WO2020147259A1 - 一种用户画像方法、装置、可读存储介质及终端设备 - Google Patents

一种用户画像方法、装置、可读存储介质及终端设备 Download PDF

Info

Publication number
WO2020147259A1
WO2020147259A1 PCT/CN2019/091529 CN2019091529W WO2020147259A1 WO 2020147259 A1 WO2020147259 A1 WO 2020147259A1 CN 2019091529 W CN2019091529 W CN 2019091529W WO 2020147259 A1 WO2020147259 A1 WO 2020147259A1
Authority
WO
WIPO (PCT)
Prior art keywords
candisq
classifier
training sample
user
label
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.)
Ceased
Application number
PCT/CN2019/091529
Other languages
English (en)
French (fr)
Inventor
杨晟
陈爽
陈源
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 Technology Shenzhen Co Ltd
Original Assignee
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 Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Publication of WO2020147259A1 publication Critical patent/WO2020147259A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Definitions

  • This application belongs to the field of computer technology, and in particular relates to a user portrait method, device, computer-readable storage medium and terminal equipment.
  • User portrait is a labeled user model abstracted based on user social attributes, living habits, consumption behavior and other information.
  • the embodiments of the present application provide a user portrait method, device, computer-readable storage medium, and terminal equipment to solve the problem that the prior art generally processes different label dimensions independently, resulting in the accuracy of the user portrait Lower question.
  • the first aspect of the embodiments of the present application provides a user portrait method, which may include:
  • N is a positive integer
  • each classifier in the preset classifier set is traversed, and the sample average distances of various arrangement orders are calculated according to the feature vector of the user and the training sample set.
  • each classifier is used to determine the label value on a label dimension;
  • An arrangement order with the smallest sample average distance is selected from various arrangement orders as the preferred path, and the label vector of the user is constructed according to the label value of the user processed by each classifier in the preferred path.
  • a second aspect of the embodiments of the present application provides a user portrait device, which may include a module for implementing the steps of the user portrait method described above.
  • the third aspect of the embodiments of the present application provides a computer-readable storage medium, the computer-readable storage medium stores computer-readable instructions, and when the computer-readable instructions are executed by a processor, the steps of the user portrait method described above are implemented .
  • the fourth aspect of the embodiments of the present application provides a terminal device, including a memory, a processor, and computer-readable instructions stored in the memory and running on the processor, and the processor executes the computer
  • the steps of the user portrait method described above are realized when the instructions are readable.
  • the processing result of the user's feature vector by the classifier with the first order will be passed to the classifier with the latter order, and will participate in the processing process of the classifier with the latter order, so that each The classifiers are organically coupled together, making full use of the correlation between these classifiers, and greatly improving the accuracy of user portraits.
  • FIG. 1 is a flowchart of an embodiment of a user portrait method in an embodiment of this application
  • Figure 2 is a schematic diagram of the mesh topology between each classifier
  • Figure 3 is a schematic diagram of a preferred path in a mesh topology
  • Figure 4 is a schematic flow chart of calculating the average distance of samples in various permutations according to the user's feature vector and training sample set;
  • Figure 5 is a schematic diagram of the constructed classifier sequence
  • Figure 6 is a schematic diagram of the mesh topology between the four classifiers in the example.
  • Figure 7 is a schematic diagram of the selected preferred path
  • FIG. 8 is a structural diagram of an embodiment of a user portrait device in an embodiment of the application.
  • FIG. 9 is a schematic block diagram of a terminal device in an embodiment of this application.
  • an embodiment of a user portrait method in the embodiment of the present application may include:
  • Step S101 Acquire characteristic information of a user in each preset evaluation dimension, and construct a characteristic vector of the user according to the characteristic information.
  • the specific evaluation dimensions can be set according to the actual situation. For example, to determine the user’s purchase intention for certain products, the required evaluation dimensions include but are not limited to gender information, age information, education level information, income level information, Job type information, etc.
  • the value of the evaluation dimension can be numerically converted to 1, and if the gender is female, the value of the evaluation dimension can be numerically converted to 0;
  • the value of the evaluation dimension if the age is less than 20 years old, the value of the evaluation dimension can be digitized to 0, and if the age is 20 to 40 years old, the value of the evaluation dimension can be digitized If the age is from 40 to 60 years old, the value of the evaluation dimension can be converted to 2; if the age is over 60, the value of the evaluation dimension can be converted to 3; for education
  • the evaluation dimension of degree if the education level is high school and below, the value of the evaluation dimension can be numerically converted to 0, and if the education level is undergraduate, the value of the evaluation dimension can be numericalized If the education level is a master's degree, the value of the evaluation dimension can be converted to 2; if the education level is a doctoral degree or above, the value of the evaluation dimension can be converted to 3; others The
  • the feature information on each evaluation dimension can be constructed as a feature vector as shown below:
  • TgtEgVec (TgtEgVal 1 ,TgtEgVal 2 ,...,TgtEgVal en ,...,TgtEgVal EN )
  • TgtEgVec is the feature vector of the user
  • TgtEgVal en is the feature information of the feature vector of the user in the e-th evaluation dimension, 1 ⁇ en ⁇ EN
  • EN is the total number of evaluation dimensions.
  • Step S102 Select N training samples from a preset historical user information database, and form a training sample set.
  • N is a positive integer, and its specific value can be set according to the actual situation.
  • the number of training samples should be as large as possible, for example, it can be set to 10000, 20000, 50000 or other Value and so on.
  • Each training sample in the training sample set includes a feature vector and label vector of a historical user, namely:
  • Sample n is the nth training sample in the training sample set, 1 ⁇ n ⁇ N, EigenVec n is the feature vector of the nth training sample, and:
  • EigenVec n (EigenVal n,1 ,EigenVal n,2 ,...,EigenVal n,en ,...,EigenVal n,EN ),
  • EigenVal n,en is the feature information of the feature vector of the nth training sample in the enth evaluation dimension, 1 ⁇ en ⁇ EN, EN is the total number of evaluation dimensions, LabelVec n is the label vector of the nth training sample, and :
  • LabelVec n (LabelVal n,1 ,LabelVal n,2 ,...,LabelVal n,ln ,...,LabelVal n,LN ),
  • LabelVal n,ln is the label value of the label vector of the nth training sample in the lnth label dimension, 1 ⁇ ln ⁇ LN, and LN is the total number of label dimensions.
  • the label values of the training sample set in any label dimension should be evenly distributed, and the total number of label values on the lnth label dimension, that is, the label value on the lnth label dimension the number of possible values of the tag value is referred to as LVN ln, each ID tag values is referred lvn ln, remember the number 1 ⁇ lvn ln, lvn ln of ln ⁇ LVN tag values present in said training sample set for And The following conditions should be met:
  • Threshold is a preset equalization threshold, and its specific value can be set according to actual conditions, for example, it can be set to 50, 100, 200 or other values and so on.
  • Step S103 traverse various arrangement orders of each classifier in the preset classifier set, and calculate the average distance of samples in various arrangement orders according to the feature vector of the user and the training sample set.
  • the set of classifiers includes more than two different classifiers, and each classifier is used to determine a label value in a label dimension.
  • These classifiers can be based on any one of decision trees, naive Bayes, support vector machines, neural networks, and genetic algorithms. Each classifier can be based on the same algorithm or different algorithms.
  • FIG. 2 The network topology shown in Figure 2 can be established between each classifier.
  • Mesh topology where the circle represents the classifier, and the arrow represents the transfer direction of the classifier.
  • step S103 may specifically include the following process:
  • Step S1031 Expand the feature vector of the user.
  • the feature vector of the user can be expanded according to the following formula:
  • ExTgtEgVec CandiSq,ln (ExTgtEgVec CandiSq,ln-1 ,SelTgtLbVal CandiSq,ln-1 )
  • ExTgtEgVec CandiSq,ln is the feature vector obtained by the extension of the user during the processing of the lnth classifier in the CandiSq sort order, 1 ⁇ CandiSq ⁇ LN! , LN!
  • ExTgtEgVec CandiSq,0 TgtEgVec
  • TgtEgVec is the feature vector of the user
  • Step S1032 Expand the feature vector of each training sample in the training sample set.
  • the feature vector of each training sample of the training sample set can be expanded according to the following formula:
  • ExEigenVec CandiSq,ln,n (ExEigenVec CandiSq,ln-1,n ,SelLabelVal CandiSq,ln-1,n )
  • ExEigenVec CandiSq,ln,n is the feature vector obtained by expanding the nth training sample during the processing of the lnth classifier in the CandiSq sort order.
  • set ExEigenVec CandiSq,0,n EigenVec n
  • SelLabelVal CandiSq,ln,n is the label value corresponding to the nth training sample and the lnth classifier in the CandiSq sort order.
  • set That is to say, it is set to be empty, so it can be seen that ExEigenVec CandiSq,1,n EigenVec n .
  • Step S1033 Calculate the average distances of samples in various arrangement orders according to the feature vectors obtained by the user expansion and the feature vectors obtained by the expansion of each training sample.
  • ExTgtElm(CandiSq,ln,i) is the i-th element of the feature vector obtained by the extension of the user
  • ExSpElm(CandiSq,ln,clvn,SpSeq,i) is the lnth classifier in the CandiSq sort order
  • the i-th element of the feature vector expanded by the SpSeq training sample of the clvn-th label value, 1 ⁇ clvn ⁇ CLVN(CandiSq,ln), CLVN(CandiSq,ln) is the ln-th CandiSq sort order
  • the total number of label values of each classifier, 1 ⁇ SpSeq ⁇ CValCount(CandiSq,ln,clvn), CValCount(CandiSq,ln,clvn) is the clvnth label value of the lnth classifier in the CandiSq sort order
  • DisSq(CandiSq,ln) (Dis(CandiSq,ln,1),Dis(CandiSq,ln,2),...,
  • DisSq(CandiSq,ln) is the sample average distance sequence of the lnth classifier in the CandiSq sort order;
  • TotalDis CandiSq is the average distance of samples of CandiSq sort order.
  • Step S104 Select an arrangement order with the smallest sample average distance from various arrangement orders as the preferred path, and construct a label vector of the user according to the label value of the user obtained by processing each classifier in the preferred path .
  • TotalDisSq (TotalDis 1 ,TotalDis 2 ,...,TotalDis CandiSq ,...,TotalDis LN! )
  • SelPath is the sequence number of the selected preferred path.
  • the preferred path of the network topology structure composed of the classifiers is determined, and the classifiers in the path are connected in sequence according to the order of the classifiers to construct the classifier sequence as shown in FIG. 5.
  • TgtLbVec (TgtLbVal 1 ,TgtLbVal 2 ,...,TgtLbVal ln ,...,TgtLbVal LN )
  • TgtLbVal ln is the label value obtained by the user through the ln-th classifier in the preferred path
  • TgtLbVec is the label vector of the user.
  • the collected user data are gender information, age information, education level information, income level information, and job type information, it is now necessary to evaluate the user’s perception of product A, product B, product C, and product D based on this information.
  • the purchase intention of the product that is, 4 label values.
  • classifier A is used to evaluate the user's purchase intention of product A
  • classifier B is used to evaluate the user's purchase intention of product A
  • classifier C is used to evaluate the user's purchase intention of product A
  • the purchase intention of C is evaluated
  • the classifier D is used to evaluate the user's purchase intention of product D.
  • the four classifiers form the network topology shown in FIG. 6.
  • Classifier A Classifier B ⁇ Classifier C ⁇ Classifier D
  • Classifier A Classifier B ⁇ Classifier D ⁇ Classifier C
  • Classifier A Classifier C ⁇ Classifier B ⁇ Classifier D
  • Classifier A ⁇ Classifier C ⁇ Classifier D ⁇ Classifier B
  • Classifier A Classifier D ⁇ Classifier B ⁇ Classifier C
  • Classifier A Classifier D ⁇ Classifier C ⁇ Classifier B
  • Classifier C Classifier B ⁇ Classifier A ⁇ Classifier D.
  • This classifier sequence uses this classifier sequence to make a user's multi-label portrait.
  • the user’s purchase intention for product C is obtained, and then the user’s gender information, age information, education level information, income level information, job category information, and product C’s purchase intention are determined on the 6 dimensions
  • the feature information is input into the classifier B to obtain the user's purchase intention for product B, and then the user's gender information, age information, education level information, income level information, job category information, and purchase intention for product C
  • the characteristic information on the 7 dimensions of the purchase intention of product B is input into the classifier A to obtain the user's purchase intention for product A.
  • the user s gender information, age information, education level information, and income level Information, job category information, as well as the purchase intention of product C, the purchase intention of product B, and the purchase intention of product A are input into the classifier D to obtain the user's purchase intention of product D. .
  • the processing result of the user's feature vector by the classifier with the first order will be passed to the classifier with the second order, and will participate in the processing of the classifier with the second order.
  • the various classifiers are organically coupled together, making full use of the correlation between these classifiers, and greatly improving the accuracy of user portraits.
  • FIG. 8 shows a structural diagram of an embodiment of a user portrait device provided in an embodiment of the present application.
  • a user portrait device may include:
  • the feature vector construction module 801 is configured to obtain feature information of the user in each preset evaluation dimension, and construct the feature vector of the user according to the feature information;
  • the training sample selection module 802 is used to select N training samples from a preset historical user information database and form a training sample set, where N is a positive integer, and each training sample in the training sample set includes a historical user Feature vector and label vector.
  • the traversal calculation module 803 is used to traverse various arrangement orders of each classifier in the preset classifier set, and calculate the average distance of samples in various arrangement orders according to the feature vector of the user and the training sample set.
  • the classifier set includes more than two different classifiers, and each classifier is used to determine a label value in a label dimension;
  • the label vector construction module 804 is used to select an arrangement order with the smallest sample average distance from various arrangement orders as the preferred path, and construct the selected path according to the label value obtained by the user through the various classifiers in the preferred path. Describe the user's label vector.
  • the traversal calculation module may include:
  • the first expansion unit is used to expand the feature vector of the user
  • the second expansion unit is used to expand the feature vector of each training sample in the training sample set
  • the sample average distance calculation unit is configured to calculate the average distance of samples in various arrangement orders according to the feature vector obtained by the user expansion and the feature vector obtained by the expansion of each training sample.
  • sample average distance calculation unit may include:
  • the first subunit is used to calculate the sample average distance of the clvnth label value of the lnth classifier in the CandiSq sort order;
  • the second subunit is used to separately construct the sample average distance sequence of each classifier in the CandiSq sort order;
  • the third subunit is used to calculate the sample average distance of each classifier in the CandiSq sort order
  • the fourth subunit is used to calculate the average distance of the samples in the CandiSq order.
  • FIG. 9 shows a schematic block diagram of a terminal device provided by an embodiment of the present application. For ease of description, only parts related to the embodiment of the present application are shown.
  • the terminal device 9 may be a computing device such as a desktop computer, a notebook, a palmtop computer, and a cloud server.
  • the terminal device 9 may include: a processor 90, a memory 91, and computer-readable instructions 92 stored in the memory 91 and running on the processor 90, such as computer-readable instructions for executing the aforementioned user portrait method .
  • the processor 90 executes the computer-readable instructions 92, the steps in the foregoing user portrait method embodiments are implemented.
  • each functional unit in each embodiment of the present application is implemented in the form of a software functional unit and sold or used as an independent product, it can be stored in a computer-readable storage medium.
  • the technical solution of the present application essentially or the part that contributes to the existing technology or all or part of the technical solution can be embodied in the form of a software product, and the computer software product is stored in a storage medium , Including several computer-readable instructions to enable a computer device (which may be a personal computer, a server, or a network device, etc.) to perform all or part of the steps of the methods described in the various embodiments of the present application.
  • the aforementioned storage media include: U disk, mobile hard disk, read-only memory (ROM, Read-Only Memory), random access memory (RAM, Random Access Memory), magnetic disks or optical disks, etc., which can store computer readable instructions. Medium.

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

本申请属于计算机技术领域，尤其涉及一种用户画像方法、装置、计算机可读存储介质及终端设备。所述方法获取用户在各个评估维度上的特征信息，并根据所述特征信息构造所述用户的特征向量；从预设的历史用户信息数据库中选取N个训练样本，并组成训练样本集合；将预设的分类器集合中的各个分类器的各种排列顺序进行遍历，根据所述用户的特征向量和所述训练样本集合分别计算各种排列顺序的样本平均距离；从各种排列顺序中选取样本平均距离最小的一种排列顺序作为优选路径，并根据所述用户在所述优选路径中经各个分类器处理得到的标签值构造所述用户的标签向量。在前的分类器的结果会参与到在后的分类器的处理之中，大大提升了用户画像的准确率。

Description

一种用户画像方法、装置、可读存储介质及终端设备
本申请要求于2019年1月16日提交中国专利局、申请号为201910041270.X、发明名称为“一种用户画像方法、装置、可读存储介质及终端设备”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请属于计算机技术领域，尤其涉及一种用户画像方法、装置、计算机可读存储介质及终端设备。
背景技术
随着互联网的普及与发展，越来越多的数据可以被各个互联网运营商收集起来。例如，对于电商网站，可以获得用户的购买记录、浏览记录等信息；对于搜索引擎，可以获得用户的搜索记录、点击记录等信息。为了更好的利用这样的信息，以提供更为高效优质的服务，用户画像这一技术得到了普遍重视。用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。
但是，目前的用户画像一般都是针对单一的标签进行的，然而，在很多实际场景中，一个用户可能同时具有多个不同维度的标签。针对这种多标签的场景，现有技术一般会将各个不同的标签维度独立进行处理，分别在各个标签维度上进行用户画像，这种方式未能充分考虑到各个标签维度之间的关联性，往往导致用户画像的准确率较低。
技术问题
有鉴于此，本申请实施例提供了一种用户画像方法、装置、计算机可读存储介质及终端设备，以解决现有技术一般会将各个不同的标签维度独立进行处理，导致用户画像的准确率较低的问题。
技术解决方案
本申请实施例的第一方面提供了一种用户画像方法，可以包括：
获取用户在预设的各个评估维度上的特征信息，并根据所述特征信息构造所述用户的特征向量；
从预设的历史用户信息数据库中选取N个训练样本，并组成训练样本集合，N为正整数；
将预设的分类器集合中的各个分类器的各种排列顺序进行遍历，根据所述用户的特征向量和所述训练样本集合分别计算各种排列顺序的样本平均距离，所述分类器集合中包括两个以上的不同分类器，每个分类器用于确定一个标签维度上的标签值；
从各种排列顺序中选取样本平均距离最小的一种排列顺序作为优选路径，并根据 所述用户在所述优选路径中经各个分类器处理得到的标签值构造所述用户的标签向量。
本申请实施例的第二方面提供了一种用户画像装置，可以包括用于实现上述用户画像方法的步骤的模块。
本申请实施例的第三方面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可读指令，所述计算机可读指令被处理器执行时实现上述用户画像方法的步骤。
本申请实施例的第四方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现上述用户画像方法的步骤。
有益效果
通过本申请，排列顺序在前的分类器对用户的特征向量的处理结果会传递到排列顺序在后的分类器中，并参与到排列顺序在后的分类器的处理过程之中，从而将各个分类器有机的耦合在一起，充分利用了这些分类器之间的关联性，大大提升了用户画像的准确率。
附图说明
图1为本申请实施例中一种用户画像方法的一个实施例流程图；
图2为各个分类器之间的网状拓扑结构的示意图；
图3为在网状拓扑结构中的优选路径的示意图；
图4为根据用户的特征向量和训练样本集合分别计算各种排列顺序的样本平均距离的示意流程图；
图5为构造出的分类器序列的示意图；
图6为示例中4个分类器之间的网状拓扑结构的示意图；
图7为选取出的优选路径的示意图；
图8为本申请实施例中一种用户画像装置的一个实施例结构图；
图9为本申请实施例中一种终端设备的示意框图。
本发明的实施方式
请参阅图1，本申请实施例中一种用户画像方法的一个实施例可以包括：
步骤S101、获取用户在预设的各个评估维度上的特征信息，并根据所述特征信息构造所述用户的特征向量。
具体的评估维度可以根据实际情况进行设置，例如，若要判断用户对某些产品的购买意向，则所需的评估维度包括但不限于性别信息、年龄信息、受教育程度信息、收入水平信息、工作种类信息等等。
由于上述各个评估维度上的特征信息并不是数值化的信息，不利于进行分析计算，因此，需要首先对各个维度的信息进行数值化处理。
例如，对于性别信息这一评估维度而言，若性别为男性，则可将该评估维度的取值数值化为1，若性别为女性，则可将该评估维度的取值数值化为0；对于年龄这一评估维度而言，若年龄为20岁以下，则可将该评估维度的取值数值化为0，若年龄为20岁至40岁，则可将该评估维度的取值数值化为1，若年龄为40岁至60岁，则可将该评估维度的取值数值化为2，若年龄为60岁以上，则可将该评估维度的取值数值化为3；对于受教育程度这一评估维度而言，若受教育程度为高中及高中以下，则可将该评估维度的取值数值化为0，若受教育程度为本科，则可将该评估维度的取值数值化为1，若受教育程度为硕士研究生，则可将该评估维度的取值数值化为2，若受教育程度为博士研究生及以上，则可将该评估维度的取值数值化为3；其它各个评估维度的数值化处理过程与之类似，此处不再赘述。
需要注意的是，以上的数值化处理过程只是一种可能的数值化处理方式，还可以根据实际情况进行其它类似的数值化处理，此处不对其做具体限制。
在进行完数值化处理之后，则可将各个评估维度上的特征信息构造为如下所示的特征向量：
TgtEgVec＝(TgtEgVal 1,TgtEgVal 2,...,TgtEgVal en,...,TgtEgVal EN)
其中，TgtEgVec为所述用户的特征向量，TgtEgVal en为所述用户的特征向量在第en个评估维度上的特征信息，1≤en≤EN，EN为评估维度的总数。
步骤S102、从预设的历史用户信息数据库中选取N个训练样本，并组成训练样本集合。
N为正整数，其具体取值可以根据实际情况进行设置，一般地，为了保证训练结果的准确性，训练样本的数目应尽量的大，例如，可以将其设置为10000、20000、50000或者其它取值等等。
所述训练样本集合中的每个训练样本均包括一个历史用户的特征向量和标签向量，即：
Sample n＝(EigenVec n,LabelVec n)
其中，Sample n为所述训练样本集合中的第n个训练样本，1≤n≤N，EigenVec n为第n个训练样本的特征向量，且：
EigenVec n＝(EigenVal n,1,EigenVal n,2,...,EigenVal n,en,...,EigenVal n,EN)，
EigenVal n,en为第n个训练样本的特征向量在第en个评估维度上的特征信息，1≤en≤EN，EN为评估维度的总数，LabelVec n为第n个训练样本的标签向量，且：
LabelVec n＝(LabelVal n,1,LabelVal n,2,...,LabelVal n,ln,...,LabelVal n,LN)，
LabelVal n,ln为第n个训练样本的标签向量在第ln个标签维度上的标签值，1≤ln≤LN，LN为标签维度的总数。
为了保证训练结果的准确性，所述训练样本集合在任一标签维度上的标签值均应是均衡分布的，将第ln个标签维度上的标签值的总数，也即第ln个标签维度上的标签值的可能取值的个数记为LVN ln，每个标签值的序号记为lvn ln，1≤lvn ln≤LVN ln，第lvn ln个标签值在所述训练样本集合中出现的次数记为
Figure PCTCN2019091529-appb-000001
且
Figure PCTCN2019091529-appb-000002
则应满足下列条件：
Figure PCTCN2019091529-appb-000003
其中，Threshold为预设的均衡度阈值，其具体取值可以根据实际情况进行设置，例如，可以将其设置为50、100、200或者其它取值等等。
步骤S103、将预设的分类器集合中的各个分类器的各种排列顺序进行遍历，根据所述用户的特征向量和所述训练样本集合分别计算各种排列顺序的样本平均距离。
所述分类器集合中包括两个以上的不同分类器，每个分类器用于确定一个标签维度上的标签值。这些分类器可以是基于决策树、朴素贝叶斯、支持向量机、神经网络、遗传算法中的任意一种算法，各个分类器可以基于相同的算法，也可以基于不同的算法。
各个分类器之间可以建立如图2所示的网状拓扑结构，图2中给出了LN＝2，LN＝3，LN＝4，LN＝5这四种情况下各个分类器之间的网状拓扑结构，其中，圆圈表示分类器，箭头表示分类器的传递方向，任意两个分类器之间均有双向的路径连接，其它情况可以依此类推。
对于由LN个分类器所组成的网状拓扑结构，依次遍历各个分类器节点且每个分类器节点仅遍历一次的路径共有LN的阶乘，即LN！＝1×2×3×…×(LN-1)×LN，，本实施例中即是要通过对所有可能的路径进行遍历选择一条如图3所示的优选路径。
如图4所示，步骤S103具体可以包括以下过程：
步骤S1031、对所述用户的特征向量进行扩展。
例如，可以根据下式对所述用户的特征向量进行扩展：
ExTgtEgVec CandiSq,ln＝(ExTgtEgVec CandiSq,ln-1,SelTgtLbVal CandiSq,ln-1)
其中，ExTgtEgVec CandiSq,ln为所述用户在第CandiSq种排列顺序中的第ln个分类器的处理过程中扩展得到的特征向量，1≤CandiSq≤LN！，LN！为LN的阶乘，特殊地， 设置ExTgtEgVec CandiSq,0＝TgtEgVec，TgtEgVec为所述用户的特征向量，SelTgtLbVal CandiSq,ln为所述用户与第CandiSq种排列顺序中的第ln个分类器对应的标签值，特殊地，设置
Figure PCTCN2019091529-appb-000004
即将其设为空，由此可知，ExTgtEgVec CandiSq,1＝TgtEgVec。
步骤S1032、对所述训练样本集合的各个训练样本的特征向量进行扩展。
例如，可以根据下式对所述训练样本集合的各个训练样本的特征向量进行扩展：
ExEigenVec CandiSq,ln,n＝(ExEigenVec CandiSq,ln-1,n,SelLabelVal CandiSq,ln-1,n)
其中，ExEigenVec CandiSq,ln,n为第n个训练样本在第CandiSq种排列顺序中的第ln个分类器的处理过程中扩展得到的特征向量，特殊地，设置ExEigenVec CandiSq,0,n＝EigenVec n，SelLabelVal CandiSq,ln,n为第n个训练样本与第CandiSq种排列顺序中的第ln个分类器对应的标签值，特殊地，设置
Figure PCTCN2019091529-appb-000005
即将其设为空，由此可知，ExEigenVec CandiSq,1,n＝EigenVec n。
步骤S1033、根据所述用户扩展得到的特征向量与各个训练样本扩展得到的特征向量分别计算各种排列顺序的样本平均距离。
首先，根据下式计算第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的样本平均距离：
Figure PCTCN2019091529-appb-000006
其中，ExTgtElm(CandiSq,ln,i)为所述用户扩展得到的特征向量的第i个元素，ExSpElm(CandiSq,ln,clvn,SpSeq,i)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的第SpSeq个训练样本扩展得到的特征向量的第i个元素，1≤clvn≤CLVN(CandiSq,ln)，CLVN(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的标签值的总数，1≤SpSeq≤CValCount(CandiSq,ln,clvn)，CValCount(CandiSq,ln,clvn)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值在所述训练样本集合中出现的次数，Dis(CandiSq,ln,clvn)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的样本平均距离；
然后，根据下式分别构造第CandiSq种排列顺序中的各个分类器的样本平均距离序列：
DisSq(CandiSq,ln)＝(Dis(CandiSq,ln,1),Dis(CandiSq,ln,2),...,
Dis(CandiSq,ln,clvn),...,Dis(CandiSq,ln,CLVN(CandiSq,ln)))
其中，DisSq(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的样本平均距离序列；
接着，根据下式分别计算第CandiSq种排列顺序中的各个分类器的样本平均距离：
MinDis(CandiSq,ln)＝MIN(DisSq(CandiSq,ln))
＝MIN(Dis(CandiSq,ln,1),Dis(t,sn,2),...,Dis(CandiSq,ln,clvn),...,Dis(CandiSq,ln,CLVN(CandiSq,ln)))其中，MIN为求最小值函数，MinDis(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的样本平均距离；
最后，根据下式计算第CandiSq种排列顺序的样本平均距离：
Figure PCTCN2019091529-appb-000007
其中，TotalDis CandiSq为第CandiSq种排列顺序的样本平均距离。
步骤S104、从各种排列顺序中选取样本平均距离最小的一种排列顺序作为优选路径，并根据所述用户在所述优选路径中经各个分类器处理得到的标签值构造所述用户的标签向量。
将各种排列顺序的样本平均距离构造为如下所示的序列：
TotalDisSq＝(TotalDis 1,TotalDis 2,...,TotalDis CandiSq,...,TotalDis LN！)
再从中选取样本平均距离最小的一种排列顺序作为优选路径，即：
SelPath＝argmin(TotalDisSq)
＝argmax(TotalDis 1,TotalDis 2,...,TotalDis CandiSq,...,TotalDis LN！)
其中，SelPath即为选取出的优选路径的序号。
经过上述的过程，确定了分类器所组成的网状拓扑结构的优选路径，按照该路径中各个分类器的顺序依次连接，即可构造出如图5所示的分类器序列。
最后，根据下式构造所述用户的标签向量：
TgtLbVec＝(TgtLbVal 1,TgtLbVal 2,...,TgtLbVal ln,...,TgtLbVal LN)
其中，TgtLbVal ln为所述用户在所述优选路径中经第ln个分类器处理得到的标签值，TgtLbVec为所述用户的标签向量。
现对以上整个过程举例具体说明如下：
若采集的用户数据分别为性别信息、年龄信息、受教育程度信息、收入水平信息、工作种类信息，现需要根据这些信息分别评估该用户对产品A、产品B、产品C、产品D这四类产品的购买意向，即4个标签值。
预先设置4个分类器，其中，分类器A用于对用户对产品A的购买意向进行评估，分类器B用于对用户对产品A的购买意向进行评估，分类器C用于对用户对产品C的购买意向进行评估，分类器D用于对用户对产品D的购买意向进行评估，4个分类器构成图6所示的网状拓扑结构。
其中的可选路径共有24种，分别为：
分类器A→分类器B→分类器C→分类器D
分类器A→分类器B→分类器D→分类器C
分类器A→分类器C→分类器B→分类器D
分类器A→分类器C→分类器D→分类器B
分类器A→分类器D→分类器B→分类器C
分类器A→分类器D→分类器C→分类器B
……
……
按照前述方式针对该用户选取出其优选路径，假设最终选取出的优选路径如7所示，则最终构造出的分类器序列即为：
分类器C→分类器B→分类器A→分类器D。
使用该分类器序列进行用户的多标签画像，首先，将待评估的用户的性别信息、年龄信息、受教育程度信息、收入水平信息、工作种类信息这5个维度上的特征信息输入到分类器C中，得到该用户对产品C的购买意向，然后，将该用户的性别信息、年龄信息、受教育程度信息、收入水平信息、工作种类信息以及对产品C的购买意向这6个维度上的特征信息输入到分类器B中，得到该用户对产品B的购买意向，再将该用户的性别信息、年龄信息、受教育程度信息、收入水平信息、工作种类信息以及对产品C的购买意向、对产品B的购买意向这7个维度上的特征信息输入到分类器A中，得到该用户对产品A的购买意向，最后，将该用户的性别信息、年龄信息、受教育程度信息、收入水平信息、工作种类信息以及对产品C的购买意向、对产品B的购买意向、对产品A的购买意向这8个维度上的特征信息输入到分类器D中，得到该用户对产品D的购买意向。
综上所述，通过本申请，排列顺序在前的分类器对用户的特征向量的处理结果会传递到排列顺序在后的分类器中，并参与到排列顺序在后的分类器的处理过程之中，从而将各个分类器有机的耦合在一起，充分利用了这些分类器之间的关联性，大大提升了用户画像的准确率。
对应于上文实施例所述的一种用户画像方法，图8示出了本申请实施例提供的一种用户画像装置的一个实施例结构图。
本实施例中，一种用户画像装置可以包括：
特征向量构造模块801，用于获取用户在预设的各个评估维度上的特征信息，并根据所述特征信息构造所述用户的特征向量；
训练样本选取模块802，用于从预设的历史用户信息数据库中选取N个训练样本，并组成训练样本集合，N为正整数，所述训练样本集合中的每个训练样本均包括一个 历史用户的特征向量和标签向量。
遍历计算模块803，用于将预设的分类器集合中的各个分类器的各种排列顺序进行遍历，根据所述用户的特征向量和所述训练样本集合分别计算各种排列顺序的样本平均距离，所述分类器集合中包括两个以上的不同分类器，每个分类器用于确定一个标签维度上的标签值；
标签向量构造模块804，用于从各种排列顺序中选取样本平均距离最小的一种排列顺序作为优选路径，并根据所述用户在所述优选路径中经各个分类器处理得到的标签值构造所述用户的标签向量。
进一步地，所述遍历计算模块可以包括：
第一扩展单元，用于对所述用户的特征向量进行扩展；
第二扩展单元，用于对所述训练样本集合的各个训练样本的特征向量进行扩展；
样本平均距离计算单元，用于根据所述用户扩展得到的特征向量与各个训练样本扩展得到的特征向量分别计算各种排列顺序的样本平均距离。
进一步地，所述样本平均距离计算单元可以包括：
第一子单元，用于计算第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的样本平均距离；
第二子单元，用于分别构造第CandiSq种排列顺序中的各个分类器的样本平均距离序列；
第三子单元，用于分别计算第CandiSq种排列顺序中的各个分类器的样本平均距离；
第四子单元，用于计算第CandiSq种排列顺序的样本平均距离。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图9示出了本申请实施例提供的一种终端设备的示意框图，为了便于说明，仅示出了与本申请实施例相关的部分。
在本实施例中，所述终端设备9可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备9可包括：处理器90、存储器91以及存储在所述存储器91中并可在所述处理器90上运行的计算机可读指令92，例如执行上述的用户画像方法的计算机可读指令。所述处理器90执行所述计算机可读指令92时实现上述各个用户画像方法实施例中的步骤。
在本申请各个实施例中的各功能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。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介质中，包括若干计算机可读指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储计算机可读指令的介质。

Claims (20)

  1. 一种用户画像方法，其特征在于，包括：
    获取用户在预设的各个评估维度上的特征信息，并根据所述特征信息构造所述用户的特征向量；
    从预设的历史用户信息数据库中选取N个训练样本，并组成训练样本集合，N为正整数；
    将预设的分类器集合中的各个分类器的各种排列顺序进行遍历，根据所述用户的特征向量和所述训练样本集合分别计算各种排列顺序的样本平均距离，所述分类器集合中包括两个以上的不同分类器，每个分类器用于确定一个标签维度上的标签值；
    从各种排列顺序中选取样本平均距离最小的一种排列顺序作为优选路径，并根据所述用户在所述优选路径中经各个分类器处理得到的标签值构造所述用户的标签向量。
  2. 根据权利要求1所述的用户画像方法，其特征在于，所述训练样本集合中的每个训练样本均包括一个历史用户的特征向量和标签向量，即：
    Sample n＝(EigenVec n,LabelVec n)
    其中，Sample n为所述训练样本集合中的第n个训练样本，1≤n≤N，EigenVec n为第n个训练样本的特征向量，且：
    EigenVec n＝(EigenVal n,1,EigenVal n,2,...,EigenVal n,en,...,EigenVal n,EN)，
    EigenVal n,en为第n个训练样本的特征向量在第en个评估维度上的特征信息，1≤en≤EN，EN为评估维度的总数，LabelVec n为第n个训练样本的标签向量，且：
    LabelVec n＝(LabelVal n,1,LabelVal n,2,...,LabelVal n,ln,...,LabelVal n,LN)，
    LabelVal n,ln为第n个训练样本的标签向量在第ln个标签维度上的标签值，1≤ln≤LN，LN为标签维度的总数。
  3. 根据权利要求2所述的用户画像方法，其特征在于，所述分别计算各种排列顺序的样本平均距离包括：
    根据下式对所述用户的特征向量进行扩展：
    ExTgtEgVec CandiSq,ln＝(ExTgtEgVec CandiSq,ln-1,SelTgtLbVal CandiSq,ln-1)
    其中，ExTgtEgVec CandiSq,ln为所述用户在第CandiSq种排列顺序中的第ln个分类器的处理过程中扩展得到的特征向量，1≤CandiSq≤LN！，LN！为LN的阶乘，特殊地，设置ExTgtEgVec CandiSq,0＝TgtEgVec，TgtEgVec为所述用户的特征向量，SelTgtLbVal CandiSq,ln为所述用户与第CandiSq种排列顺序中的第ln个分类器对应的标签值，特殊地，设置
    Figure PCTCN2019091529-appb-100001
    根据下式对所述训练样本集合的各个训练样本的特征向量进行扩展：
    ExEigenVec CandiSq,ln,n＝(ExEigenVec CandiSq,ln-1,n,SelLabelVal CandiSq,ln-1,n)
    其中，ExEigenVec CandiSq,ln,n为第n个训练样本在第CandiSq种排列顺序中的第ln个分类器的处理过程中扩展得到的特征向量，特殊地，设置ExEigenVec CandiSq,0,n＝EigenVec n，SelLabelVal CandiSq,ln,n为第n个训练样本与第CandiSq种排列顺序中的第ln个分类器对应的标签值，特殊地，设置
    Figure PCTCN2019091529-appb-100002
    根据所述用户扩展得到的特征向量与各个训练样本扩展得到的特征向量分别计算各种排列顺序的样本平均距离。
  4. 根据权利要求3所述的用户画像方法，其特征在于，所述根据所述用户扩展得到的特征向量与各个训练样本扩展得到的特征向量分别计算各种排列顺序的样本平均距离包括：
    根据下式计算第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的样本平均距离：
    Figure PCTCN2019091529-appb-100003
    其中，ExTgtElm(CandiSq,ln,i)为所述用户扩展得到的特征向量的第i个元素，ExSpElm(CandiSq,ln,clvn,SpSeq,i)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的第SpSeq个训练样本扩展得到的特征向量的第i个元素，1≤clvn≤CLVN(CandiSq,ln)，CLVN(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的标签值的总数，1≤SpSeq≤CValCount(CandiSq,ln,clvn)，CValCount(CandiSq,ln,clvn)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值在所述训练样本集合中出现的次数，Dis(CandiSq,ln,clvn)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的样本平均距离；
    根据下式分别构造第CandiSq种排列顺序中的各个分类器的样本平均距离序列：
    DisSq(CandiSq,ln)＝(Dis(CandiSq,ln,1),Dis(CandiSq,ln,2),...,
    Dis(CandiSq,ln,clvn),...,Dis(CandiSq,ln,CLVN(CandiSq,ln)))
    其中，DisSq(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的样本平均距离序列；
    根据下式分别计算第CandiSq种排列顺序中的各个分类器的样本平均距离：
    MinDis(CandiSq,ln)＝MIN(DisSq(CandiSq,ln))
    ＝MIN(Dis(CandiSq,ln,1),Dis(t,sn,2),...,Dis(CandiSq,ln,clvn),...,Dis(CandiSq,ln,CLVN(CandiSq,ln)))其中，MIN为求最小值函数，MinDis(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的样本平均距离；
    根据下式计算第CandiSq种排列顺序的样本平均距离：
    Figure PCTCN2019091529-appb-100004
    其中，TotalDis CandiSq为第CandiSq种排列顺序的样本平均距离。
  5. 根据权利要求1至4中任一项所述的用户画像方法，其特征在于，所述训练样本集合满足下列条件：
    Figure PCTCN2019091529-appb-100005
    其中，LVN ln为第ln个标签维度上的标签值的总数，每个标签值的序号记为lvn ln，1≤lvn ln≤LVN ln，
    Figure PCTCN2019091529-appb-100006
    为第lvn ln个标签值在所述训练样本集合中出现的次数，且
    Figure PCTCN2019091529-appb-100007
    Threshold为预设的均衡度阈值。
  6. 一种用户画像装置，其特征在于，包括：
    特征向量构造模块，用于获取用户在预设的各个评估维度上的特征信息，并根据所述特征信息构造所述用户的特征向量；
    训练样本选取模块，用于从预设的历史用户信息数据库中选取N个训练样本，并组成训练样本集合，N为正整数；
    遍历计算模块，用于将预设的分类器集合中的各个分类器的各种排列顺序进行遍历，根据所述用户的特征向量和所述训练样本集合分别计算各种排列顺序的样本平均距离，所述分类器集合中包括两个以上的不同分类器，每个分类器用于确定一个标签维度上的标签值；
    标签向量构造模块，用于从各种排列顺序中选取样本平均距离最小的一种排列顺序作为优选路径，并根据所述用户在所述优选路径中经各个分类器处理得到的标签值构造所述用户的标签向量。
  7. 根据权利要求6所述的用户画像装置，其特征在于，所述训练样本集合中的每个训练样本均包括一个历史用户的特征向量和标签向量，即：
    Sample n＝(EigenVec n,LabelVec n)
    其中，Sample n为所述训练样本集合中的第n个训练样本，1≤n≤N，EigenVec n为第n个训练样本的特征向量，且：
    EigenVec n＝(EigenVal n,1,EigenVal n,2,...,EigenVal n,en,...,EigenVal n,EN)，
    EigenVal n,en为第n个训练样本的特征向量在第en个评估维度上的特征信息，1≤en≤EN，EN为评估维度的总数，LabelVec n为第n个训练样本的标签向量，且：
    LabelVec n＝(LabelVal n,1,LabelVal n,2,...,LabelVal n,ln,...,LabelVal n,LN)，
    LabelVal n,ln为第n个训练样本的标签向量在第ln个标签维度上的标签值，1≤ln≤LN，LN为标签维度的总数。
  8. 根据权利要求7所述的用户画像装置，其特征在于，所述遍历计算模块包括：
    第一扩展单元，用于根据下式对所述用户的特征向量进行扩展：
    ExTgtEgVec CandiSq,ln＝(ExTgtEgVec CandiSq,ln-1,SelTgtLbVal CandiSq,ln-1)
    其中，ExTgtEgVec CandiSq,ln为所述用户在第CandiSq种排列顺序中的第ln个分类器的处理过程中扩展得到的特征向量，1≤CandiSq≤LN！，LN！为LN的阶乘，特殊地，设置ExTgtEgVec CandiSq,0＝TgtEgVec，TgtEgVec为所述用户的特征向量，SelTgtLbVal CandiSq,ln为所述用户与第CandiSq种排列顺序中的第ln个分类器对应的标签值，特殊地，设置
    Figure PCTCN2019091529-appb-100008
    第二扩展单元，用于根据下式对所述训练样本集合的各个训练样本的特征向量进行扩展：
    ExEigenVec CandiSq,ln,n＝(ExEigenVec CandiSq,ln-1,n,SelLabelVal CandiSq,ln-1,n)
    其中，ExEigenVec CandiSq,ln,n为第n个训练样本在第CandiSq种排列顺序中的第ln个分类器的处理过程中扩展得到的特征向量，特殊地，设置ExEigenVec CandiSq,0,n＝EigenVec n，SelLabelVal CandiSq,ln,n为第n个训练样本与第CandiSq种排列顺序中的第ln个分类器对应的标签值，特殊地，设置
    Figure PCTCN2019091529-appb-100009
    样本平均距离计算单元，用于根据所述用户扩展得到的特征向量与各个训练样本扩展得到的特征向量分别计算各种排列顺序的样本平均距离。
  9. 根据权利要求8所述的用户画像装置，其特征在于，所述样本平均距离计算单元包括：
    第一子单元，用于根据下式计算第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的样本平均距离：
    Figure PCTCN2019091529-appb-100010
    其中，ExTgtElm(CandiSq,ln,i)为所述用户扩展得到的特征向量的第i个元素，ExSpElm(CandiSq,ln,clvn,SpSeq,i)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的第SpSeq个训练样本扩展得到的特征向量的第i个元素，1≤clvn≤CLVN(CandiSq,ln)，CLVN(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的标签值的总数，1≤SpSeq≤CValCount(CandiSq,ln,clvn)，CValCount(CandiSq,ln,clvn)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值在所述训练样本集合中出现的次数，Dis(CandiSq,ln,clvn)为第CandiSq种排列顺序中 的第ln个分类器的第clvn个标签值的样本平均距离；
    第二子单元，用于根据下式分别构造第CandiSq种排列顺序中的各个分类器的样本平均距离序列：
    DisSq(CandiSq,ln)＝(Dis(CandiSq,ln,1),Dis(CandiSq,ln,2),...,
    Dis(CandiSq,ln,clvn),...,Dis(CandiSq,ln,CLVN(CandiSq,ln)))
    其中，DisSq(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的样本平均距离序列；
    第三子单元，用于根据下式分别计算第CandiSq种排列顺序中的各个分类器的样本平均距离：
    MinDis(CandiSq,ln)＝MIN(DisSq(CandiSq,ln))
    ＝MIN(Dis(CandiSq,ln,1),Dis(t,sn,2),...,Dis(CandiSq,ln,clvn),...,Dis(CandiSq,ln,CLVN(CandiSq,ln)))其中，MIN为求最小值函数，MinDis(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的样本平均距离；
    第四子单元，用于根据下式计算第CandiSq种排列顺序的样本平均距离：
    Figure PCTCN2019091529-appb-100011
    其中，TotalDis CandiSq为第CandiSq种排列顺序的样本平均距离。
  10. 根据权利要求6至9中任一项所述的用户画像装置，其特征在于，所述训练样本集合满足下列条件：
    Figure PCTCN2019091529-appb-100012
    其中，LVN ln为第ln个标签维度上的标签值的总数，每个标签值的序号记为lvn ln，1≤lvn ln≤LVN ln，
    Figure PCTCN2019091529-appb-100013
    为第lvn ln个标签值在所述训练样本集合中出现的次数，且
    Figure PCTCN2019091529-appb-100014
    Threshold为预设的均衡度阈值。
  11. 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可读指令，其特征在于，所述计算机可读指令被处理器执行时实现如下步骤：
    获取用户在预设的各个评估维度上的特征信息，并根据所述特征信息构造所述用户的特征向量；
    从预设的历史用户信息数据库中选取N个训练样本，并组成训练样本集合，N为正整数；
    将预设的分类器集合中的各个分类器的各种排列顺序进行遍历，根据所述用户的特征向量和所述训练样本集合分别计算各种排列顺序的样本平均距离，所述分类器集 合中包括两个以上的不同分类器，每个分类器用于确定一个标签维度上的标签值；
    从各种排列顺序中选取样本平均距离最小的一种排列顺序作为优选路径，并根据所述用户在所述优选路径中经各个分类器处理得到的标签值构造所述用户的标签向量。
  12. 根据权利要求11所述的计算机可读存储介质，其特征在于，所述训练样本集合中的每个训练样本均包括一个历史用户的特征向量和标签向量，即：
    Sample n＝(EigenVec n,LabelVec n)
    其中，Sample n为所述训练样本集合中的第n个训练样本，1≤n≤N，EigenVec n为第n个训练样本的特征向量，且：
    EigenVec n＝(EigenVal n,1,EigenVal n,2,...,EigenVal n,en,...,EigenVal n,EN)，
    EigenVal n,en为第n个训练样本的特征向量在第en个评估维度上的特征信息，1≤en≤EN，EN为评估维度的总数，LabelVec n为第n个训练样本的标签向量，且：
    LabelVec n＝(LabelVal n,1,LabelVal n,2,...,LabelVal n,ln,...,LabelVal n,LN)，
    LabelVal n,ln为第n个训练样本的标签向量在第ln个标签维度上的标签值，1≤ln≤LN，LN为标签维度的总数。
  13. 根据权利要求12所述的计算机可读存储介质，其特征在于，所述分别计算各种排列顺序的样本平均距离包括：
    根据下式对所述用户的特征向量进行扩展：
    ExTgtEgVec CandiSq,ln＝(ExTgtEgVec CandiSq,ln-1,SelTgtLbVal CandiSq,ln-1)
    其中，ExTgtEgVec CandiSq,ln为所述用户在第CandiSq种排列顺序中的第ln个分类器的处理过程中扩展得到的特征向量，1≤CandiSq≤LN！，LN！为LN的阶乘，特殊地，设置ExTgtEgVec CandiSq,0＝TgtEgVec，TgtEgVec为所述用户的特征向量，SelTgtLbVal CandiSq,ln为所述用户与第CandiSq种排列顺序中的第ln个分类器对应的标签值，特殊地，设置
    Figure PCTCN2019091529-appb-100015
    根据下式对所述训练样本集合的各个训练样本的特征向量进行扩展：
    ExEigenVec CandiSq,ln,n＝(ExEigenVec CandiSq,ln-1,n,SelLabelVal CandiSq,ln-1,n)
    其中，ExEigenVec CandiSq,ln,n为第n个训练样本在第CandiSq种排列顺序中的第ln个分类器的处理过程中扩展得到的特征向量，特殊地，设置ExEigenVec CandiSq,0,n＝EigenVec n，SelLabelVal CandiSq,ln,n为第n个训练样本与第CandiSq种排列顺序中的第ln个分类器对应的标签值，特殊地，设置
    Figure PCTCN2019091529-appb-100016
    根据所述用户扩展得到的特征向量与各个训练样本扩展得到的特征向量分别计算各种排列顺序的样本平均距离。
  14. 根据权利要求13所述的计算机可读存储介质，其特征在于，所述根据所述用 户扩展得到的特征向量与各个训练样本扩展得到的特征向量分别计算各种排列顺序的样本平均距离包括：
    根据下式计算第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的样本平均距离：
    Figure PCTCN2019091529-appb-100017
    其中，ExTgtElm(CandiSq,ln,i)为所述用户扩展得到的特征向量的第i个元素，ExSpElm(CandiSq,ln,clvn,SpSeq,i)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的第SpSeq个训练样本扩展得到的特征向量的第i个元素，1≤clvn≤CLVN(CandiSq,ln)，CLVN(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的标签值的总数，1≤SpSeq≤CValCount(CandiSq,ln,clvn)，CValCount(CandiSq,ln,clvn)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值在所述训练样本集合中出现的次数，Dis(CandiSq,ln,clvn)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的样本平均距离；
    根据下式分别构造第CandiSq种排列顺序中的各个分类器的样本平均距离序列：
    DisSq(CandiSq,ln)＝(Dis(CandiSq,ln,1),Dis(CandiSq,ln,2),...,
    Dis(CandiSq,ln,clvn),...,Dis(CandiSq,ln,CLVN(CandiSq,ln)))
    其中，DisSq(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的样本平均距离序列；
    根据下式分别计算第CandiSq种排列顺序中的各个分类器的样本平均距离：
    MinDis(CandiSq,ln)＝MIN(DisSq(CandiSq,ln))
    ＝MIN(Dis(CandiSq,ln,1),Dis(t,sn,2),...,Dis(CandiSq,ln,clvn),...,Dis(CandiSq,ln,CLVN(CandiSq,ln)))其中，MIN为求最小值函数，MinDis(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的样本平均距离；
    根据下式计算第CandiSq种排列顺序的样本平均距离：
    Figure PCTCN2019091529-appb-100018
    其中，TotalDis CandiSq为第CandiSq种排列顺序的样本平均距离。
  15. 根据权利要求11至14中任一项所述的计算机可读存储介质，其特征在于，所述训练样本集合满足下列条件：
    Figure PCTCN2019091529-appb-100019
    其中，LVN ln为第ln个标签维度上的标签值的总数，每个标签值的序号记为lvn ln，1≤lvn ln≤LVN ln，
    Figure PCTCN2019091529-appb-100020
    为第lvn ln个标签值在所述训练样本集合中出现的次数，且
    Figure PCTCN2019091529-appb-100021
    Threshold为预设的均衡度阈值。
  16. 一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现如下步骤：
    获取用户在预设的各个评估维度上的特征信息，并根据所述特征信息构造所述用户的特征向量；
    从预设的历史用户信息数据库中选取N个训练样本，并组成训练样本集合，N为正整数；
    将预设的分类器集合中的各个分类器的各种排列顺序进行遍历，根据所述用户的特征向量和所述训练样本集合分别计算各种排列顺序的样本平均距离，所述分类器集合中包括两个以上的不同分类器，每个分类器用于确定一个标签维度上的标签值；
    从各种排列顺序中选取样本平均距离最小的一种排列顺序作为优选路径，并根据所述用户在所述优选路径中经各个分类器处理得到的标签值构造所述用户的标签向量。
  17. 根据权利要求16所述的终端设备，其特征在于，所述训练样本集合中的每个训练样本均包括一个历史用户的特征向量和标签向量，即：
    Sample n＝(EigenVec n,LabelVec n)
    其中，Sample n为所述训练样本集合中的第n个训练样本，1≤n≤N，EigenVec n为第n个训练样本的特征向量，且：
    EigenVec n＝(EigenVal n,1,EigenVal n,2,...,EigenVal n,en,...,EigenVal n,EN)，
    EigenVal n,en为第n个训练样本的特征向量在第en个评估维度上的特征信息，1≤en≤EN，EN为评估维度的总数，LabelVec n为第n个训练样本的标签向量，且：
    LabelVec n＝(LabelVal n,1,LabelVal n,2,...,LabelVal n,ln,...,LabelVal n,LN)，
    LabelVal n,ln为第n个训练样本的标签向量在第ln个标签维度上的标签值，1≤ln≤LN，LN为标签维度的总数。
  18. 根据权利要求17所述的终端设备，其特征在于，所述分别计算各种排列顺序的样本平均距离包括：
    根据下式对所述用户的特征向量进行扩展：
    ExTgtEgVec CandiSq,ln＝(ExTgtEgVec CandiSq,ln- 1,SelTgtLbVal CandiSq,ln-1)
    其中，ExTgtEgVec CandiSq,ln为所述用户在第CandiSq种排列顺序中的第ln个分类器 的处理过程中扩展得到的特征向量，1≤CandiSq≤LN！，LN！为LN的阶乘，特殊地，设置ExTgtEgVec CandiSq,0＝TgtEgVec，TgtEgVec为所述用户的特征向量，SelTgtLbVal CandiSq,ln为所述用户与第CandiSq种排列顺序中的第ln个分类器对应的标签值，特殊地，设置
    Figure PCTCN2019091529-appb-100022
    根据下式对所述训练样本集合的各个训练样本的特征向量进行扩展：
    ExEigenVec CandiSq,ln,n＝(ExEigenVec CandiSq,ln-1,n,SelLabelVal CandiSq,ln-1,n)
    其中，ExEigenVec CandiSq,ln,n为第n个训练样本在第CandiSq种排列顺序中的第ln个分类器的处理过程中扩展得到的特征向量，特殊地，设置ExEigenVec CandiSq,0,n＝EigenVec n，SelLabelVal CandiSq,ln,n为第n个训练样本与第CandiSq种排列顺序中的第ln个分类器对应的标签值，特殊地，设置
    Figure PCTCN2019091529-appb-100023
    根据所述用户扩展得到的特征向量与各个训练样本扩展得到的特征向量分别计算各种排列顺序的样本平均距离。
  19. 根据权利要求18所述的终端设备，其特征在于，所述根据所述用户扩展得到的特征向量与各个训练样本扩展得到的特征向量分别计算各种排列顺序的样本平均距离包括：
    根据下式计算第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的样本平均距离：
    Figure PCTCN2019091529-appb-100024
    其中，ExTgtElm(CandiSq,ln,i)为所述用户扩展得到的特征向量的第i个元素，ExSpElm(CandiSq,ln,clvn,SpSeq,i)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的第SpSeq个训练样本扩展得到的特征向量的第i个元素，1≤clvn≤CLVN(CandiSq,ln)，CLVN(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的标签值的总数，1≤SpSeq≤CValCount(CandiSq,ln,clvn)，CValCount(CandiSq,ln,clvn)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值在所述训练样本集合中出现的次数，Dis(CandiSq,ln,clvn)为第CandiSq种排列顺序中的第ln个分类器的第clvn个标签值的样本平均距离；
    根据下式分别构造第CandiSq种排列顺序中的各个分类器的样本平均距离序列：
    DisSq(CandiSq,ln)＝(Dis(CandiSq,ln,1),Dis(CandiSq,ln,2),...,
    Dis(CandiSq,ln,clvn),...,Dis(CandiSq,ln,CLVN(CandiSq,ln)))
    其中，DisSq(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的样本平均距离序列；
    根据下式分别计算第CandiSq种排列顺序中的各个分类器的样本平均距离：
    MinDis(CandiSq,ln)＝MIN(DisSq(CandiSq,ln))
    ＝MIN(Dis(CandiSq,ln,1),Dis(t,sn,2),...,Dis(CandiSq,ln,clvn),...,Dis(CandiSq,ln,CLVN(CandiSq,ln)))其中，MIN为求最小值函数，MinDis(CandiSq,ln)为第CandiSq种排列顺序中的第ln个分类器的样本平均距离；
    根据下式计算第CandiSq种排列顺序的样本平均距离：
    Figure PCTCN2019091529-appb-100025
    其中，TotalDis CandiSq为第CandiSq种排列顺序的样本平均距离。
  20. 根据权利要求16至19中任一项所述的终端设备，其特征在于，所述训练样本
    集合满足下列条件：
    Figure PCTCN2019091529-appb-100026
    其中，LVN ln为第ln个标签维度上的标签值的总数，每个标签值的序号记为lvn ln，1≤lvn ln≤LVN ln，
    Figure PCTCN2019091529-appb-100027
    为第lvn ln个标签值在所述训练样本集合中出现的次数，且
    Figure PCTCN2019091529-appb-100028
    Threshold为预设的均衡度阈值。
PCT/CN2019/091529 2019-01-16 2019-06-17 一种用户画像方法、装置、可读存储介质及终端设备 Ceased WO2020147259A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910041270.XA CN109885745A (zh) 2019-01-16 2019-01-16 一种用户画像方法、装置、可读存储介质及终端设备
CN201910041270.X 2019-01-16

Publications (1)

Publication Number Publication Date
WO2020147259A1 true WO2020147259A1 (zh) 2020-07-23

Family

ID=66926052

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/091529 Ceased WO2020147259A1 (zh) 2019-01-16 2019-06-17 一种用户画像方法、装置、可读存储介质及终端设备

Country Status (2)

Country Link
CN (1) CN109885745A (zh)
WO (1) WO2020147259A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113609851A (zh) * 2021-07-09 2021-11-05 浙江连信科技有限公司 心理学上想法认知偏差的识别方法、装置及电子设备
CN114936318A (zh) * 2022-05-16 2022-08-23 广发证券股份有限公司 一种通用人群拓展方法、装置及存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109885745A (zh) * 2019-01-16 2019-06-14 平安科技（深圳）有限公司 一种用户画像方法、装置、可读存储介质及终端设备
CN111242239B (zh) * 2020-01-21 2023-05-30 腾讯科技（深圳）有限公司 一种训练样本选取方法、装置、以及计算机存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615730A (zh) * 2015-02-09 2015-05-13 浪潮集团有限公司 一种多标签分类方法及装置
CN106779929A (zh) * 2016-12-05 2017-05-31 北京知道创宇信息技术有限公司 一种产品推荐方法、装置和计算设备
CN107633036A (zh) * 2017-09-08 2018-01-26 广州汪汪信息技术有限公司 一种微博用户画像方法、电子设备、存储介质、系统
CN108229590A (zh) * 2018-02-13 2018-06-29 阿里巴巴集团控股有限公司 一种获取多标签用户画像的方法和装置
CN108629633A (zh) * 2018-05-09 2018-10-09 浪潮软件股份有限公司 一种基于大数据建立用户画像的方法及系统
KR20180131221A (ko) * 2017-05-31 2018-12-10 에스케이플래닛 주식회사 사용자분석장치 및 그 동작 방법, 그리고 서비스제공장치
CN109002490A (zh) * 2018-06-26 2018-12-14 腾讯科技（深圳）有限公司 用户画像生成方法、装置、服务器及存储介质
CN109885745A (zh) * 2019-01-16 2019-06-14 平安科技（深圳）有限公司 一种用户画像方法、装置、可读存储介质及终端设备

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8687893B2 (en) * 2011-03-31 2014-04-01 Microsoft Corporation Classification algorithm optimization
US20140214734A1 (en) * 2013-01-31 2014-07-31 Hewlett-Packard Development Company, L.P. Classifying a submission
CN108053035A (zh) * 2018-01-03 2018-05-18 清华大学 基于近似类内与类间约束的完全非平衡标签下的网络表示学习方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104615730A (zh) * 2015-02-09 2015-05-13 浪潮集团有限公司 一种多标签分类方法及装置
CN106779929A (zh) * 2016-12-05 2017-05-31 北京知道创宇信息技术有限公司 一种产品推荐方法、装置和计算设备
KR20180131221A (ko) * 2017-05-31 2018-12-10 에스케이플래닛 주식회사 사용자분석장치 및 그 동작 방법, 그리고 서비스제공장치
CN107633036A (zh) * 2017-09-08 2018-01-26 广州汪汪信息技术有限公司 一种微博用户画像方法、电子设备、存储介质、系统
CN108229590A (zh) * 2018-02-13 2018-06-29 阿里巴巴集团控股有限公司 一种获取多标签用户画像的方法和装置
CN108629633A (zh) * 2018-05-09 2018-10-09 浪潮软件股份有限公司 一种基于大数据建立用户画像的方法及系统
CN109002490A (zh) * 2018-06-26 2018-12-14 腾讯科技（深圳）有限公司 用户画像生成方法、装置、服务器及存储介质
CN109885745A (zh) * 2019-01-16 2019-06-14 平安科技（深圳）有限公司 一种用户画像方法、装置、可读存储介质及终端设备

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113609851A (zh) * 2021-07-09 2021-11-05 浙江连信科技有限公司 心理学上想法认知偏差的识别方法、装置及电子设备
CN114936318A (zh) * 2022-05-16 2022-08-23 广发证券股份有限公司 一种通用人群拓展方法、装置及存储介质
CN114936318B (zh) * 2022-05-16 2024-08-20 广发证券股份有限公司 一种通用人群拓展方法、装置及存储介质

Also Published As

Publication number Publication date
CN109885745A (zh) 2019-06-14

Similar Documents

Publication Publication Date Title
CN111475637B (zh) 用于推送知识点的数据处理、训练方法及装置
CN105224699B (zh) 一种新闻推荐方法及装置
CN105740401B (zh) 一种基于个体行为和群体兴趣的兴趣地点推荐方法及装置
CN107357793B (zh) 信息推荐方法和装置
CN111797321A (zh) 一种面向不同场景的个性化知识推荐方法及系统
WO2022179384A1 (zh) 一种社交群体的划分方法、划分系统及相关装置
CN113807422B (zh) 融合多特征信息的加权图卷积神经网络评分预测模型
CN104573130B (zh) 基于群体计算的实体解析方法及装置
CN107506480A (zh) 一种基于评论挖掘与密度聚类的双层图结构推荐方法
JP2013519138A (ja) アイテム関連付けのための結合埋込
CN108629358A (zh) 对象类别的预测方法及装置
CN114048318A (zh) 基于密度半径的聚类方法、系统、设备及存储介质
CN107832338A (zh) 一种识别核心产品词的方法和系统
WO2020147259A1 (zh) 一种用户画像方法、装置、可读存储介质及终端设备
CN104750798A (zh) 一种应用程序的推荐方法和装置
CN110162711A (zh) 一种基于网络嵌入法的资源智能推荐方法及系统
WO2025020590A1 (zh) 一种数据聚类方法、装置及计算机可读存储介质
CN103778206A (zh) 一种网络服务资源的提供方法
CN110795613B (zh) 商品搜索方法、装置、系统及电子设备
CN116070024A (zh) 基于新能源云和用户行为的文章推荐方法和装置
CN114880442A (zh) 习题知识点的识别方法、装置、计算机设备和存储介质
CN105701516B (zh) 一种基于属性判别的自动图像标注方法
Sun Personalized music recommendation algorithm based on spark platform
Hidayati et al. The influence of user profile and post metadata on the popularity of image-based social media: A data perspective
CN111767419A (zh) 图片搜索方法、装置、设备及计算机可读存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19910066

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19910066

Country of ref document: EP

Kind code of ref document: A1