CN114820057A - 用户画像构建方法及系统、计算机设备及可读存储介质 - Google Patents
用户画像构建方法及系统、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN114820057A CN114820057A CN202210428797.XA CN202210428797A CN114820057A CN 114820057 A CN114820057 A CN 114820057A CN 202210428797 A CN202210428797 A CN 202210428797A CN 114820057 A CN114820057 A CN 114820057A
- Authority
- CN
- China
- Prior art keywords
- user
- data
- model
- processing
- fusion
- 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.)
- Pending
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提出一种用户画像构建方法及构建系统,所述用户画像构建系统包括数据采集模块、数据处理模块、第一模型生成模块、数据融合模块、第一模型执行模块和画像构建模块。通过数据采集模块采集用户数据,数据处理模块对所述用户数据进行特征处理,基于不同维度生成N个特征数据集,再由第一模型生成模块利用所述N个特征数据集生成第一模型;数据融合模块分别对所述N个特征数据集进行处理后进行数据融合,得到融合特征数据集,第一模型执行模块利用所述第一模型对融合特征数据集进行处理,得到不同维度的评测数据,最后通过画像构建模块根据所述不同维度的评测数据,构建用户画像,能生成不同维度的用户画像,更精细化地满足画像需求。
Description
技术领域
本发明涉及人工智能技术领域,具体涉及一种用户画像构建方法及构建系统、计算机设备及可读存储介质。
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,例如可以将用户画像作为用于刻画用户特征的标签集合,比如包括年龄、性别等静态属性,也包括用户的兴趣特征,如旅游、服饰等,用户画像的构建和更新对于后续的信息的定向传播,比如广告的定向投放有着重要的意义。用户画像在各领域得到了广泛的应用,在实际操作的过程中,可以将用户的属性、行为与期待联结起来。
发明内容
本发明正是基于上述问题,提出了一种用户画像构建方法及构建系统、计算机设备及可读存储介质,通过将用户数据生成特征数据集,将特征数据集输入到第一模型,得到评测数据,利用评测数据构建用户画像,能生成不同维度的用户画像,更精细化地满足画像需求。
有鉴于此,本发明的第一方面提出了一种用户画像构建方法,包括:
采集用户数据;
对所述用户数据进行特征处理,基于不同维度生成N个特征数据集;
利用所述N个特征数据集生成第一模型;
对所述N个特征数据集进行处理后进行数据融合,得到融合特征数据集;
利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据;
根据所述不同维度的评测数据,构建用户画像。
可选地,所述采集用户数据的步骤具体包括:
构建供用户交互的虚拟场景,并采集用户在交互过程中的用户行为数据;
利用生理数据采集传感器采集用户的生理数据。
可选地,所述利用所述N个特征数据集生成第一模型的步骤,具体是:
将所述N个特征数据集分别作为输入值发送至输入层;
所述输入层与初始层通过矩阵运算建立连接;
所述初始层得出第一输出结果,并将所述第一输出结果进行激活,将激活后的第一输出结果发送至模拟输出层;
所述模拟输出层通过矩阵计算得出模拟输出值,并将所述模拟输出值输入二次初始层;
所述二次初始层通过矩阵计算得出验证输出结果;
将所述输入层的所述输入值与二次初始层进行数据连接;
所述二次初始层通过矩阵计算得出二次输出结果,将二次输出结果与验证输出结果发送至验证系数层进行验证,并得出正规化系数;
将所述正规化系数与模拟输出值发送至输出层,所述输出层对模拟输出值进行正规化处理,得到拟态结果;
收集正反馈和/或逆反馈信息;
根据所述正反馈和/或所述逆反馈信息对所述拟态结果进行学习修正,生成所述第一模型。
可选地,所述利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据的步骤,具体是:
对所述融合特征数据集中的用户编号、性别、年龄、性格特征、婚姻状况、职业和教育程度进行处理,获得用户基本评测数据;
对所述融合特征数据集中的交互产品编号和交互行为进行处理,获得用户消费评测数据;
对所述融合特征数据集中的用户编号、性别、年龄、病史和历史体检数据进行处理,获得用户健康评测数据;
所述根据所述不同维度的评测数据构建用户画像的步骤,具体是:
根据所述用户基本评测数据构建第一用户画像;
根据所述用户健康评测数据构建第二用户画像;
根据所述消费评测数据构建所述第三用户画像。
本发明的第二方面提供一种用户画像构建系统,包括:数据采集模块、数据处理模块、第一模型生成模块、数据融合模块、第一模型执行模块和画像构建模块;
所述数据采集模块,用于采集用户数据;
所述数据处理模块,用于对所述用户数据进行特征处理,基于不同维度生成N个特征数据集;
所述第一模型生成模块,用于利用所述N个特征数据集生成第一模型;
所述数据融合模块,用于分别对所述N个特征数据集进行处理后进行数据融合,得到融合特征数据集;
所述第一模型执行模块,用于利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据;
所述画像构建模块,用于根据所述不同维度的评测数据,构建用户画像。
可选地,所述数据采集模块包括虚拟现实单元和生理数据采集单元;
所述虚拟现实单元,用于构建供用户交互的虚拟场景,并采集用户在交互过程中的用户行为数据;
所述生理数据采集单元,用于采集用户的生理数据。
可选地,所述第一模型生成模块用于利用所述N个特征数据集生成第一模型,具体是:
将所述N个特征数据集分别作为输入值发送至输入层;
所述输入层与初始层通过矩阵运算建立连接;
所述初始层得出第一输出结果,并将所述第一输出结果进行激活,将激活后的第一输出结果发送至模拟输出层;
所述模拟输出层通过矩阵计算得出模拟输出值,并将所述模拟输出值输入二次初始层;
所述二次初始层通过矩阵计算得出验证输出结果;
将所述输入层的所述输入值与二次初始层进行数据连接;
所述二次初始层通过矩阵计算得出二次输出结果,将二次输出结果与验证输出结果发送至验证系数层进行验证,并得出正规化系数;
将所述正规化系数与模拟输出值发送至输出层,所述输出层对模拟输出值进行正规化处理,得到拟态结果;
收集正反馈和/或逆反馈信息;
根据所述正反馈和/或所述逆反馈信息对所述拟态结果进行学习修正,生成所述第一模型。
可选地,所述第二模型用于利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据,具体是:
对所述融合特征数据集中的用户编号、性别、年龄、性格特征、婚姻状况、职业和教育程度进行处理,获得用户基本评测数据;
对所述融合特征数据集中的交互产品编号和交互行为进行处理,获得用户消费评测数据;
对所述融合特征数据集中的用户编号、性别、年龄、病史和历史体检数据进行处理,获得用户健康评测数据;
所述画像构建模块用于根据所述不同维度的评测数据构建用户画像,具体是:
根据所述用户基本评测数据构建第一用户画像;
根据所述用户健康评测数据构建第二用户画像;
根据所述消费评测数据构建所述第三用户画像。
本发明的第三方面提供一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至4中任一所述的用户画像构建方法。
本发明的第四方面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条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至4中任一所述用户画像构建方法。
采用本发明的技术方案,所述用户画像构建系统包括数据采集模块、数据处理模块、第一模型生成模块、数据融合模块、第一模型执行模块和画像构建模块。通过所述数据采集模块采集用户数据,所述数据处理模块对所述用户数据进行特征处理,基于不同维度生成N个特征数据集,再由所述第一模型生成模块利用所述N个特征数据集生成第一模型;所述数据融合模块分别对所述N个特征数据集进行处理后进行数据融合,得到融合特征数据集,所述第一模型执行模块利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据,最后通过所述画像构建模块根据所述不同维度的评测数据,构建用户画像,能生成不同维度的用户画像,更精细化地满足画像需求。
附图说明
图1是本发明一个实施例提供的用户画像构建方法流程图;
图2是本发明一个实施例中采集用户数据的具体步骤的流程图;
图3是本发明一个实施例中生成第一模型的具体步骤的流程图;
图4是本发明一个实施例中第一模型对融合特征数据集进行处理得到不同维度的评测数据的具体步骤的流程图;
图5是本发明一个实施例中根据所述不同维度的评测数据构建用户画像的具体步骤的流程图
图6是本发明一个实施例提供的用户画像构建系统的示意框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,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、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面参照图1至图6来描述根据本发明一些实施方式提供的一种用户画像构建方法及构建系统。
如图1所示,本发明一个实施例提供一种用户画像构建方法,包括:
步骤S1、采集用户数据;
在本步骤中,可以通过多种途径采集用户数据,如可以通过从用户使用的终端设备或者网络服务器的日志文件中提取;可以通过智能设备采集用户数据中的生理数据;还可以通过虚拟现实设备生成虚拟场景让用户沉浸其中,同时通过传感器识别用户行为、采集用户数据等。本发明的实施方式对此不作限制。
步骤S2、对所述用户数据进行特征处理,基于不同维度生成N个特征数据集;
在本步骤中,在对用户数据进行预处理后,再进特征处理,特征处理包括标准化、归一化、离散化、特征升维/降维、缺省值处理等,可以根据数据用途选择对应的特征处理方法。对所述用户数据进行特征处理后,利用处理后的用户数据基于不同维度生成N个特征数据集,N个特征数据集用于表示所述用户数据对应的多种数据类型,其中,N为正整数。
步骤S3、利用所述N个特征数据集生成第一模型;
步骤S4、对所述N个特征数据集进行处理后进行数据融合,得到融合特征数据集;
步骤S5、利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据;
步骤S6、根据所述不同维度的评测数据,构建用户画像。
可以理解的是,所述用户数据包括但不限于用户编号、性别、年龄、性格特征、婚姻状况、职业、教育程度、病史、历史体检数据、历史投保数据、用户购物地点、用户购物时间、交互产品编号和交互行为,所述交互行为包括点击产品、浏览、访问频次、收藏、添加到购物车、从购物车中移除、收藏、购买、分享、注册会员、领取购物券、退货、换货、投诉、退款、评论、刷卡、充值。
本申请的实施例可以基于人工智能技术对相关的数据进行获取和处理。人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。基于大数据和深度学习模型,能够根据用户的基本特征、浏览行为、访问频次、购买行为等信息构建用户模型,多维度了解用户的兴趣爱好、购买能力、消费习惯等,做到更清晰、全面地认识用户。
采用该实施例的技术方案,所述用户画像构建系统包括数据采集模块、数据处理模块、第一模型生成模块、数据融合模块、第一模型执行模块和画像构建模块。通过所述数据采集模块采集用户数据,所述数据处理模块对所述用户数据进行特征处理,基于不同维度生成N个特征数据集,再由所述第一模型生成模块利用所述N个特征数据集生成第一模型;所述数据融合模块分别对所述N个特征数据集进行处理后进行数据融合,得到融合特征数据集,所述第一模型执行模块利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据,最后通过所述画像构建模块根据所述不同维度的评测数据,构建用户画像,能生成不同维度的用户画像,更精细化地满足画像需求。
如图2所示,在本发明一些可能的实施方式中,步骤S1、所述采集用户数据,具体包括:
子步骤S11、构建供用户交互的虚拟场景,并采集用户在交互过程中的用户行为数据;
子步骤S12、利用生理数据采集传感器采集用户的生理数据。
在本实施例中,可以通过虚拟现实终端构建供用户交互的虚拟场景,并采集用户在交互过程中的用户行为数据。虚拟现实终端至少包括视觉呈现设备、交互设备和声音设备,视觉呈现设备用于向用户呈现构建的虚拟场景,可以为虚拟现实眼镜、虚拟现实头盔等;声音设备可以为三维的音响系统,交互设备包括位置追踪仪、数据手套、三维鼠标、动作捕捉设备、眼动仪、力反馈设备以及其他交互设备。例如当虚拟现实终端构建出运动测试场景,呈现设备将运动测试虚拟环境呈现给用户并发起互动,通过动作捕捉设备和声音采集设备采集用户的动作数据和声音数据等用户行为数据,同时还可以通过生理数据采集传感器采集用户的生理数据,通过采集这些数据,可以为用户画像提供数据来源,特别可以为用户在健康侧进行画像。
如图3所示,在本发明一些可能的实施方式中,步骤S3、利用所述N个特征数据集生成第一模型,具体是:
子步骤S301、将所述N个特征数据集分别作为输入值发送至输入层;
子步骤S302、所述输入层与初始层通过矩阵运算建立连接;
子步骤S303、所述初始层得出第一输出结果,并将所述第一输出结果进行激活,将激活后的第一输出结果发送至模拟输出层;
子步骤S304、所述模拟输出层通过矩阵计算得出模拟输出值,并将所述模拟输出值输入二次初始层;
子步骤S305、所述二次初始层通过矩阵计算得出验证输出结果;
子步骤S306、将所述输入层的所述输入值与二次初始层进行数据连接;
子步骤S307、所述二次初始层通过矩阵计算得出二次输出结果,将二次输出结果与验证输出结果发送至验证系数层进行验证,并得出正规化系数;
子步骤S308、将所述正规化系数与模拟输出值发送至输出层,所述输出层对模拟输出值进行正规化处理,得到拟态结果;
子步骤S309、收集正反馈和/或逆反馈信息;
子步骤S310、根据所述正反馈和/或所述逆反馈信息对所述拟态结果进行学习修正,生成所述第一模型。
在本实施例中,为了生成效果精确高效的第一模型,通过神经网络处理特征数据集以构建出第一模型,所述神经网络包括输入层、初始层、模拟输出层、二次初始层、验证系数层以及输出层,并利用激活函数对所述第一输出结果进行激活。激活函数是一种添加到人工神经网络中的函数,旨在帮助网络学习数据中的复杂模式,类似于人类大脑中基于神经元的模型,激活函数最终决定了要发射给下一个神经元的内容,包括Sigmoid激活函数、ReLU激活函数等。
在本发明一些可能的实施方式中,如图4所示,步骤S5、利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据,具体是:
子步骤S51、对所述融合特征数据集中的用户编号、性别、年龄、性格特征、婚姻状况、职业和教育程度进行处理,获得用户基本评测数据;
子步骤S52、对所述融合特征数据集中的交互产品编号和交互行为进行处理,获得用户消费评测数据;
子步骤S53、对所述融合特征数据集中的用户编号、性别、年龄、病史和历史体检数据进行处理,获得用户健康评测数据;
如图5所示,步骤S6、根据所述不同维度的评测数据构建用户画像,具体是:
子步骤S61、根据所述用户基本评测数据构建第一用户画像;
子步骤S62、根据所述用户健康评测数据构建第二用户画像;
子步骤S63、根据所述消费评测数据构建所述第三用户画像。
可以理解的是,所述融合特征数据集中不同维度/类型的数据特征向量输入所述第一模型,可以得到不同的用户画像。如对所述融合特征数据集中的用户编号、性别、年龄、性格特征、婚姻状况、职业和教育程度进行处理后获得用户基本评测数据输入第一模型,则可以得到表征用户基本属性的第一用户画像;对所述融合特征数据集中的用户编号、性别、年龄、病史和历史体检数据进行处理后获得用户健康评测数据输入第一模型,则得到表征用户健康属性的第二用户画像;对所述融合特征数据集中的交互产品编号和交互行为进行处理后获得用户消费评测数据输入第一模型,则得到表征用户消费属性的第三用户画像;在本发明的实施方案中,可以根据用户画像的目的,选择输入不同维度的数据,从而得到不同的用户画像,奶灵活性强,能更好地满足实际需求。
如图6所示,本发明的另一实施例提供一种用户画像构建系统,包括:数据采集模块、数据处理模块、第一模型生成模块、数据融合模块、第一模型执行模块和画像构建模块;
所述数据采集模块,用于采集用户数据;
在本实施例中,可以通过多种途径采集用户数据,如可以通过从用户使用的终端设备或者网络服务器的日志文件中提取;可以通过智能设备采集用户数据中的生理数据;还可以通过虚拟现实设备生成虚拟场景让用户沉浸其中,同时通过传感器识别用户行为、采集用户数据等。本发明的实施方式对此不作限制。
所述数据处理模块,用于对所述用户数据进行特征处理,基于不同维度生成N个特征数据集,其中,N为正整数;
在本步骤中,在对用户数据进行预处理后,再进特征处理,特征处理包括标准化、归一化、离散化、特征升维/降维、缺省值处理等,可以根据数据用途选择对应的特征处理方法。对所述用户数据进行特征处理后,利用处理后的用户数据基于不同维度生成N个特征数据集,N个特征数据集用于表示所述用户数据对应的多种数据类型,其中,N为正整数。
所述第一模型生成模块,用于利用所述N个特征数据集生成第一模型;
所述数据融合模块,用于分别对所述N个特征数据集进行处理后进行数据融合,得到融合特征数据集;
所述第一模型执行模块,用于利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据;
所述画像构建模块,用于根据所述不同维度的评测数据,构建用户画像。
可以理解的是,所述用户数据包括但不限于用户编号、性别、年龄、性格特征、婚姻状况、职业、教育程度、病史、历史体检数据、历史投保数据、用户购物地点、用户购物时间、交互产品编号和交互行为,所述交互行为包括点击产品、浏览、访问频次、收藏、添加到购物车、从购物车中移除、收藏、购买、分享、注册会员、领取购物券、退货、换货、投诉、退款、评论、刷卡、充值。
本申请的实施例可以基于人工智能技术对相关的数据进行获取和处理。人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。基于大数据和深度学习模型,能够根据用户的基本特征、浏览行为、访问频次、购买行为等信息构建用户模型,多维度了解用户的兴趣爱好、购买能力、消费习惯等,做到更清晰、全面地认识用户。
采用本实施例的技术方案,所述用户画像构建系统包括数据采集模块、数据处理模块、第一模型生成模块、数据融合模块、第一模型执行模块和画像构建模块。通过所述数据采集模块采集用户数据,所述数据处理模块对所述用户数据进行特征处理,基于不同维度生成N个特征数据集,再由所述第一模型生成模块利用所述N个特征数据集生成第一模型;所述数据融合模块分别对所述N个特征数据集进行处理后进行数据融合,得到融合特征数据集,所述第一模型执行模块利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据,最后通过所述画像构建模块根据所述不同维度的评测数据,构建用户画像,能生成不同维度的用户画像,更精细化地满足画像需求。
应当知道的是,图6所示的用户画像构建系统的框图仅作示意,其所示出的各模块的数量并不对本发明的保护范围进行限定。
在本发明一些可能的实施方式中,所述数据采集模块包括虚拟现实单元(图中未示出)和生理数据采集单元(图中未示出);
所述虚拟现实单元,用于构建供用户交互的虚拟场景,并采集用户在交互过程中的用户行为数据;
所述生理数据采集单元,用于采集用户的生理数据。
在本实施例中,可以通过虚拟现实终端构建供用户交互的虚拟场景,并采集用户在交互过程中的用户行为数据。虚拟现实终端至少包括视觉呈现设备、交互设备和声音设备,视觉呈现设备用于向用户呈现构建的虚拟场景,可以为虚拟现实眼镜、虚拟现实头盔等;声音设备可以为三维的音响系统,交互设备包括位置追踪仪、数据手套、三维鼠标、动作捕捉设备、眼动仪、力反馈设备以及其他交互设备。例如当虚拟现实终端构建出运动测试场景,呈现设备将运动测试虚拟环境呈现给用户并发起互动,通过动作捕捉设备和声音采集设备采集用户的动作数据和声音数据等用户行为数据,同时还可以通过生理数据采集传感器采集用户的生理数据,通过采集这些数据,可以为用户画像提供数据来源,特别可以为用户在健康侧进行画像。可以理解的是,所述虚拟现实单元可以集成到所述虚拟现实单元内。
在本发明一些可能的实施方式中,所述第一模型生成模块用于利用所述N个特征数据集生成第一模型,具体是:
将所述N个特征数据集分别作为输入值发送至输入层;
所述输入层与初始层通过矩阵运算建立连接;
所述初始层得出第一输出结果,并将所述第一输出结果进行激活,将激活后的第一输出结果发送至模拟输出层;
所述模拟输出层通过矩阵计算得出模拟输出值,并将所述模拟输出值输入二次初始层;
所述二次初始层通过矩阵计算得出验证输出结果;
将所述输入层的所述输入值与二次初始层进行数据连接;
所述二次初始层通过矩阵计算得出二次输出结果,将二次输出结果与验证输出结果发送至验证系数层进行验证,并得出正规化系数;
将所述正规化系数与模拟输出值发送至输出层,所述输出层对模拟输出值进行正规化处理,得到拟态结果;
收集正反馈和/或逆反馈信息;
根据所述正反馈和/或所述逆反馈信息对所述拟态结果进行学习修正,生成所述第一模型。
在本实施例中,为了生成效果精确高效的第一模型,通过神经网络处理特征数据集以构建出第一模型,所述神经网络包括输入层、初始层、模拟输出层、二次初始层、验证系数层以及输出层,并利用激活函数对所述第一输出结果进行激活。激活函数是一种添加到人工神经网络中的函数,旨在帮助网络学习数据中的复杂模式,类似于人类大脑中基于神经元的模型,激活函数最终决定了要发射给下一个神经元的内容,包括Sigmoid激活函数、ReLU激活函数等。
在本发明一些可能的实施方式中,所述第二模型用于利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据,具体是:
对所述融合特征数据集中的用户编号、性别、年龄、性格特征、婚姻状况、职业和教育程度进行处理,获得用户基本评测数据;
对所述融合特征数据集中的交互产品编号和交互行为进行处理,获得用户消费评测数据;
对所述融合特征数据集中的用户编号、性别、年龄、病史和历史体检数据进行处理,获得用户健康评测数据;
所述画像构建模块用于根据所述不同维度的评测数据构建用户画像,具体是:
根据所述用户基本评测数据构建第一用户画像;
根据所述用户健康评测数据构建第二用户画像;
根据所述消费评测数据构建所述第三用户画像。
可以理解的是,所述融合特征数据集中不同维度/类型的数据特征向量输入所述第一模型,可以得到不同的用户画像。如对所述融合特征数据集中的用户编号、性别、年龄、性格特征、婚姻状况、职业和教育程度进行处理后获得用户基本评测数据输入第一模型,则可以得到表征用户基本属性的第一用户画像;对所述融合特征数据集中的用户编号、性别、年龄、病史和历史体检数据进行处理后获得用户健康评测数据输入第一模型,则得到表征用户健康属性的第二用户画像;对所述融合特征数据集中的交互产品编号和交互行为进行处理后获得用户消费评测数据输入第一模型,则得到表征用户消费属性的第三用户画像;在本发明的实施方案中,可以根据用户画像的目的,选择输入不同维度的数据,从而得到不同的用户画像,奶灵活性强,能更好地满足实际需求。
本发明的另一实施例提供一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如下方法:采集用户数据;
对所述用户数据进行特征处理,基于不同维度生成N个特征数据集;
利用所述N个特征数据集生成第一模型;
对所述N个特征数据集进行处理后进行数据融合,得到融合特征数据集;
利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据;
根据所述不同维度的评测数据,构建用户画像;
其中,N为正整数。
本发明的另一实施例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条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如下方法:
采集用户数据;
对所述用户数据进行特征处理,基于不同维度生成N个特征数据集;
利用所述N个特征数据集生成第一模型;
对所述N个特征数据集进行处理后进行数据融合,得到融合特征数据集;
利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据;
根据所述不同维度的评测数据,构建用户画像;
其中,N为正整数。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可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,例如上述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元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,也可以采用软件功能单元的形式实现。
上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器中。基于这样的理解,本申请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器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,可轻易想到变化或替换,均可作各种更动与修改,包含上述不同功能、实施步骤的组合,包含软件和硬件的实施方式,均在本发明的保护范围。
Claims (10)
1.一种用户画像构建方法,其特征在于,包括:
采集用户数据;
对所述用户数据进行特征处理,基于不同维度生成N个特征数据集;
利用所述N个特征数据集生成第一模型;
对所述N个特征数据集进行处理后进行数据融合,得到融合特征数据集;
利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据;
根据所述不同维度的评测数据,构建用户画像;
其中,N为正整数。
2.根据权利要求1所述的用户画像构建方法,其特征在于,所述采集用户数据的步骤具体包括:
构建供用户交互的虚拟场景,并采集用户在交互过程中的用户行为数据;
利用生理数据采集传感器采集用户的生理数据。
3.根据权利要求2所述的用户画像构建方法,其特征在于,所述利用所述N个特征数据集生成第一模型的步骤,具体是:
将所述N个特征数据集分别作为输入值发送至输入层;
所述输入层与初始层通过矩阵运算建立连接;
所述初始层得出第一输出结果,并将所述第一输出结果进行激活,将激活后的第一输出结果发送至模拟输出层;
所述模拟输出层通过矩阵计算得出模拟输出值,并将所述模拟输出值输入二次初始层;
所述二次初始层通过矩阵计算得出验证输出结果;
将所述输入层的所述输入值与二次初始层进行数据连接;
所述二次初始层通过矩阵计算得出二次输出结果,将二次输出结果与验证输出结果发送至验证系数层进行验证,并得出正规化系数;
将所述正规化系数与模拟输出值发送至输出层,所述输出层对模拟输出值进行正规化处理,得到拟态结果;
收集正反馈和/或逆反馈信息;
根据所述正反馈和/或所述逆反馈信息对所述拟态结果进行学习修正,生成所述第一模型。
4.根据权利要求3所述的用户画像构建方法,其特征在于,所述利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据的步骤,具体是:
对所述融合特征数据集中的用户编号、性别、年龄、性格特征、婚姻状况、职业和教育程度进行处理,获得用户基本评测数据;
对所述融合特征数据集中的交互产品编号和交互行为进行处理,获得用户消费评测数据;
对所述融合特征数据集中的用户编号、性别、年龄、病史和历史体检数据进行处理,获得用户健康评测数据;
所述根据所述不同维度的评测数据构建用户画像的步骤,具体是:
根据所述用户基本评测数据构建第一用户画像;
根据所述用户健康评测数据构建第二用户画像;
根据所述消费评测数据构建所述第三用户画像。
5.一种用户画像构建系统,其特征在于,包括:数据采集模块、数据处理模块、第一模型生成模块、数据融合模块、第一模型执行模块和画像构建模块;
所述数据采集模块,用于采集用户数据;
所述数据处理模块,用于对所述用户数据进行特征处理,基于不同维度生成N个特征数据集;
所述第一模型生成模块,用于利用所述N个特征数据集生成第一模型;
所述数据融合模块,用于分别对所述N个特征数据集进行处理后进行数据融合,得到融合特征数据集;
所述第一模型执行模块,用于利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据;
所述画像构建模块,用于根据所述不同维度的评测数据,构建用户画像;
其中,N为正整数。
6.根据权利要求5所述的用户画像构建系统,其特征在于,所述数据采集模块包括虚拟现实单元和生理数据采集单元;
所述虚拟现实单元,用于构建供用户交互的虚拟场景,并采集用户在交互过程中的用户行为数据;
所述生理数据采集单元,用于采集用户的生理数据。
7.根据权利要求6所述的用户画像构建系统,其特征在于,所述第一模型生成模块用于利用所述N个特征数据集生成第一模型,具体是:
将所述N个特征数据集分别作为输入值发送至输入层;
所述输入层与初始层通过矩阵运算建立连接;
所述初始层得出第一输出结果,并将所述第一输出结果进行激活,将激活后的第一输出结果发送至模拟输出层;
所述模拟输出层通过矩阵计算得出模拟输出值,并将所述模拟输出值输入二次初始层;
所述二次初始层通过矩阵计算得出验证输出结果;
将所述输入层的所述输入值与二次初始层进行数据连接;
所述二次初始层通过矩阵计算得出二次输出结果,将二次输出结果与验证输出结果发送至验证系数层进行验证,并得出正规化系数;
将所述正规化系数与模拟输出值发送至输出层,所述输出层对模拟输出值进行正规化处理,得到拟态结果;
收集正反馈和/或逆反馈信息;
根据所述正反馈和/或所述逆反馈信息对所述拟态结果进行学习修正,生成所述第一模型。
8.根据权利要求7所述的用户画像构建系统,其特征在于,所述第二模型用于利用所述第一模型对所述融合特征数据集进行处理,得到不同维度的评测数据,具体是:
对所述融合特征数据集中的用户编号、性别、年龄、性格特征、婚姻状况、职业和教育程度进行处理,获得用户基本评测数据;
对所述融合特征数据集中的交互产品编号和交互行为进行处理,获得用户消费评测数据;
对所述融合特征数据集中的用户编号、性别、年龄、病史和历史体检数据进行处理,获得用户健康评测数据;
所述画像构建模块用于根据所述不同维度的评测数据构建用户画像,具体是:
根据所述用户基本评测数据构建第一用户画像;
根据所述用户健康评测数据构建第二用户画像;
根据所述消费评测数据构建所述第三用户画像。
9.一种计算机设备,其特征在于,
所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至4中任一所述的用户画像构建方法。
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中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至4中任一所述用户画像构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210428797.XA CN114820057A (zh) | 2022-04-22 | 2022-04-22 | 用户画像构建方法及系统、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210428797.XA CN114820057A (zh) | 2022-04-22 | 2022-04-22 | 用户画像构建方法及系统、计算机设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114820057A true CN114820057A (zh) | 2022-07-29 |
Family
ID=82505927
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210428797.XA Pending CN114820057A (zh) | 2022-04-22 | 2022-04-22 | 用户画像构建方法及系统、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820057A (zh) |
-
2022
- 2022-04-22 CN CN202210428797.XA patent/CN114820057A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107704834B (zh) | 微表情面审辅助方法、装置及存储介质 | |
CN111291841B (zh) | 图像识别模型训练方法、装置、计算机设备和存储介质 | |
Ahn et al. | Short-and long-term effects of embodied experiences in immersive virtual environments on environmental locus of control and behavior | |
CN108038469A (zh) | 用于检测人体的方法和装置 | |
CN106776716B (zh) | 一种智能匹配销售顾问和用户的方法及设备 | |
CN113254804B (zh) | 一种基于用户属性和行为特征的社会关系推荐方法及系统 | |
CN110909680A (zh) | 人脸图像的表情识别方法、装置、电子设备及存储介质 | |
US20170153702A1 (en) | Providing haptic feedback using context analysis and analytics | |
CN111709398A (zh) | 一种图像识别的方法、图像识别模型的训练方法及装置 | |
CN113191911A (zh) | 基于用户信息的保险推荐方法、系统、设备及介质 | |
WO2024002167A1 (zh) | 一种操作预测方法及相关装置 | |
CN106169961A (zh) | 基于人工智能的神经网络的网络参数处理方法及装置 | |
WO2024067779A1 (zh) | 一种数据处理方法及相关装置 | |
CN113761260A (zh) | 一种图像处理方法、装置、设备及计算机可读存储介质 | |
KR102059017B1 (ko) | 지식 공유 플랫폼의 제어 방법, 장치 및 시스템 | |
KR102071198B1 (ko) | 캐릭터, 프로그래밍 파일 및 프로그래밍 명령어 관리를 위한 지식 공유 플랫폼의 제어 방법, 장치 및 시스템 | |
CN114820057A (zh) | 用户画像构建方法及系统、计算机设备及可读存储介质 | |
CN111159609A (zh) | 属性信息修改方法及相关装置 | |
CN114169906B (zh) | 电子券推送方法、装置 | |
US20220198242A1 (en) | Method and system for predictive application of virtual personality renderings | |
JP7224315B2 (ja) | 情報処理装置、情報処理方法、および情報処理プログラム | |
Yeo | The theory of process augmentability | |
Alqahtani et al. | An agent-based intelligent HCI information system in mixed reality | |
Koopman et al. | Evolutionary constraints on human object perception | |
Yashkina et al. | Marketing research of the market of technologies of virtual and additional reality in Ukraine |
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 |