行挖掘,以扩大自身的用户群体,但由于每个用户数据的差异性,若对每一个用户进行分析以实现对用户的挖掘,会消耗大量的计算资源,且用户挖掘的效率较低,因此,客群挖掘的方法越来越被人们所重视。
现有的客群挖掘方法多为基于客群特征的硬匹配,例如,提取客群之间的关键词,将具有相同关键词的客群进行匹配,以实现相似客群的挖掘,但硬匹配的方法没有考虑到关键词包含多种具有相似含义的词语,或者关键词的含义可能会收上下文信息的影响,因此仅依靠关键词的硬匹配实现客群挖掘,会导致客群挖掘的精确度较低。
发明内容
本发明提供一种基于词向量的相似客群挖掘方法、装置及计算机可读存储介质,其主要目的在于解决进行客群挖掘时精确度的精确度较低的问题。
为实现上述目的,本发明提供的一种基于词向量的相似客群挖掘方法,包括:
获取预设客群的客群信息,提取所述客群信息的特征词,将所述特征词转换为特征词向量;
统计所述特征词在所述客群信息中的词语位置,获取所述客群信息中所述词语位置的预设范围内的上下文信息,对所述上下文信息进行向量转换,得到上下文向量;
计算所述特征词向量与预设多个词语的词向量之间的相似度,汇集所述预设多个词语中所述相似度大于预设相似阈值的词语的词向量为所述特征词的相似词向量;
将所述特征词向量、所述上下文向量和所述相似词向量拼接为所述客群信息的客群向量;
获取待挖掘客群的客群信息,提取所述待挖掘客群的客群信息的特征词,并将所述待挖掘客群的客群信息的特征词转换为待挖掘向量;
计算所述客群向量与所述待挖掘向量的距离值,确定所述距离值小于预设距离阈值的待挖掘向量对应的待挖掘客群为所述预设客群的相似客群。
可选地,所述提取所述客群信息的特征词,包括:
删除所述客群信息中的无义词,并对所述客群信息进行分词处理,得到客群分词;
统计所述客群分词中每一个分词在所述客群分词中出现的分词频率;
获取预设用户对所述客群分词中每一个分词标记的词语热度;
利用预设的关键值算法,根据所述分词频率和所述词语热度计算所述客群分词中每一个分词的关键值;
汇集所述客群分词中所述关键值大于预设关键阈值的分词为所述客群信息的特征词。
可选地,所述将所述特征词转换为特征词向量,包括:
从预设的字向量表中查询所述特征词的每一个字的字向量;
按照所述特征词中每一个字的顺序将所述字向量拼接为所述特征词的特征词向量。
可选地,所述获取所述客群信息中所述词语位置的预设范围内的上下文信息,对所述上下文信息进行向量转换,得到上下文向量,包括:
对所述特征词的词语位置上预设范围内的客群信息进行截取,得到所述特征词的上下文信息;
利用预设的语义处理模型对所述上下文信息进行卷积、池化处理,得到所述上下文信息的低维特征表达;
利用预设的映射函数将所述低维特征表达映射至预先构建的高维空间,得到所述上下文信息的高维特征表达;
利用预设的激活函数计算所述高维特征表达中每一个特征的输出值,将所述输出值大于预设输出阈值的特征表达进行向量转换,得到上下文向量。
可选地,所述将所述特征词向量、所述上下文向量和所述相似词向量拼接为所述客群信息的客群向量,包括:
将所述特征词向量、所述上下文向量和所述相似词向量进行长度统一化处理;
将长度统一化处理后的所述特征词向量、所述上下文向量和所述相似词向量作为行向量进行拼接,得到所述客群信息的客群向量。
可选地,所述将所述特征词向量、所述上下文向量和所述相似词向量进行长度统一化处理,包括:
统计所述特征词向量、所述上下文向量和所述相似词向量中每一个向量的向量长度,选取最大的向量长度为目标长度;
利用预设参数对所述特征词向量、所述上下文向量和所述相似词向量中除所述目标长度之外的向量进行向量延长,直至所述特征词向量、所述上下文向量和所述相似词向量中每一个向量的长度等于所述目标长度。
可选地,所述计算所述客群向量与所述待挖掘向量的距离值,包括:
利用如下距离值算法计算所述客群向量与所述待挖掘向量的距离值:
其中,D为所述距离值,R为所述客群向量,T为所述待挖掘向量,θ为预设系数。
为了解决上述问题,本发明还提供一种基于词向量的相似客群挖掘装置,所述装置包括:
特征词向量生成模块,用于获取预设客群的客群信息,提取所述客群信息的特征词,将所述特征词转换为特征词向量;
上下文向量生成模块,用于统计所述特征词在所述客群信息中的词语位置,获取所述客群信息中所述词语位置的预设范围内的上下文信息,对所述上下文信息进行向量转换,得到上下文向量;
相似词向量生成模块,用于计算所述特征词向量与预设多个词语的词向量之间的相似度,汇集所述预设多个词语中所述相似度大于预设相似阈值的词语的词向量为所述特征词的相似词向量;
向量拼接模块,用于将所述特征词向量、所述上下文向量和所述相似词向量拼接为所述客群信息的客群向量;
待挖掘向量生成模块,用于获取待挖掘客群的客群信息,提取所述待挖掘客群的客群信息的特征词,并将所述待挖掘客群的客群信息的特征词转换为待挖掘向量;
客群挖掘模块,用于计算所述客群向量与所述待挖掘向量的距离值,确定所述距离值小于预设距离阈值的待挖掘向量对应的待挖掘客群为所述预设客群的相似客群。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的基于词向量的相似客群挖掘方法。
为了解决上述问题,本发明还提供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至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的基于词向量的相似客群挖掘方法。
本发明实施例提取客群信息的关键词,根据关键词在客群信息中的位置获取上下文信息,以及获取关键词的相似词,将关键词、相似词和上下文信息转换为向量,并将转换得到的向量拼接为该客群信息的客群向量,实现了对客群特征的扩展、完善,进而根据客群向量挖掘该客群的相似客群。因此本发明提出的基于词向量的相似客群挖掘方法、装置、电子设备及计算机可读存储介质,可以解决进行客群挖掘时精确度的精确度较低的问题。
附图说明
图1为本发明一实施例提供的基于词向量的相似客群挖掘方法的流程示意图;
图2为本发明一实施例提供的提取客群信息的特征词的流程示意图;
图3为本发明一实施例提供的将上下文信息转换为上下文向量的流程示意图;
图4为本发明一实施例提供的基于词向量的相似客群挖掘装置的功能模块图;
图5为本发明一实施例提供的实现所述基于词向量的相似客群挖掘方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于词向量的相似客群挖掘方法。所述基于词向量的相似客群挖掘方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于词向量的相似客群挖掘方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的基于词向量的相似客群挖掘方法的流程示意图。在本实施例中,所述基于词向量的相似客群挖掘方法包括:
S1、获取预设客群的客群信息,提取所述客群信息的特征词,将所述特征词转换为特征词向量。
本发明实施例中,所述预设客群可以为任何客户群体,例如,某产品的用户群体、某年龄段的用户群体、某地区的用户群体等,所述客群信息包括所述预设客群中客户的职业、年龄、数据浏览记录等信息。
本发明实施例中,可通过具有数据抓取功能的计算机语句(java语句、python语句等)从预先构建的存储区域中抓取用户授权的客群信息,所述存储区域包括但不限于数据库、区块链节点和网络缓存。
本发明其中一个实际应用场景中,由于所述客群信息中包含大量用户的信息,若直接根据所述客群信息进行相似客群挖掘,会占用大量计算资源,因此,本发明实施例可提取所述客群信息的特征词,并将提取的特征词转换为特征词向量,以提高后续进行相似客群挖掘的效率。
本发明实施例中,参图2所示,所述提取所述客群信息的特征词,包括:
S21、删除所述客群信息中的无义词,并对所述客群信息进行分词处理,得到客群分词;
S22、统计所述客群分词中每一个分词在所述客群分词中出现的分词频率;
S23、获取预设用户对所述客群分词中每一个分词标记的词语热度;
S24、利用预设的关键值算法,根据所述分词频率和所述词语热度计算所述客群分词中每一个分词的关键值;
S25、汇集所述客群分词中所述关键值大于预设关键阈值的分词为所述客群信息的特征词。
详细地,所述删除所述客群信息中的无义词,即删除所述客群信息中没有实际含义的词语,例如,连接词、语气词、结构助词等,通过删除所述客群信息中的无义词,可减少对所述客群信息进行特征词提取时,无义词的干扰,有利于提高提取出的特征词的精确度。
具体地,可利用预设的标准词典对所述客群信息进行分词处理,所述标准词典中包含多个标准分词,将所述客群信息按照不同的长度在所述标准词典中进行检索,若可检索到相同的标准分词,则可确定检索到的标准分词为所述客群信息的客群分词。
本发明实施例中,所述预设用户可以为业务人员、数据管理人员等,可从网页、表单等获取所述客群分词中每一个分词的词语热度,所述词语热度用于标识该词语被进行使用、检索或存储等操作的频率,当词语被进行使用、检索或存储等操作的频率越大,可认为该词语的词语热度越高,该词语包含的特征越重要。
详细地,所述利用预设的关键值算法,根据所述分词频率和所述词语热度计算所述客群分词中每一个分词的关键值,包括:
利用如下关键值算法根据所述分词频率和所述词语热度计算所述客群分词中每一个分词的关键值:
Kj=α*Aj+β*Bj
其中,Kj为所述客群分词中第j个分词的关键值,Aj为所述客群分词中第j个分词的分词频率,Bj为所述客群分词中第j个分词的词语热度。
本发明实施例汇集所述客群分词中所述关键值大于预设关键阈值的分词为所述客群信息的特征词。
进一步地,由于所述特征词本身仅可表示固定的字面含义,但客群信息中,往往会基于上下文衍生额外的含义,或者与特征词具有相似含义的词语,因此,本发明实施例对所述特征词进行向量转换,得到特征词向量,进而挖掘出与该特征词具有相似含义的词语,以提高客群挖掘的精确度。
本发明实施例中,所述将所述特征词转换为特征词向量,包括:
从预设的字向量表中查询所述特征词的每一个字的字向量;
按照所述特征词中每一个字的顺序将所述字向量拼接为所述特征词的特征词向量。
详细地,所述字向量表中包含多个字,以及每个字对应的字向量,可通过将所述特征词的每一个字在所述字向量表中进行检索,得到每一个字对应的字向量,并按照每一个字在所述特征词中的顺序,将所述字向量拼接为所述特征词的词向量。
例如,所述特征词包括“青少年”三个字,分别将三个字在所述字向量表中进行查询,得到“青”字对应的字向量为{A},“少”字对应的字向量为{B},“年”字对应的字向量为{C},则可按照该三个字在所述特征词“青少年”中的顺序,将三个字向量拼接为所述特征词的词向量:{ABC}。
S2、统计所述特征词在所述客群信息中的词语位置,获取所述客群信息中所述词语位置的预设范围内的上下文信息,对所述上下文信息进行向量转换,得到上下文向量。
本发明其中一个实际应用场景中,由于特征词可能基于上下文产生额外的含义,因此,本发明实施例可统计所述特征词在所述客群信息中的词语位置,进而获取该特征词的上下文信息,并将获取的上下文信息转换为向量形式,有利于提高后续进行相似客群挖掘时的精确性。
本发明实施例中,可对所述客群信息进行遍历,进而确认所述特征词在所述客群信息中的词语位置。
本发明实施例中,参图3所示,所述获取所述客群信息中所述词语位置的预设范围内的上下文信息,对所述上下文信息进行向量转换,得到上下文向量,包括:
S31、对所述特征词的词语位置上预设范围内的客群信息进行截取,得到所述特征词的上下文信息;
S32、利用预设的语义处理模型对所述上下文信息进行卷积、池化处理,得到所述上下文信息的低维特征表达;
S33、利用预设的映射函数将所述低维特征表达映射至预先构建的高维空间,得到所述上下文信息的高维特征表达;
S34、利用预设的激活函数计算所述高维特征表达中每一个特征的输出值,将所述输出值大于预设输出阈值的特征表达进行向量转换,得到上下文向量。
详细地,所述语义处理模型包括但不限于NLP(Natural Language Processing,自然语言处理)模型,LDA(Latent Dirichlet Allocation,隐含狄利克雷分布)模型等。
由于所述上下文的内容较少,利用所述语义处理模型对所述上下文进行分析,可提高获取的所述上下文向量的精确度,进而有利于提高后续进行相似客群挖掘的精确度。
具体地,可利用所述语义处理模型对所述上下文进行卷积、池化等处理,以减少所述上下文信息的数据维度,进而提取出所述上下文信息的数据特征;但提取出的上下文信息的低维特征表达中,可能存在着错误特征,该特征并不是该上下文信息的特征,但被错误提取出来,因此,可利用预设的映射函数将所述上下文信息的低维特征映射至高维空间,得到所述上下文信息的高维特征表达,进而提高对提取出的上下文特征进行筛选的精确度,所述映射函数包括但不限于高斯函数、remap函数。
例如,存在以二维坐标(x,y)表示的低维特征表达,可将该低维特征表达通过预设函数映射至预先构建的三维空间中,得到以(x,y,z)表示的高维特征表达。
本发明实施例中,可利用预设的激活函数计算所述高维特征表达中每一个特征的输出值,并选取所述输出值大于预设输出阈值的特征,将选取的特征进行向量转换,得到所述上下文信息的上下文向量,所述激活函数包括但不限于sigmoid激活函数、relu激活函数、softmax激活函数。
例如,所述高维特征表达中包含特征A、特征B和特征C,利用激活函数对三个特征进行计算后,可得特征A的输出值为80,特征B的输出值为70,特征C的输出值为60,当预设输出阈值为77时,则选取特征A,并将所述特征A进行向量转换,得到上下文向量。
S3、计算所述特征词向量与预设多个词语的词向量之间的相似度,汇集所述预设多个词语中所述相似度大于预设相似阈值的词语的词向量为所述特征词的相似词向量。
本发明其中一个实际应用场景中,除了所述特征词的上下文之外,由于特征词还可能存在着大量的具有相近含义的词语,因此,本发明实施例可利用所述特征词向量从预设的多个词语中筛选出与所述特征词具有相似含义的词语。
本发明实施例中,所述计算所述特征词向量与预设多个词语的词向量之间的相似度,包括:
利用如下相似算法计算所述特征词向量与预设多个词语的词向量之间的相似度:
其中,Sim为所述相似度,X为所述特征词向量,Yi为所述预设多个词语中第i个词语的词向量。
具体地,当计算所述特征词向量与预设多个词语的词向量之间的相似度后,本发明实施例将所述预设多个词语中所述相似度大于预设相似阈值的词语的词向量进行汇集,得到所述特征词的相似词向量。
S4、将所述特征词向量、所述上下文向量和所述相似词向量拼接为所述客群信息的客群向量。
本发明实施例中,为了在进行相似客群挖掘时考虑到所述预设客群信息中上下文信息对特征词的影响,以及与所述特征词具有相似含义的词语在相似客群挖掘时对所述特征词的影响,可将所述特征词向量、所述上下文向量和所述相似词向量拼接为所述客群信息的客群向量。
本发明实施例中,所述将所述特征词向量、所述上下文向量和所述相似词向量拼接为所述客群信息的客群向量,包括:
将所述特征词向量、所述上下文向量和所述相似词向量进行长度统一化处理;
将长度统一化处理后的所述特征词向量、所述上下文向量和所述相似词向量作为行向量进行拼接,得到所述客群信息的客群向量。
详细地,由于所述特征词向量、所述上下文向量和所述相似词向量的长度可能不一致,因此,为了将所述特征词向量、所述上下文向量和所述相似词向量拼接为客群信息的客群向量,可将所述特征词向量、所述上下文向量和所述相似词向量的长度进行统一。
本发明实施例中,所述将所述特征词向量、所述上下文向量和所述相似词向量进行长度统一化处理,包括:
统计所述特征词向量、所述上下文向量和所述相似词向量中每一个向量的向量长度,选取最大的向量长度为目标长度;
利用预设参数对所述特征词向量、所述上下文向量和所述相似词向量中除所述目标长度之外的向量进行向量延长,直至所述特征词向量、所述上下文向量和所述相似词向量中每一个向量的长度等于所述目标长度。
详细地,所述预设参数可由用户预先给定,所述预设参数可以为常数、符号等。
例如,存在特征向量(1,2,3),上下文向量(4,5),相似词向量(6,7,8,9),则经过统计可知,所述特征向量的长度为3,所述上下文向量的长度为2,所述相似词向量的长度为4,则所述相似词向量的长度最大,确定目标长度为4,当预设参数为0时,可利用该预设参数对所述特征向量和所述上下文向量进行向量延长,以使得所述特征向量和所述上下文向量的向量长度等于所述目标长度,得到向量延长后的特征向量(1,2,3,0),和向量延长后的上下文向量(4,5,0,0)。
本发明实施例中,可将长度统一化处理后的所述特征词向量、所述上下文向量和所述相似词向量作为行向量进行拼接,得到所述客群信息的客群向量,例如,长度统一化处理后的所述特征词向量为(1,2,3,0),上下文向量为(4,5,0,0),相似词向量为(6,7,8,9),可分别将每一个向量作为行向量,拼接为客群向量:
S5、获取待挖掘客群的客群信息,提取所述待挖掘客群的客群信息的特征词,并将所述待挖掘客群的客群信息的特征词转换为待挖掘向量。
本发明实施例中,所述待挖掘客群可以为任何需要与所述预设客群进行比对,以实现相似客群挖掘的客户群体,例如,某产品的用户群体、某年龄段的用户群体、某地区的用户群体等,所述待挖掘客群的客群信息包括所述待挖掘客群中客户的职业、年龄、数据浏览记录等信息。
详细地,所述获取待挖掘客群的客群信息,提取所述待挖掘客群的客群信息的特征词,并将所述待挖掘客群的客群信息的特征词转换为待挖掘向量的步骤,与S1中获取预设客群的客群信息,提取所述客群信息的特征词,并将所述特征词转换为特征词向量的步骤一致,在此不做赘述。
S6、计算所述客群向量与所述待挖掘向量的距离值,确定所述距离值小于预设距离阈值的待挖掘向量对应的待挖掘客群为所述预设客群的相似客群。
本发明实施例中,可通过预设的距离算法计算所述客群向量与所述待挖掘向量的距离值,进而根据所述距离值确定所述待挖掘客群是否为所述预设客群的相似客群。
本发明实施例中,所述计算所述客群向量与所述待挖掘向量的距离值,包括:
利用如下距离值算法计算所述客群向量与所述待挖掘向量的距离值:
其中,D为所述距离值,R为所述客群向量,T为所述待挖掘向量,θ为预设系数。
详细地,可确定所述距离值小于预设距离阈值的待挖掘向量对应的待挖掘客群为所述预设客群的相似客群。
例如,存在待挖掘客群A和待挖掘客群B,利用上述距离值算法对所述待挖掘客群A和待挖掘客群B计算后,可得待挖掘客群A对应的待挖掘向量与所述预设客群的客群向量之间的距离值为70,待挖掘客群B对应的待挖掘向量与所述预设客群的客群向量之间的距离值为40,当预设距离阈值为50时,则可确认待挖掘客群A为所述预设客群的相似客群。
本发明实施例提取客群信息的关键词,根据关键词在客群信息中的位置获取上下文信息,以及获取关键词的相似词,将关键词、相似词和上下文信息转换为向量,并将转换得到的向量拼接为该客群信息的客群向量,实现了对客群特征的扩展、完善,进而根据客群向量挖掘该客群的相似客群。因此本发明提出的基于词向量的相似客群挖掘方法、装置、电子设备及计算机可读存储介质,可以解决进行客群挖掘时精确度的精确度较低的问题。
如图4所示,是本发明一实施例提供的基于词向量的相似客群挖掘装置的功能模块图。
本发明所述基于词向量的相似客群挖掘装置100可以安装于电子设备中。根据实现的功能,所述基于词向量的相似客群挖掘装置100可以包括特征词向量生成模块101、上下文向量生成模块102、相似词向量生成模块103、向量拼接模块104、待挖掘向量生成模块105及客群挖掘模块106。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述特征词向量生成模块101,用于获取预设客群的客群信息,提取所述客群信息的特征词,将所述特征词转换为特征词向量;
所述上下文向量生成模块102,用于统计所述特征词在所述客群信息中的词语位置,获取所述客群信息中所述词语位置的预设范围内的上下文信息,对所述上下文信息进行向量转换,得到上下文向量;
所述相似词向量生成模块103,用于计算所述特征词向量与预设多个词语的词向量之间的相似度,汇集所述预设多个词语中所述相似度大于预设相似阈值的词语的词向量为所述特征词的相似词向量;
所述向量拼接模块104,用于将所述特征词向量、所述上下文向量和所述相似词向量拼接为所述客群信息的客群向量;
所述待挖掘向量生成模块105,用于获取待挖掘客群的客群信息,提取所述待挖掘客群的客群信息的特征词,并将所述待挖掘客群的客群信息的特征词转换为待挖掘向量;
所述客群挖掘模块106,用于计算所述客群向量与所述待挖掘向量的距离值,确定所述距离值小于预设距离阈值的待挖掘向量对应的待挖掘客群为所述预设客群的相似客群。
详细地,本发明实施例中所述基于词向量的相似客群挖掘装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于词向量的相似客群挖掘方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现基于词向量的相似客群挖掘方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如基于词向量的相似客群挖掘程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行基于词向量的相似客群挖掘程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于词向量的相似客群挖掘程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的基于词向量的相似客群挖掘程序是多个指令的组合,在所述处理器10中运行时,可以实现:
获取预设客群的客群信息,提取所述客群信息的特征词,将所述特征词转换为特征词向量;
统计所述特征词在所述客群信息中的词语位置,获取所述客群信息中所述词语位置的预设范围内的上下文信息,对所述上下文信息进行向量转换,得到上下文向量;
计算所述特征词向量与预设多个词语的词向量之间的相似度,汇集所述预设多个词语中所述相似度大于预设相似阈值的词语的词向量为所述特征词的相似词向量;
将所述特征词向量、所述上下文向量和所述相似词向量拼接为所述客群信息的客群向量;
获取待挖掘客群的客群信息,提取所述待挖掘客群的客群信息的特征词,并将所述待挖掘客群的客群信息的特征词转换为待挖掘向量;
计算所述客群向量与所述待挖掘向量的距离值,确定所述距离值小于预设距离阈值的待挖掘向量对应的待挖掘客群为所述预设客群的相似客群。
具体地,所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/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存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取预设客群的客群信息,提取所述客群信息的特征词,将所述特征词转换为特征词向量;
统计所述特征词在所述客群信息中的词语位置,获取所述客群信息中所述词语位置的预设范围内的上下文信息,对所述上下文信息进行向量转换,得到上下文向量;
计算所述特征词向量与预设多个词语的词向量之间的相似度,汇集所述预设多个词语中所述相似度大于预设相似阈值的词语的词向量为所述特征词的相似词向量;
将所述特征词向量、所述上下文向量和所述相似词向量拼接为所述客群信息的客群向量;
获取待挖掘客群的客群信息,提取所述待挖掘客群的客群信息的特征词,并将所述待挖掘客群的客群信息的特征词转换为待挖掘向量;
计算所述客群向量与所述待挖掘向量的距离值,确定所述距离值小于预设距离阈值的待挖掘向量对应的待挖掘客群为所述预设客群的相似客群。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明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发明。
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,本发明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发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
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。
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。系统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。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (6)
1.一种基于词向量的相似客群挖掘方法,其特征在于,所述方法包括:
获取预设客群的客群信息,提取所述客群信息的特征词,将所述特征词转换为特征词向量;
统计所述特征词在所述客群信息中的词语位置,获取所述客群信息中所述词语位置的预设范围内的上下文信息,对所述上下文信息进行向量转换,得到上下文向量;
计算所述特征词向量与预设多个词语的词向量之间的相似度,汇集所述预设多个词语中所述相似度大于预设相似阈值的词语的词向量为所述特征词的相似词向量;
将所述特征词向量、所述上下文向量和所述相似词向量拼接为所述客群信息的客群向量;
获取待挖掘客群的客群信息,提取所述待挖掘客群的客群信息的特征词,并将所述待挖掘客群的客群信息的特征词转换为待挖掘向量;
计算所述客群向量与所述待挖掘向量的距离值,确定所述距离值小于预设距离阈值的待挖掘向量对应的待挖掘客群为所述预设客群的相似客群;
其中,所述获取所述客群信息中所述词语位置的预设范围内的上下文信息,对所述上下文信息进行向量转换,得到上下文向量,包括:对所述特征词的词语位置上预设范围内的客群信息进行截取,得到所述特征词的上下文信息;利用预设的语义处理模型对所述上下文信息进行卷积、池化处理,得到所述上下文信息的低维特征表达;利用预设的映射函数将所述低维特征表达映射至预先构建的高维空间,得到所述上下文信息的高维特征表达;利用预设的激活函数计算所述高维特征表达中每一个特征的输出值,将所述输出值大于预设输出阈值的特征进行向量转换,得到上下文向量;
所述将所述特征词向量、所述上下文向量和所述相似词向量拼接为所述客群信息的客群向量,包括:将所述特征词向量、所述上下文向量和所述相似词向量进行长度统一化处理;将长度统一化处理后的所述特征词向量、所述上下文向量和所述相似词向量作为行向量进行拼接,得到所述客群信息的客群向量;
所述将所述特征词向量、所述上下文向量和所述相似词向量进行长度统一化处理,包括:统计所述特征词向量、所述上下文向量和所述相似词向量中每一个向量的向量长度,选取最大的向量长度为目标长度;利用预设参数对所述特征词向量、所述上下文向量和所述相似词向量中除所述目标长度之外的向量进行向量延长,直至所述特征词向量、所述上下文向量和所述相似词向量中每一个向量的长度等于所述目标长度;
所述计算所述客群向量与所述待挖掘向量的距离值,包括:利用如下距离值算法计算所述客群向量与所述待挖掘向量的距离值:
其中,为所述距离值,/>为所述客群向量,/>为所述待挖掘向量,/>为预设系数。
2.如权利要求1所述的基于词向量的相似客群挖掘方法,其特征在于,所述提取所述客群信息的特征词,包括:
删除所述客群信息中的无义词,并对所述客群信息进行分词处理,得到客群分词;
统计所述客群分词中每一个分词在所述客群分词中出现的分词频率;
获取预设用户对所述客群分词中每一个分词标记的词语热度;
利用预设的关键值算法,根据所述分词频率和所述词语热度计算所述客群分词中每一个分词的关键值;
汇集所述客群分词中所述关键值大于预设关键阈值的分词为所述客群信息的特征词。
3.如权利要求1所述的基于词向量的相似客群挖掘方法,其特征在于,所述将所述特征词转换为特征词向量,包括:
从预设的字向量表中查询所述特征词的每一个字的字向量;
按照所述特征词中每一个字的顺序将所述字向量拼接为所述特征词的特征词向量。
4.一种基于词向量的相似客群挖掘装置,用于实现如权利要求1至3中任意一项所述的基于词向量的相似客群挖掘方法,其特征在于,所述装置包括:
特征词向量生成模块,用于获取预设客群的客群信息,提取所述客群信息的特征词,将所述特征词转换为特征词向量;
上下文向量生成模块,用于统计所述特征词在所述客群信息中的词语位置,获取所述客群信息中所述词语位置的预设范围内的下文信息,对上下文信息进行向量转换,得到上下文向量;
相似词向量生成模块,用于计算所述特征词向量与预设多个词语的词向量之间的相似度,汇集所述预设多个词语中所述相似度大于预设相似阈值的词语的词向量为所述特征词的相似词向量;
向量拼接模块,用于将所述特征词向量、所述上下文向量和所述相似词向量拼接为所述客群信息的客群向量;
待挖掘向量生成模块,用于获取待挖掘客群的客群信息,提取所述待挖掘客群的客群信息的特征词,并将所述待挖掘客群的客群信息的特征词转换为待挖掘向量;
客群挖掘模块,用于计算所述客群向量与所述待挖掘向量的距离值,确定所述距离值小于预设距离阈值的待挖掘向量对应的待挖掘客群为所述预设客群的相似客群。
5.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至3中任意一项所述的基于词向量的相似客群挖掘方法。
6.一种计算机可读存储介质,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如权利要求1至3中任意一项所述的基于词向量的相似客群挖掘方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111011808.6A CN113704411B (zh) | 2021-08-31 | 2021-08-31 | 基于词向量的相似客群挖掘方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111011808.6A CN113704411B (zh) | 2021-08-31 | 2021-08-31 | 基于词向量的相似客群挖掘方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113704411A CN113704411A (zh) | 2021-11-26 |
CN113704411B true CN113704411B (zh) | 2023-09-15 |
Family
ID=78657842
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111011808.6A Active CN113704411B (zh) | 2021-08-31 | 2021-08-31 | 基于词向量的相似客群挖掘方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113704411B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111241819A (zh) * | 2020-01-07 | 2020-06-05 | 北京百度网讯科技有限公司 | 词向量生成方法、装置及电子设备 |
CN111639967A (zh) * | 2020-05-21 | 2020-09-08 | 中国工商银行股份有限公司 | 产品潜在客户挖掘方法及系统 |
US10943072B1 (en) * | 2019-11-27 | 2021-03-09 | ConverSight.ai, Inc. | Contextual and intent based natural language processing system and method |
WO2021056709A1 (zh) * | 2019-09-24 | 2021-04-01 | 平安科技(深圳)有限公司 | 相似问识别方法、装置、计算机设备及存储介质 |
CN112948632A (zh) * | 2021-03-03 | 2021-06-11 | 秒影工场(北京)科技有限公司 | 一种基于向量相似性计算的短视频演员同类客户相斥方法 |
CN113157853A (zh) * | 2021-05-27 | 2021-07-23 | 中国平安人寿保险股份有限公司 | 问题挖掘方法、装置、电子设备及存储介质 |
-
2021
- 2021-08-31 CN CN202111011808.6A patent/CN113704411B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021056709A1 (zh) * | 2019-09-24 | 2021-04-01 | 平安科技(深圳)有限公司 | 相似问识别方法、装置、计算机设备及存储介质 |
US10943072B1 (en) * | 2019-11-27 | 2021-03-09 | ConverSight.ai, Inc. | Contextual and intent based natural language processing system and method |
CN111241819A (zh) * | 2020-01-07 | 2020-06-05 | 北京百度网讯科技有限公司 | 词向量生成方法、装置及电子设备 |
CN111639967A (zh) * | 2020-05-21 | 2020-09-08 | 中国工商银行股份有限公司 | 产品潜在客户挖掘方法及系统 |
CN112948632A (zh) * | 2021-03-03 | 2021-06-11 | 秒影工场(北京)科技有限公司 | 一种基于向量相似性计算的短视频演员同类客户相斥方法 |
CN113157853A (zh) * | 2021-05-27 | 2021-07-23 | 中国平安人寿保险股份有限公司 | 问题挖掘方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113704411A (zh) | 2021-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113449187B (zh) | 基于双画像的产品推荐方法、装置、设备及存储介质 | |
CN113157927B (zh) | 文本分类方法、装置、电子设备及可读存储介质 | |
CN113592605B (zh) | 基于相似产品的产品推荐方法、装置、设备及存储介质 | |
CN112528616B (zh) | 业务表单生成方法、装置、电子设备及计算机存储介质 | |
CN114398557B (zh) | 基于双画像的信息推荐方法、装置、电子设备及存储介质 | |
CN116720497B (zh) | 一种基于语义分析的电网文档关联性层级分析方法及系统 | |
CN115238670B (zh) | 信息文本抽取方法、装置、设备及存储介质 | |
CN113434542B (zh) | 数据关系识别方法、装置、电子设备及存储介质 | |
CN113157739B (zh) | 跨模态检索方法、装置、电子设备及存储介质 | |
CN113157853B (zh) | 问题挖掘方法、装置、电子设备及存储介质 | |
CN112733531B (zh) | 虚拟资源分配方法、装置、电子设备及计算机存储介质 | |
CN116578696A (zh) | 文本摘要生成方法、装置、设备及存储介质 | |
CN113704411B (zh) | 基于词向量的相似客群挖掘方法、装置、设备及存储介质 | |
CN113704407B (zh) | 基于类别分析的投诉量分析方法、装置、设备及存储介质 | |
CN113806492B (zh) | 基于语义识别的记录生成方法、装置、设备及存储介质 | |
CN113515591B (zh) | 文本不良信息识别方法、装置、电子设备及存储介质 | |
CN115204971A (zh) | 产品推荐方法、装置、电子设备及计算机可读存储介质 | |
CN115186188A (zh) | 基于行为分析的产品推荐方法、装置、设备及存储介质 | |
CN114780688A (zh) | 基于规则匹配的文本质检方法、装置、设备及存储介质 | |
CN113723114A (zh) | 基于多意图识别的语义分析方法、装置、设备及存储介质 | |
CN114708073A (zh) | 一种围标串标智能检测方法、装置、电子设备及存储介质 | |
CN113704587B (zh) | 基于阶段划分的用户黏着度分析方法、装置、设备及介质 | |
CN114185617B (zh) | 业务调用接口配置方法、装置、设备及存储介质 | |
CN113486145B (zh) | 基于网络节点的用户咨询回复方法、装置、设备及介质 | |
CN112528183B (zh) | 基于大数据的网页组件布局方法、装置、电子设备及介质 |
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 |