CN115982454A - 基于用户画像的问卷推送方法、装置、设备及存储介质 - Google Patents

基于用户画像的问卷推送方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115982454A
CN115982454A CN202211643301.7A CN202211643301A CN115982454A CN 115982454 A CN115982454 A CN 115982454A CN 202211643301 A CN202211643301 A CN 202211643301A CN 115982454 A CN115982454 A CN 115982454A
Authority
CN
China
Prior art keywords
questionnaire
demand
label
user portrait
user
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
Application number
CN202211643301.7A
Other languages
English (en)
Inventor
龙凯
姜晴
刘祺
汤婧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Zhenyi Shanghai Enterprise Management Co ltd
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Zhenyi Shanghai Enterprise Management Co ltd
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Zhenyi Shanghai Enterprise Management Co ltd, Ping An Technology Shenzhen Co Ltd filed Critical Ping An Zhenyi Shanghai Enterprise Management Co ltd
Priority to CN202211643301.7A priority Critical patent/CN115982454A/zh
Publication of CN115982454A publication Critical patent/CN115982454A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及人工智能技术，可用于金融保险业务的基于用户画像的问卷推送方法，包括：计算用户的用户画像标签特征与问卷需求标签集中每个问卷需求标签的匹配特征值，对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例；根据问卷需求标签对预构建的问卷问题库中的问题进行语义匹配，并利用推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题；根据所有推送问题构建目标问卷，并将目标问卷发送给用户。本发明还涉及一种区块链技术，所述推送比例可以存储在区块链节点中。本发明还提出一种基于用户画像的问卷推送装置、设备以及介质。本发明可以提高问卷推送的有效性。

Description

基于用户画像的问卷推送方法、装置、设备及存储介质
技术领域
本发明涉及人工智能技术，尤其涉及一种基于用户画像的问卷推送方法、装置、电子设备及存储介质。
背景技术
在医疗养老的相关金融保险业务领域，为了更好的了解用户需求，往往需要向用户发放问卷调查以进行前期的用户需求调查。
由于问卷调查需要向用户发送问卷，而目前的问卷发送方法只是向不同的用户发送相同的问卷，问卷的问题不是用户感兴趣或熟悉的领域，问题答案选择的随机性较高，从而导致用户针对问卷问题做出答案的参考有效性降低，导致问卷推送的有效性较低。
发明内容
本发明提供一种基于用户画像的问卷推送方法、装置、电子设备及存储介质，其主要目的在于提高了问卷推送的有效性。
获取用户的用户画像标签集及问卷需求标签集；
基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值；
基于所有所述匹配特征值对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例；
根据所述问卷需求标签对预构建的问卷问题库中的问题进行语义匹配，并基于所述问卷需求标签的推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题；
根据所有所述推送问题构建目标问卷，并将所述目标问卷发送至所述用户的预设终端设备。
可选地，所述基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值，包括：
将所述用户画像标签集中的每个标签转化为用户画像标签向量；
将所有所述用户画像标签向量进行组合，得到用户画像矩阵；
利用预构建的特征提取模型对所述用户画像矩阵进行特征压缩提取，得到用户特征向量；
将每个所述问卷需求标签转换为问卷需求向量；
计算所述用户特征向量与每个问卷需求标签对应的问卷需求向量的向量相似度，得到每个所述问卷需求标签的匹配特征值。
可选地，所述基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值，包括：
将所述用户画像标签集中的每个标签转化为用户画像标签向量；
将所有所述用户画像标签向量进行组合，得到用户画像矩阵；
将所述用户画像矩阵输入预构建的特征分类模型，提取所述特征分类模型中最后一层全连接层的每个输出节点的输出值，得到每个所述问卷需求标签的的特征匹配值，其中，所述特征分类模型中最后一层全连接层的每个输出节点与所述问卷需求标签一一对应。
可选地，所述基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值，包括：
将所述用户画像标签集中的每个标签转化为用户画像标签向量；
将所有所述用户画像标签向量进行向量融合，得到用户特征向量；
将每个所述问卷需求标签转换为问卷需求向量；
计算所述用户特征向量与每个问卷需求标签对应的问卷需求向量的向量相似度，得到每个所述问卷需求标签的匹配特征值。
可选地，所述将所有所述用户画像标签向量进行向量融合，得到用户特征向量，包括：
将所有所述用户画像标签向量相加，得到标签聚合向量；
利用所述用户画像标签向量的数量对所述标签聚合向量中的每个元素进行特征转换，得到所述用户特征向量。
可选地，所述根据所述问卷需求标签对预构建的问卷问题库中的问题进行语义匹配，并基于所述问卷需求标签的推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题，包括：
对所述问题进行语义特征提取，得到所述问题的问题语义向量；
计算所述问题的问题语义向量与每个所述问卷需求标签的问卷需求向量的向量相似度，得到所述问题对应的每个问卷需求标签的语义匹配系数；
根据每个所述问题对应的所有语义匹配系数对所有问卷需求标签进行筛选，得到每个问题对应的目标需求标签；
将每种所述目标需求标签对应的所有问题按照每个问题对应的目标需求标签的语义匹配系数进行降序排序，得到每种所述目标需求标签的问题序列；
根据预构建的问卷问题数量及所述目标需求标签的推送比例进行计算，得到每个所述目标需求标签的问题数量；
根据所述目标需求标签的问题数量对该目标需求标签的问题序列进行筛选，得到该目标需求标签的推送问题。
可选地，所述基于所有所述匹配特征值对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例，包括：
将所有所述匹配特征值进行求和，得到特征值和；
计算所述问卷需求标签的匹配特征值与所述特征值和的比值，得到该问卷需求标签的推送比例。
为了解决上述问题，本发明还提供一种基于用户画像的问卷推送装置，所述装置包括：
特征匹配模块，用于获取用户的用户画像标签集及问卷需求标签集；基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值；
问题筛选模块，用于基于所有所述匹配特征值对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例；根据所述问卷需求标签对预构建的问卷问题库中的问题进行语义匹配，并基于所述问卷需求标签的推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题；
问卷推送模块，用于根据所有所述推送问题构建目标问卷，并将所述目标问卷发送至所述用户的预设终端设备。
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，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的计算机程序以实现上述所述的基于用户画像的问卷推送方法。
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计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于用户画像的问卷推送方法。
本发明实施例基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值；基于所有所述匹配特征值对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例；根据所述问卷需求标签对预构建的问卷问题库中的问题进行语义匹配，并基于所述问卷需求标签的推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题，根据所有所述推送问题构建目标问卷，并将所述目标问卷发送至所述用户的预设终端设备，筛选用户感兴趣的问题构建目标问卷，降低了用户对目标问卷中的问题答案选择的随机性，提高了用户针对目标问卷问题做出答案的参考有效性，进而提高了问卷推送的有效性，因此本发明实施例提出的基于用户画像的问卷推送方法、装置、电子设备及可读存储介质提高了问卷推送的有效性。
附图说明
图1为本发明一实施例提供的基于用户画像的问卷推送方法的流程示意图；
图2为本发明一实施例提供的基于用户画像的问卷推送装置的模块示意图；
图3为本发明一实施例提供的实现基于用户画像的问卷推送方法的电子设备的内部结构示意图；
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。
本发明实施例提供一种基于用户画像的问卷推送方法。所述基于用户画像的问卷推送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，所述基于用户画像的问卷推送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，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示的本发明一实施例提供的基于用户画像的问卷推送方法的流程示意图，在本发明实施例中，所述基于用户画像的问卷推送方法包括以下步骤：
S1、获取用户的用户画像标签集及问卷需求标签集；
本发明实施例中所述用户为可以进行问卷调查的用户，所述用户画像标签集为表征不同用户特征的用户画像标签组成的集合，如用户属性标签、用户偏好标签、用户个性化标签等，所述问卷需求标签集中的问卷需求标签为根据医疗养老相关的金融保险业务设置的需要获取的问卷信息的特征维度，如：疗养的环境、医疗检测项目等。
S2、基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值；
本发明实施例中为了确定可以从用户的问卷反馈中获取哪些维度的信息，因此，计算所述用户画像标签集与不同的问卷需求的匹配特征值。
详细地，本发明实施例中所述S2，包括：
将所述用户画像标签集中的每个标签转化为用户画像标签向量；
将所有所述用户画像标签向量进行组合，得到用户画像矩阵；
利用预构建的特征提取模型对所述用户画像矩阵进行特征压缩提取，得到用户特征向量；
将每个所述问卷需求标签转换为问卷需求向量；
计算所述用户特征向量与每个问卷需求标签对应的问卷需求向量的向量相似度，得到每个所述问卷需求标签的匹配特征值。
详细地，本发明实施例中将所有所述用户画像标签向量进行组合，得到用户画像矩阵，包括：
根据预设的用户画像标签顺序，将所有所述用户画像标签的问卷需求向量进行横向组合，得到所述用户画像矩阵。
进一步地，本发明实施例中所述特征提取模型为深度学习模型，如：卷积神经网络模型、bert模型等，所述利用预构建的特征提取模型对所述用户画像矩阵进行特征压缩提取，得到用户特征向量，包括：
将所述用户画像矩阵输入所述特征提取模型，提取所述特征提取模型中倒数第二层全连接层所有输出节点的输出值，并将提取的输出值按照对应的输出节点在所述倒数第二层全连接层中的顺序进行组合，得到所述用户特征向量。
本发明实施例中所述用户特征向量与所述问卷需求向量的向量维度相同。
本发明其中一实施例中所述S2，包括：
将所述用户画像标签集中的每个标签转化为用户画像标签向量；
将所有所述用户画像标签向量进行组合，得到用户画像矩阵；
将所述用户画像矩阵输入预构建的特征分类模型，提取所述特征分类模型中最后一层全连接层的每个输出节点的输出值，得到每个所述问卷需求标签的的特征匹配值，其中，所述特征分类模型中最后一层全连接层的每个输出节点与所述问卷需求标签一一对应。
具体地，本发明实施例中所述特征分类模型为
本发明另一实施例中所述S2，包括：
将所述用户画像标签集中的每个标签转化为用户画像标签向量；
将所有所述用户画像标签向量进行向量融合，得到用户特征向量；
将每个所述问卷需求标签转换为问卷需求向量；
计算所述用户特征向量与每个问卷需求标签对应的问卷需求向量的向量相似度，得到每个所述问卷需求标签的匹配特征值。
详细地，本发明实施例中所述将所有所述用户画像标签向量进行向量融合，得到用户特征向量，包括：
将所有所述用户画像标签向量相加，得到标签聚合向量；
利用所述用户画像标签向量的数量对所述标签聚合向量中的每个元素进行特征转换，得到所述用户特征向量。
例如：所述标签聚合向量为
Figure BDA0004008650550000071
所述用户画像标签向量的数量为5，那么对所述标签聚合向量中的每个元素进行特征转换即
Figure BDA0004008650550000072
得到的用户特征向量为
Figure BDA0004008650550000073
本发明实施例中可利用独热算法、词袋算法、深度学习模型(如bert模型)的嵌入式向量层中的一个或多个算法或模型将标签转化为向量，本发明实施例中对将标签转化为向量的方法不做限制。
S3、基于所有所述匹配特征值对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例；
本发明实施例中为了确定不同问卷需求标签需要的问卷问题的比例，基于所有所述匹配特征值对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例。
具体地，本发明实施例中所述S3，包括：
将所有所述匹配特征值进行求和，得到特征值和；
计算所述问卷需求标签的匹配特征值与所述特征值和的比值，得到该问卷需求标签的推送比例。
本发明其中一实施例中为了放大不同匹配特征值的差异，所述S3，包括：
对所述匹配特征值进行指数转化，得到指数特征值；
将所有所述指数特征值进行求和，得到指数特征值和；
计算所述问卷需求标签的匹配特征值对应的指数特征值与所述指数特征值和的比值，得到该问卷需求标签的推送比例。
例如：匹配特征值为0.15，那么指数转化后的指数特征值为e0.15。
本发明另一实施例中所述S3，包括：
将所有所述匹配特征值中的最大值确定为目标匹配特征值；
将所述目标匹配特征值对应的问卷需求标签对应的推送比例设置为1即100％，将除所述目标匹配特征值外的其他匹配特征值对应的问卷需求标签对应的推送比例设置为0。
本发明另一实施例中所述推送比例可以存储在区块链节点中，利用区块链节点高吞吐的特性，提高数据的取用效率。
S4、根据所述问卷需求标签对预构建的问卷问题库中的问题进行语义匹配，并基于所述问卷需求标签的推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题；
本发明实施例中由于所述问卷问题库中的问题多种多样，为了筛选需要的问题推送给用户进行问卷，根据所述问卷需求标签预构建的问卷问题库中的问题进行语义匹配，以筛选需要的问题，同时由于问卷的题目数量有限制，因此，还需要进一步基于所述问卷需求标签的推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题。
具体地，本发明实施例中所述S4，包括：
对所述问题进行语义特征提取，得到所述问题的问题语义向量；
计算所述问题的问题语义向量与每个所述问卷需求标签的问卷需求向量的向量相似度，得到所述问题对应的每个问卷需求标签的语义匹配系数；
根据每个所述问题对应的所有语义匹配系数对所有问卷需求标签进行筛选，得到每个问题对应的目标需求标签；
将每种所述目标需求标签对应的所有问题按照每个问题对应的目标需求标签的语义匹配系数进行降序排序，得到每种所述目标需求标签的问题序列；
根据预构建的问卷问题数量及所述目标需求标签的推送比例进行计算，得到每个所述目标需求标签的问题数量；
根据所述目标需求标签的问题数量对该目标需求标签的问题序列进行筛选，得到该目标需求标签的推送问题。
本发明实施例中可利用本领域常用的意图识别模型对所述问题进行语义特征提取，对此不在赘述；所述问卷问题数量为设置的给用户发送的问卷的问题数量，本发明实施例对此不做限制。
具体地，本发明实施例中每个问题对应一种目标需求标签，一种目标需求标签可以对应多个问题，例如：目标需求标签A对应问题甲、问题乙、问题丙；其中，问题甲对应的目标需求标签A的语义匹配系数为0.7、问题乙对应的目标需求标签A的语义匹配系数为0.9、问题丙对应的目标需求标签A的语义匹配系数为0.8，那么按照语义匹配系数进行降序排列，得到目标需求标签A对应的问题序列为[问题乙，问题丙，问题甲]。
进一步地，本发明实施例中将所述问题对应的所有语义匹配系数中最大值确定为该问题的目标语义匹配系数；将所述问题的目标语义匹配系数对应问卷需求标签确定为该问题的目标需求标签。
S5、根据所有所述推送问题构建目标问卷，并将所述目标问卷发送至所述用户的预设终端设备。
本发明实施例将所有所述推送问题填充至预设的空白问卷模板，得到所述目标问卷，具体地，本发明实施例中所述空白问卷模板为预设格式的空白问卷，进一步地，将所有所述推送问题随机填充值预设的空白问卷模板，并按照填充的顺序为每个所述推送问题设置对应的顺序编号。本发明实施例中对所述推送问题的填充顺序不做限制。
进一步地，本发明实施例中构建了针对用户的个性化的目标问卷后，还需要将目标问卷发给用户，以收集用户的问卷反馈，因此，将所述目标问卷发送至所述用户的预设终端设备。
具体地，本发明实施例中所述预设终端设备为可以接收、查看、填写所述目标问卷的智能终端，包括：手机、电脑、平板等。
如图2所示，是本发明基于用户画像的问卷推送装置的功能模块图。
本发明所述基于用户画像的问卷推送装置100可以安装于电子设备中。根据实现的功能，所述基于用户画像的问卷推送装置可以包括特征匹配模块101、问题筛选模块102、问卷推送模块103，本发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：
所述特征匹配模块101用于获取用户的用户画像标签集及问卷需求标签集；基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值；
所述问题筛选模块102用于基于所有所述匹配特征值对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例；根据所述问卷需求标签对预构建的问卷问题库中的问题进行语义匹配，并基于所述问卷需求标签的推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题；
所述问卷推送模块103用于根据所有所述推送问题构建目标问卷，并将所述目标问卷发送至所述用户的预设终端设备。
详细地，本发明实施例中所述基于用户画像的问卷推送装置100中所述的各模块在使用时采用与上述图1中所述的基于用户画像的问卷推送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3所示，是本发明实现基于用户画像的问卷推送方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12和通信接口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，如基于用户画像的问卷推送程序。
其中，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(SecureDigital，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，例如基于用户画像的问卷推送程序的代码等，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(Control Unit)，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(例如基于用户画像的问卷推送程序等)，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。所述通信总线12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。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
图3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3示出的结构并不构成对所述电子设备的限定，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、电源故障分类电路、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。
可选地，所述通信接口13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。
可选地，所述通信接口13还可以包括用户接口，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。
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。
所述电子设备中的所述存储器11存储的基于用户画像的问卷推送程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
获取用户的用户画像标签集及问卷需求标签集；
基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值；
基于所有所述匹配特征值对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例；
根据所述问卷需求标签对预构建的问卷问题库中的问题进行语义匹配，并基于所述问卷需求标签的推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题；
根据所有所述推送问题构建目标问卷，并将所述目标问卷发送至所述用户的预设终端设备。
具体地，所述处理器10对上述计算机程序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取存储介质中。所述计算机可读介质可以是非易失性的，也可以是易失性的。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)。
本发明实施例还可以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：
获取用户的用户画像标签集及问卷需求标签集；
基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值；
基于所有所述匹配特征值对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例；
根据所述问卷需求标签对预构建的问卷问题库中的问题进行语义匹配，并基于所述问卷需求标签的推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题；
根据所有所述推送问题构建目标问卷，并将所述目标问卷发送至所述用户的预设终端设备。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
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。
本申请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。其中，人工智能(Artificial Intelligence，AI)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。
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 (10)

1.一种基于用户画像的问卷推送方法，其特征在于，所述方法包括：
获取用户的用户画像标签集及问卷需求标签集；
基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值；
基于所有所述匹配特征值对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例；
根据所述问卷需求标签对预构建的问卷问题库中的问题进行语义匹配，并基于所述问卷需求标签的推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题；
根据所有所述推送问题构建目标问卷，并将所述目标问卷发送至所述用户的预设终端设备。
2.如权利要求1所述的基于用户画像的问卷推送方法，其特征在于，所述基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值，包括：
将所述用户画像标签集中的每个标签转化为用户画像标签向量；
将所有所述用户画像标签向量进行组合，得到用户画像矩阵；
利用预构建的特征提取模型对所述用户画像矩阵进行特征压缩提取，得到用户特征向量；
将每个所述问卷需求标签转换为问卷需求向量；
计算所述用户特征向量与每个问卷需求标签对应的问卷需求向量的向量相似度，得到每个所述问卷需求标签的匹配特征值。
3.如权利要求1所述的基于用户画像的问卷推送方法，其特征在于，所述基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值，包括：
将所述用户画像标签集中的每个标签转化为用户画像标签向量；
将所有所述用户画像标签向量进行组合，得到用户画像矩阵；
将所述用户画像矩阵输入预构建的特征分类模型，提取所述特征分类模型中最后一层全连接层的每个输出节点的输出值，得到每个所述问卷需求标签的的特征匹配值，其中，所述特征分类模型中最后一层全连接层的每个输出节点与所述问卷需求标签一一对应。
4.如权利要求1中所述的基于用户画像的问卷推送方法，其特征在于，所述基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值，包括：
将所述用户画像标签集中的每个标签转化为用户画像标签向量；
将所有所述用户画像标签向量进行向量融合，得到用户特征向量；
将每个所述问卷需求标签转换为问卷需求向量；
计算所述用户特征向量与每个问卷需求标签对应的问卷需求向量的向量相似度，得到每个所述问卷需求标签的匹配特征值。
5.如权利要求4所述的基于用户画像的问卷推送方法，其特征在于，所述将所有所述用户画像标签向量进行向量融合，得到用户特征向量，包括：
将所有所述用户画像标签向量相加，得到标签聚合向量；
利用所述用户画像标签向量的数量对所述标签聚合向量中的每个元素进行特征转换，得到所述用户特征向量。
6.如权利要求4所述的基于用户画像的问卷推送方法，其特征在于，所述根据所述问卷需求标签对预构建的问卷问题库中的问题进行语义匹配，并基于所述问卷需求标签的推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题，包括：
对所述问题进行语义特征提取，得到所述问题的问题语义向量；
计算所述问题的问题语义向量与每个所述问卷需求标签的问卷需求向量的向量相似度，得到所述问题对应的每个问卷需求标签的语义匹配系数；
根据每个所述问题对应的所有语义匹配系数对所有问卷需求标签进行筛选，得到每个问题对应的目标需求标签；
将每种所述目标需求标签对应的所有问题按照每个问题对应的目标需求标签的语义匹配系数进行降序排序，得到每种所述目标需求标签的问题序列；
根据预构建的问卷问题数量及所述目标需求标签的推送比例进行计算，得到每个所述目标需求标签的问题数量；
根据所述目标需求标签的问题数量对该目标需求标签的问题序列进行筛选，得到该目标需求标签的推送问题。
7.如权利要求1至6中任意一项所述的基于用户画像的问卷推送方法，其特征在于，所述基于所有所述匹配特征值对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例，包括：
将所有所述匹配特征值进行求和，得到特征值和；
计算所述问卷需求标签的匹配特征值与所述特征值和的比值，得到该问卷需求标签的推送比例。
8.一种基于用户画像的问卷推送装置，其特征在于，包括：
特征匹配模块，用于获取用户的用户画像标签集及问卷需求标签集；基于所述用户画像标签集及所述问卷需求标签集进行用户画像特征与问卷需求特征的特征匹配，以确定所述用户画像标签集与所述问卷需求标签集中每个问卷需求标签的匹配特征值；
问题筛选模块，用于基于所有所述匹配特征值对每个问卷需求标签的匹配特征值进行归一化，得到每个问卷需求标签的推送比例；根据所述问卷需求标签对预构建的问卷问题库中的问题进行语义匹配，并基于所述问卷需求标签的推送比例对每个问卷需求标签语义匹配的问题进行比例筛选，得到每个问卷需求标签对应的推送问题；
问卷推送模块，用于根据所有所述推送问题构建目标问卷，并将所述目标问卷发送至所述用户的预设终端设备。
9.一种电子设备，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计算机程序，所述计算机程序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7中任一项所述的基于用户画像的问卷推送方法。
10.一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7中任一项所述的基于用户画像的问卷推送方法。
CN202211643301.7A 2022-12-20 2022-12-20 基于用户画像的问卷推送方法、装置、设备及存储介质 Pending CN115982454A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211643301.7A CN115982454A (zh) 2022-12-20 2022-12-20 基于用户画像的问卷推送方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211643301.7A CN115982454A (zh) 2022-12-20 2022-12-20 基于用户画像的问卷推送方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115982454A true CN115982454A (zh) 2023-04-18

Family

ID=85971621

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211643301.7A Pending CN115982454A (zh) 2022-12-20 2022-12-20 基于用户画像的问卷推送方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115982454A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117312658A (zh) * 2023-09-08 2023-12-29 广州风腾网络科技有限公司 一种基于大数据分析的推广方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117312658A (zh) * 2023-09-08 2023-12-29 广州风腾网络科技有限公司 一种基于大数据分析的推广方法及系统
CN117312658B (zh) * 2023-09-08 2024-04-09 广州风腾网络科技有限公司 一种基于大数据分析的推广方法及系统

Similar Documents

Publication Publication Date Title
CN112380859A (zh) 舆情信息的推荐方法、装置、电子设备及计算机存储介质
CN113868528A (zh) 资讯推荐方法、装置、电子设备及可读存储介质
CN113656690B (zh) 产品推荐方法、装置、电子设备及可读存储介质
CN114491047A (zh) 多标签文本分类方法、装置、电子设备及存储介质
CN114781832A (zh) 课程推荐方法、装置、电子设备及存储介质
CN113157739A (zh) 跨模态检索方法、装置、电子设备及存储介质
CN113868529A (zh) 知识推荐方法、装置、电子设备及可读存储介质
CN114398557A (zh) 基于双画像的信息推荐方法、装置、电子设备及存储介质
CN116705304A (zh) 基于图像文本的多模态任务处理方法、装置、设备及介质
CN115982454A (zh) 基于用户画像的问卷推送方法、装置、设备及存储介质
CN113505273A (zh) 基于重复数据筛选的数据排序方法、装置、设备及介质
CN116741358A (zh) 问诊挂号推荐方法、装置、设备及存储介质
CN116403693A (zh) 问诊单派单方法、装置、设备及存储介质
CN116542221A (zh) Pdf文件解析预览方法、装置、设备及存储介质
CN115496166A (zh) 多任务处理方法、装置、电子设备及存储介质
CN115238179A (zh) 项目推送方法、装置、电子设备及计算机可读存储介质
CN115082736A (zh) 垃圾识别分类方法、装置、电子设备及存储介质
CN115033605A (zh) 数据查询方法、装置、电子设备及存储介质
CN114186540A (zh) 邮件内容智能填充方法、装置、电子设备及存储介质
CN114385815A (zh) 基于业务需求的新闻筛选方法、装置、设备及存储介质
CN113704616A (zh) 信息推送方法、装置、电子设备及可读存储介质
CN113434660A (zh) 基于多领域分类的产品推荐方法、装置、设备及存储介质
CN115204158B (zh) 数据隔离应用方法、装置、电子设备及存储介质
CN112214556B (zh) 标签生成方法、装置、电子设备及计算机可读存储介质
CN116881558A (zh) 基于药品的问卷推送方法、装置、设备及存储介质

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