WO2021047326A1 - 信息推荐方法、装置、计算机设备和存储介质 - Google Patents

Abstract

一种信息推荐方法、装置、计算机设备和存储介质，涉及大数据，包括：获取目标推荐用户及其手机号码，提取手机号码的关联信息，包括注册信息和交互数据，根据注册信息对手机号码进行特征分析，获得手机号码的号码特征，根据号码特征以及交互数据，获得手机号码对应的目标推荐用户的用户特征类别，获取满足预定条件的老用户的主体特征标签，满足预定条件为老用户的用户特征类别与目标推荐用户的用户特征类别相同，基于老用户的主体特征标签，确定目标推荐用户的特征标签，获取与特征标签对应的待推荐信息，推荐给目标推荐用户。

Description

信息推荐方法、装置、计算机设备和存储介质

相关申请的交叉引用

本申请要求于2019年9月9日提交中国专利局，申请号为2019108479888，申请名称为“信息推荐方法、装置、计算机设备和存储介质”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

本申请涉及大数据技术领域，特别是涉及一种信息推荐方法、装置、计算机设备和存储介质。

背景技术

随着计算机技术的发展，以及智能移动终端的普及，越来越多的应用程序被开发应用到移动终端，为人们的生活提供便捷。应用程序后台可通过搜集使用所开发的应用程序的用户的行为数据，包括用户的具体信息、生活习惯以及消费习惯等数据，得到用户画像，进而抽象得到用户标签。在用户使用应用程序的过程中，应用程序后台可基于用户画像，向用户推送与其用户标签对应的信息，以进行信息推广，提高用户粘度。

然而，发明人意识到，对于其中一些用户，如刚成为应用程序的新注册用户，并没有新注册用户在该应用程序上的大量行为数据，因此无法对该新注册用户采用传统的方法获得用户画像，进而也无法针对该新注册用户进行针对性的信息推荐。

发明内容

根据本申请公开的各种实施例，提供一种信息推荐方法、装置、计算机设备和存储介质。

一种信息推荐方法包括：

获取目标推荐用户，在所述目标推荐用户不存在用户画像信息时，获取所述目标推荐用户的手机号码；

提取所述手机号码的关联信息；所述关联信息包括所述手机号码的注册信息和交互数据；

根据所述注册信息对所述手机号码进行特征分析，获得所述手机号码的号码特征；

对所述手机号码的号码特征以及交互数据进行分析处理，获得所述手机号码对应的目标推荐用户的用户特征类别；

获取满足预定条件的老用户的主体特征标签，所述老用户为具有用户画像信息的用户，所述满足预定条件为所述老用户的用户特征类别与所述目标推荐用户的用户特征类别 相同；

基于所述老用户的主体特征标签，确定所述目标推荐用户的特征标签；及

根据所述目标推荐用户的特征标签，获取与所述特征标签对应的待推荐信息，并将所述待推荐信息向所述目标推荐用户进行信息推荐。

一种信息推荐装置包括：

目标推荐用户获取模块，用于获取目标推荐用户，在所述目标推荐用户不存在用户画像信息时，获取所述目标推荐用户的手机号码；

关联信息提取模块，用于提取所述手机号码的关联信息；所述关联信息包括所述手机号码的注册信息和交互数据；

号码特征获取模块，用于根据所述注册信息对所述手机号码进行特征分析，获得所述手机号码的号码特征；

用户特征类别获取模块，用于对所述手机号码的号码特征以及交互数据进行分析处理，获得所述手机号码对应的目标推荐用户的用户特征类别；

主体特征标签获取模块，用于获取满足预定条件的老用户的主体特征标签，所述老用户为具有用户画像信息的用户，所述满足预定条件为所述老用户的用户特征类别与所述目标推荐用户的用户特征类别相同；

特征标签确定模块，用于基于所述老用户的主体特征标签，确定所述目标推荐用户的特征标签；及

信息推荐模块，用于根据所述目标推荐用户的特征标签，获取与所述特征标签对应的待推荐信息，并将所述待推荐信息向所述目标推荐用户进行信息推荐。

一种计算机设备，包括存储器和一个或多个处理器，所述存储器中储存有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述一个或多个处理器执行以下步骤：

获取目标推荐用户，在所述目标推荐用户不存在用户画像信息时，获取所述目标推荐用户的手机号码；

提取所述手机号码的关联信息；所述关联信息包括所述手机号码的注册信息和交互数据；

根据所述注册信息对所述手机号码进行特征分析，获得所述手机号码的号码特征；

对所述手机号码的号码特征以及交互数据进行分析处理，获得所述手机号码对应的目标推荐用户的用户特征类别；

获取满足预定条件的老用户的主体特征标签，所述老用户为具有用户画像信息的用户，所述满足预定条件为所述老用户的用户特征类别与所述目标推荐用户的用户特征类别相同；

基于所述老用户的主体特征标签，确定所述目标推荐用户的特征标签；及

根据所述目标推荐用户的特征标签，获取与所述特征标签对应的待推荐信息，并将所 述待推荐信息向所述目标推荐用户进行信息推荐。

一个或多个存储有计算机可读指令的计算机可读存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：

获取目标推荐用户，在所述目标推荐用户不存在用户画像信息时，获取所述目标推荐用户的手机号码；

提取所述手机号码的关联信息；所述关联信息包括所述手机号码的注册信息和交互数据；

根据所述注册信息对所述手机号码进行特征分析，获得所述手机号码的号码特征；

对所述手机号码的号码特征以及交互数据进行分析处理，获得所述手机号码对应的目标推荐用户的用户特征类别；

获取满足预定条件的老用户的主体特征标签，所述老用户为具有用户画像信息的用户，所述满足预定条件为所述老用户的用户特征类别与所述目标推荐用户的用户特征类别相同；

基于所述老用户的主体特征标签，确定所述目标推荐用户的特征标签；及

根据所述目标推荐用户的特征标签，获取与所述特征标签对应的待推荐信息，并将所述待推荐信息向所述目标推荐用户进行信息推荐。

上述信息推荐方法、装置、计算机设备和存储介质，通过获取目标推荐用户，且在目标推荐用户不存在用户画像信息时，获取目标推荐用户的手机号码，并提取手机号码的关联信息，关联信息包括手机号码的注册信息和交互数据，根据注册信息对手机号码进行特征分析，获得手机号码的号码特征。通过对手机号码的号码特征以及交互数据进行分析处理，获得手机号码对应的目标推荐用户的用户特征类别，并获取满足预定条件的老用户的主体特征标签，老用户为具有用户画像信息的用户，满足预定条件为老用户的用户特征类别与目标推荐用户的用户特征类别相同。通过获取与目标推荐用户为同一用户特征类别的老用户的主体特征标签，并将所获得的主体特征标签作为目标推荐用户的特征标签，将与特征标签对应的待推荐信息，向目标推荐用户进行信息推荐，提高了针对目标推荐用户进行信息推广的准确度，以及待推荐信息被目标推荐用户的接受程度。

本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其它特征和优点将从说明书、附图以及权利要求书变得明显。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为根据一个或多个实施例中信息推荐方法的应用场景图；

图2为根据一个或多个实施例中信息推荐方法的流程示意图；

图3为根据一个或多个实施例中信息推荐装置的框图；

图4为根据一个或多个实施例中计算机设备的框图。

具体实施方式

为了使本申请的技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提供的信息推荐方法，可以应用于如图1所示的应用环境中。其中，终端102与服务器104通过网络进行通信。服务器104获取目标推荐用户，且在目标推荐用户不存在用户画像信息时，从终端102获取目标推荐用户的手机号码，并提取手机号码的关联信息，其中，关联信息包括手机号码的注册信息和交互数据。根据注册信息对手机号码进行特征分析，获得手机号码的号码特征，并对手机号码的号码特征以及交互数据进行分析处理，获得手机号码对应的目标推荐用户的用户特征类别。服务器104通过获取满足预定条件的老用户的主体特征标签，其中，老用户为具有用户画像信息的用户，满足预定条件为老用户的用户特征类别与目标推荐用户的用户特征类别相同，并基于老用户的主体特征标签，确定目标推荐用户的特征标签。进而根据目标推荐用户的特征标签，获取与特征标签对应的待推荐信息，并将待推荐信息向终端102的目标推荐用户进行信息推荐。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在其中一个实施例中，如图2所示，提供了一种信息推荐方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：

S202，获取目标推荐用户，在目标推荐用户不存在用户画像信息时，获取目标推荐用户的手机号码。

具体地，用户需要通过终端填写注册所需的信息，向服务器注册，成为应用程序的注册用户。目前，在注册成为应用程序的用户时，通常需要使用手机号码进行注册。手机号码具有唯一性，且办理手机号码时已进行实名认证，因此，通过手机号码进行注册，便于应用程序运营商统计用户数量，也能够获取用户的实名信息。注册时，通过手机号码获取短信验证码，服务器根据短信验证码通过验证后，用户注册成功。当服务器检测到注册成功信息时，获取新注册用户的手机号码。

进一步地，服务器在预设的检测时间内，获取目标推荐用户，并判断木头推荐用户是否存在用户画像信息，对用户画像信息的判断，可以通过对终端的注册信息进行检测，通过将获取到的注册信息，与上一次检测结束后所保存的所有注册信息进行比对，判断是否此次检测，出现了与上次保存的注册信息中不包括的新的注册成功的信息。当在终端检测到新的注册信息时，且该新的注册信息对应的用户不存在对应的用户画像信息，则表示该应用程序已出现了新注册用户，可将该新注册用户确定为目标推荐用户，进而服务器可获 取该目标推荐用户的手机号码。

S204，提取手机号码的关联信息，关联信息包括手机号码的注册信息和交互数据。

其中，通过从终端提取手机号码对应的关联信息，关联信息包括手机号码的注册信息和交互数据，具体来说，注册信息包括手机号码的运营商、归属地、号段放出时间、套餐宣传特征和号码组成特征。交互数据包括该手机号码和各大应用平台的交互信息，包括该手机号码具体在哪些应用程序、网站以及平台等注册过，即使由于注册时间较短，仍未获取该手机号码的行为数据时，该手机号码在不同平台或程序上的注册信息，仍可作为目标推荐用户和各平台之间的交互信息。

S206，根据注册信息对手机号码进行特征分析，获得手机号码的号码特征。

具体地，服务器通过根据预设的对应规则对手机号码进行分析，获得手机号码的运营商和归属地，进而可从运营商的官网，爬取手机号码的号段放出时间和套餐宣传特征。通过分析手机号码的排列结构，根据排列结构评定手机号码的号码组成特征。

其中，预设的对应规则表示手机号码有一定的对应规则，手机号码的前三位是运营商(移动、联动和电信)，第四位到第七位是地区分配，根据这四位数字可确定号码归属地。服务器可通过网络爬虫的方式，从运营商的官网(移动、联通和电信)，爬取对应手机号码的号段放出时间和套餐宣传特征。其中，号段放出时间不固定，可预设一个判定时间节点，来锁定号段放出时间的新旧，从而判断对应手机号码的使用时间长度，套餐宣传特点如神州行，全球通，流量卡，通话卡等，可以是将流量作为主要的宣传特征，也可以是将通话时长作为主要的宣传特征。

进一步地，通过分析手机号码的排列结构，判断手机号码是否存在预设的结构或是预设连续数字，进而评定号码组成特征，如尾号规则AABB、AAAA、ABAB的结构，或是号码中存在特定谐音对应的连续数字，如号码中存在1314(一生一世)，520(我爱你)，1573(一往情深)，3344(生生世世)以及888(发发发)等。

S208，对手机号码的号码特征以及交互数据进行分析处理，获得手机号码对应的目标推荐用户的用户特征类别。

具体地，通过获取预先训练的用户特征类别分类模型，并将手机号码的号码特征以及交互数据输入预先训练的用户特征类别分类模型，其中，号码特征包括：运营商、归属地、号段放出时间、套餐宣传特征和号码组成特征，交互数据为手机号码与各应用平台的交互数据。进而利用用户特征类别分类模型，对手机号码的号码特征以及交互数据进行分析处理，生成输出结果，并获取用户特征类别分类模型的输出结果，将输出结果作为手机号码的用户特征类别。

其中，服务器根据手机号码的运营商、归属地、号段放出时间、套餐宣传特征和号码组成特征，可获得手机号码对应的目标推荐用户所属的用户特征类别。其中，用户特征类别包括流量用户、通话用户、年轻用户以及商务用户。

进一步地，服务器将手机号码的运营商、归属地、号段放出时间、套餐宣传特征和号 码组成特征输入预先训练的用户特征类别分类模型，用户特征类别分类模型根据样本数据的标注分类结果以及样本数据训练得到，并获取用户特征类别分类模型输出的手机号码的用户特征类别。其中，样本数据包括样本手机号码的运营商、归属地、号段放出时间、套餐宣传特征和号码组成特征，标注分类结果包括流量用户、通话用户、年轻用户以及商务用户。

其中，用户特征类别分类模型，根据样本数据的标注分类结果以及样本数据训练得到，也就是说，服务器通过获取该应用程序平台上，多个已有的老用户的手机号码所属的用户特征类别，并分别进行标注分类，可得到老用户的手机号码所属的用户特征类别的标注分类结果。利用得到的老用户的手机号码所属的用户特征类别的标注分类结果，以及老用户的手机号码所属的用户特征类别进行训练，得到用户特征类别分类模型。

S210，获取满足预定条件的老用户的主体特征标签，老用户为具有用户画像信息的用户，满足预定调节为老用户的用户特征类别与目标推荐用户的用户特征类别相同。

具体地，服务器根据目标推荐用户所属的用户特征类别，获取相同用户特征类别下的老用户，并获取查找到的各老用户的用户画像信息，从用户画像信息中提取各老用户的画像标签，进而根据各老用户的画像标签，确定属于相同用户特征类别的老用户的主体特征标签。其中，老用户是已注册成功并使用该应用程序一段时间的用户，具有相应的用户画像信息。通过预先采用相同的号码特征分析方法，对老用户的号码特征进行分析，得到平台中老用户的号码特征。由于老用户已使用应用程序一段时间，在老用户使用应用程序的过程中，累积了老用户的行为数据。通过获取老用户的行为数据，并采用传统的用户画像方法，根据行为数据对老用户进行用户画像，得到老用户的用户画像信息，并根据用户画像信息得到老用户的画像标签，将得到后的老用户的画像标签进行存储，可在需要时及时获取。其中，老用户的行为数据，包括老用户的具体用户信息、生活习惯以及消费习惯等数据。

进一步地，对于与目标推荐用户属于相同用户特征类别的各老用户的画像标签，可采用中位数、聚类、众数的方法，确定相同用户特征类别的老用户的主体特征标签。其中，主体特征标签是指相同号码特征的老用户中，一定比例的用户均满足的特征标签，主体特征标签可采用中位数、聚类和从数的方法确定。

S212，基于老用户的主体特征标签，确定目标推荐用户的特征标签。具体地，通过计算各老用户的画像标签之间的相似度，得到距离指标，并根据距离指标对各老用户的画像标签进行分类，得到画像标签分组。进而根据预设评估规则对各老用户的画像标签分组进行分析评估，得到对应的评估结果，其中，预设评估规则包括聚类分析规则，评估结果用于表示不同画像标签分组内各画像标签进行聚类分析得到的聚类结果的质量。最后通过从各评估结果中，确定各老用户的主体特征标签，并将各老用户的主体特征标签，确定为相同用户特征类别的目标推荐用户的特征标签。

S214，根据目标推荐用户的特征标签，获取与特征标签对应的待推荐信息，并将待推 荐信息向目标推荐用户进行信息推荐。

具体地，通过从目标推荐用户的特征标签和待推荐信息的映射关系表中，确定特征标签和待推荐消息之间的对应关系，并根据特征标签和待推荐消息之间的对应关系，确定并获取与特征标签对应的待推荐信息，进而将待推荐信息发送至于特征标签对应的目标推荐用户；待推荐信息包括但不限于应用推广信息以及产品推广信息。

其中，服务器根据相同用户特征类别的老用户的主体特征标签，确定目标推荐用户的特征标签。由于目标推荐用户与老用户具有相同用户特征类别，故而，在手机号码这一维度上，具有共性，通过老用户的主体特征标签推及具有相同用户特征类别的目标推荐用户的特征标签，能够在号码特征这一维度，在目标推荐用户行为数据较少的情况下，为目标推荐用户确定特征标签，根据确定后的目标推荐用户的特征标签，获取对应的待推荐信息，并将待推荐信息发送至对应的目标推荐用户。

进一步地，在确定了目标推荐用户的特征标签后，根据特征标签，可对目标推荐用户进行产营销和风险控制，如获取与特征标签对应的推广信息并发送给目标推荐用户，推广信息可以是营销产品(各类保险)或是广告。由于推广是基于特征标签进行的，即推广产品是与目标推荐用户的特征标签对应的，因而能够提高推广效果，降低风险。

上述信息推荐方法中，通过获取目标推荐用户，且在目标推荐用户不存在用户画像信息时，获取目标推荐用户的手机号码，并提取手机号码的关联信息，关联信息包括手机号码的注册信息和交互数据，根据注册信息对手机号码进行特征分析，获得手机号码的号码特征。通过对手机号码的号码特征以及交互数据进行分析处理，获得手机号码对应的目标推荐用户的用户特征类别，并获取满足预定条件的老用户的主体特征标签，老用户为具有用户画像信息的用户，满足预定条件为老用户的用户特征类别与目标推荐用户的用户特征类别相同。通过获取与目标推荐用户为同一用户特征类别的老用户的主体特征标签，并将所获得的主体特征标签作为目标推荐用户的特征标签，将与特征标签对应的待推荐信息，向目标推荐用户进行信息推荐，提高了针对目标推荐用户进行信息推广的准确度，以及待推荐信息被目标推荐用户的接受程度。

在其中一个实施例中，对手机号码的号码特征以及交互数据进行分析处理，获得手机号码对应的目标推荐用户所属的用户特征类别的步骤，包括：

获取预先训练的用户特征类别分类模型，并将手机号码的号码特征以及交互数据输入预先训练的用户特征类别分类模型；号码特征包括：运营商、归属地、号段放出时间、套餐宣传特征和号码组成特征；交互数据为手机号码与各应用平台的交互数据；

利用用户特征类别分类模型，对手机号码的号码特征以及交互数据进行分析处理，生成输出结果；

获取用户特征类别分类模型的输出结果，将输出结果作为手机号码的用户特征类别。

具体地，通过获取用户特征类别分类模型预设的标注分类结果，其中，预设标注分类结果包括流量用户、通话用户、年轻用户以及商务用户，并获取各预设的标注分类结果 对应的类别参数，其中，类别参数包括预设运营商、预设归属地、预设号段放出时间、预设套餐宣传特征以及预设号码组成特征。通过将各预设的标注分类结果对应的类别参数，与手机号码的号码特征进行比对，当手机号码的号码特征与预设的标注分类结果的类别参数一致时，将手机号码对应的目标推荐用户归类为对应的预设标注分类，生成输出结果。

其中，手机号码有一定的对应规则，手机号码的前三位是运营商(移动、联动和电信)，第四位到第七位是地区分配，根据这四位数字可确定号码归属地。服务器可通过网络爬虫的方式，从运营商的官网(移动、联通和电信)，爬取对应手机号码的号段放出时间和套餐宣传特征。其中，号段放出时间不固定，可预设一个判定时间节点，来锁定号段放出时间的新旧，从而判断对应手机号码的使用时间长度，套餐宣传特点如神州行，全球通，流量卡，通话卡等，可以是将流量作为主要的宣传特征，也可以是将通话时长作为主要的宣传特征。

进一步地，用户特征类别分类模型，根据样本数据的标注分类结果以及样本数据训练得到，也就是说，服务器通过获取该应用程序平台上，多个已有的老用户的手机号码所属的用户特征类别，并分别进行标注分类，可得到老用户的手机号码所属的用户特征类别的标注分类结果。利用得到的老用户的手机号码所属的用户特征类别的标注分类结果，以及老用户的手机号码所属的用户特征类别进行训练，得到用户特征类别分类模型。

上述步骤中，服务器可通过利用预设的用户特征类别分类模型，对手机号码的运营商、归属地、号段放出时间、套餐宣传特征和号码组成特征进行分析处理，获得手机号码的新注册用户所属的用户特征类别。实现了对目标推荐用户的初步推断，获得其所属的用户特征类别，有利于后续实现对目标推荐用户进行信息推荐。

在其中一个实施例中，利用用户特征类别分类模型，分别对运营商、归属地、号段放出时间、套餐宣传特征以及号码组成特征进行分析处理，生成输出结果的步骤，包括：

获取用户特征类别分类模型预设的标注分类结果；预设标注分类结果包括流量用户、通话用户、年轻用户以及商务用户；获取各预设的标注分类结果对应的类别参数；类别参数包括预设运营商、预设归属地、预设号段放出时间、预设套餐宣传特征以及预设号码组成特征；将各预设的标注分类结果对应的类别参数，与手机号码的号码特征进行比对；当手机号码的号码特征与预设的标注分类结果的类别参数一致时，将手机号码对应的目标推荐用户归类为对应的预设标注分类，生成输出结果。

具体地，用户特征类别分类模型预设有标注分类结果，包括流量用户、通话用户、年轻用户以及商务用户，不同标注分类结果对应的类别参数不同。比如，针对流量用户，其预设套餐宣传特征应以流量为主，相对而言，通话用户的预设宣传特征应以通话时长为主。年轻用户的预设号段放出时间为较新日期，商务用户的号段放出时间应在年轻用户的号段放出时间之前。通过将各预设的标注分类结果对应的类别参数，与手机号码的号码特征进行比对，当手机号码的号码特征符合预设标注分类结果的类别参数时，可以将该手机号码对应的新注册用户归类为对应的预设标注分类。即如果手机号码的号码特征符合标注 分类结果中的流量用户、通话用户、年轻用户或商务用户中的任一类，则将该手机号码的新注册用户归为对应的标注分类中。

上述步骤，通过获取用户特征类别分类模型预设的标注分类结果，并获取各预设的标注分类结果对应的类别参数，通过将各预设的标注分类结果对应的类别参数，与手机号码的号码特征进行比对，当手机号码的号码特征与预设的标注分类结果的类别参数一致时，将手机号码对应的目标推荐用户归类为对应的预设标注分类，生成输出结果。实现了手机号码的目标推荐用户的快速分类，且可根据得到的输出结果获得目标推荐用户所属的用户特征类别，提高了工作效率。

在其中一个实施例中，获取查找到的各老用户的用户画像信息，并从用户画像信息中提取各老用户的画像标签的步骤，包括：

服务器获取老用户的行为数据；根据行为数据进行用户画像，得到老用户的用户画像信息；从用户画像信息中提取各老用户的画像标签。

具体地，老用户的行为数据包括老用户的具体用户信息、生活习惯以及消费习惯等数据，老用户的具体用户信息包括，比如老用户注册时的用户名、注册时间以及注册原因等，老用户的生活习惯包括老用户的常用居住地、登录地址、登录时间、使用时长以及使用频率等，老用户的消费习惯包括老用户的产品购买记录、产品浏览记录以及产品收藏记录等数据。其中，根据老用户的行为数据进行用户画像，得到老用户的画像标签的用户画像方法，即为传统的用户画像方法。

上述步骤中，通过获取老用户的行为数据，并根据所获取的行为数据对老用户进行用户画像，得到老用户的画像标签，可实现所获取到老用户的主体特征标签的更高正确率，避免出现所获取得到的主体特征标签，与老用户的画像标签不匹配的情况。

在其中一个实施例中，提供了一种根据手机号码的运营商、归属地、号段放出时间、套餐宣传特征和号码组成特征，获得手机号码的新注册用户所属的用户特征类别的步骤，包括：

服务器获取预设判定时间节点，将号段放出时间与预设判定时间节点进行比对；

获取预设的等级判定规则，并利用等级判定规则对号码组成特征进行评判；号码组成特征包括第一号码组成特征和第二号码组成特征；

当号段放出时间在预设判定时间节点之后时，对套餐宣传特征进行分析；当套餐宣传特征为流量时，确定对应的新注册用户所属的用户特征类别为流量用户；当判定号码组成特征为第一号码组成特征时，确定对应的新注册用户所属的用户特征类别为年轻用户；

或

当号段放出时间在预设判定时间节点之前时，对套餐宣传特征进行分析；当套餐宣传特征为通话时间时，确定对应的新注册用户所属的用户特征类别为通话用户；当判定号码组成特征为第二号码组成特征时，确定对应的新注册用户所属的用户特征类别为商务用户。

其中，预设判定时间节点不唯一，可根据用户需求进行修改，根据所设定的判定时间节点，可对该手机号码所属的用户特征类别进行判定。预设的等级判定规则包括尾号规则和谐音规则，当根据尾号规则，判定存在AABB、AAAA、ABAB等排列结构的手机号码，可以是3344(生生世世)以及888(发发发)，可确定为第二号码组成特征。同时根据谐音规则，判定存在如1314(一生一世)，520(我爱你)，1573(一往情深)等排列结构的手机号码，确定为第一号码组成特征。

上述步骤中，服务器针对手机号码的号段放出时间、套餐宣传特征和号码组成特征，进行了用户特征类别的判定，实现了对手机号码的新注册用户所属的用户特征类别的推测操作，提高了工作效率。

在其中一个实施例中，基于老用户的主体特征标签，确定目标推荐用户的特征标签的步骤，包括：

计算各老用户的画像标签之间的相似度，得到距离指标；

根据距离指标对各老用户的画像标签进行分类，得到画像标签分组；

根据预设评估规则对各老用户的画像标签分组进行分析评估，得到对应的评估结果；预设评估规则包括聚类分析规则；评估结果，用于表示不同画像标签分组内各画像标签进行聚类分析得到的聚类结果的质量；

从各评估结果中，确定各老用户的主体特征标签；

将各老用户的主体特征标签，确定为相同用户特征类别的目标推荐用户的特征标签。

具体地，可采用聚类分析法对各老用户的画像标签进行分析处理，得到属于与新注册用户相同的用户特征类别的老用户的主体特征标签，包括中位数聚类分析法，以及从数聚类分析法等。

其中，聚类表示将未知数据按相似程度分类到不同的类或簇的过程，而聚类分析用于研究“物以类聚”，做聚类分析时，出于不同的目的和要求，可以选择不同的统计量和聚类方法。系统聚类为常见的聚类方法，其基本思想是：先将待聚类的n个样品(或者变量)各自看成一类，共有n类；然后按照实现选定的方法计算每两类之间的聚类统计量，即某种距离(或者相似系数)，将关系最为密切的两类合为一类，其余不变，即得到n-1类；再按照前面的计算方法计算新类与其他类之间的距离(或相似系数)，再将关系最为密切的两类并为一类，其余不变，即得到n-2类；如此下去，每次重复都减少一类，直到最后所有的样品(或者变量)都归为一类为止。

进一步地，服务器计算各老用户的画像标签之间的相似度，得到距离指标。其中，距离指标是为衡量数据点间的相似度所定义的距离函数。通常情况下，由于特征类型和特征标度的多样性，距离度量需要更加精确。正如可通过定义在特征空间的距离度量来评估不同对象的相异性，也可在图像聚类上，将用来特征化不同数据的思想，应用到图像聚类上。

聚类或者分组的过程即为将数据对象划分到不同类中的过程，划分方法通常是从初 始划分和最优化一个聚类标准开始，该聚类标准可用于度量不同类之间的相似性，或度量一个列的可分离性来合并或分类一个类。同样地，根据距离指标对各老用户的画像标签进行分类，得到画像标签分组。

其中，服务器获取的预设评估规则，为对聚类结果的质量进行评估的规则，通常是利用一类的有效索引，对聚类结果的质量进行评价，而类有效索引的最佳值被期望从真实的类数目中获取。可选择一个特定的类有效索引的最佳值，这个索引能否真实地得出类的数目，是判断该索引是否有效的标准。同时，可根据预设评估规则对画像标签分组进行评估，得到对应的评估结果，即为聚类结果的质量的评估结果，从得到的评估结果中，可抽取属于相同用户特征类别的老用户的主体特征标签。

上述步骤，服务器通过计算各老用户的画像标签之间的相似度，得到距离指标，并根据距离指标对各老用户的画像标签进行分类，得到画像标签分组。通过获取预设评估规则，根据预设聚类分析对画像标签分组进行评估，得到对应的评估结果，并从评估结果中，抽取属于相同用户特征类别的老用户的主体特征标签。实现了根据各老用户的画像标签，确定属于相同用户特征类别的老用户的主体特征标签，为后续进行用户画像提供了基础，进一步提高用户画像的工作效率。

应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在其中一个实施例中，如图3所示，提供了一种信息推荐装置，包括：目标推荐用户获取模块302、关联信息提取模块304、号码特征获取模块306、用户特征类别获取模块308、主体特征标签获取模块310、特征标签确定模块312以及信息推荐模块314，其中：目标推荐用户获取模块302，用于获取目标推荐用户，在目标推荐用户不存在用户画像信息时，获取目标推荐用户的手机号码。

关联信息提取模块304，用于提取手机号码的关联信息；关联信息包括手机号码的注册信息和交互数据。

号码特征获取模块306，用于根据注册信息对手机号码进行特征分析，获得手机号码的号码特征。

用户特征类别获取模块308，用于对手机号码的号码特征以及交互数据进行分析处理，获得手机号码对应的目标推荐用户的用户特征类别。

主体特征标签获取模块310，用于获取满足预定条件的老用户的主体特征标签，老用户为具有用户画像信息的用户，满足预定条件为老用户的用户特征类别与目标推荐用户的 用户特征类别相同。

特征标签确定模块312，用于基于老用户的主体特征标签，确定目标推荐用户的特征标签。

信息推荐模块314，用于根据目标推荐用户的特征标签，获取与特征标签对应的待推荐信息，并将待推荐信息向目标推荐用户进行信息推荐。

上述信息推荐装置，通过获取与目标推荐用户为同一用户特征类别的老用户的主体特征标签，并将所获得的主体特征标签作为目标推荐用户的特征标签，将与特征标签对应的待推荐信息，向目标推荐用户进行信息推荐，提高了针对目标推荐用户进行信息推广的准确度，以及待推荐信息被目标推荐用户的接受程度。

在其中一个实施例中，用户特征类别获取模块，还用于：

获取预先训练的用户特征类别分类模型，并将手机号码的号码特征以及交互数据输入预先训练的用户特征类别分类模型；号码特征包括：运营商、归属地、号段放出时间、套餐宣传特征和号码组成特征；交互数据为手机号码与各应用平台的交互数据；利用用户特征类别分类模型，对手机号码的号码特征以及交互数据进行分析处理，生成输出结果；获取用户特征类别分类模型的输出结果，将输出结果作为手机号码的用户特征类别。

上述用户特征类别获取模块，服务器可根据手机号码的运营商、归属地、号段放出时间、套餐宣传特征和号码组成特征，推测手机号码的目标推荐用户所属的用户特征类别。实现了对目标推荐用户的初步推断，获得其所属的用户特征类别，有利于后续实现对新注册用户进行用户画像。

在其中一个实施例中，输出结果生成单元用于：

获取用户特征类别分类模型预设的标注分类结果；预设标注分类结果包括流量用户、通话用户、年轻用户以及商务用户；获取各预设的标注分类结果对应的类别参数；类别参数包括预设运营商、预设归属地、预设号段放出时间、预设套餐宣传特征以及预设号码组成特征；将各预设的标注分类结果对应的类别参数，与手机号码的号码特征进行比对；当手机号码的号码特征与预设的标注分类结果的类别参数一致时，将手机号码对应的目标推荐用户归类为对应的预设标注分类，生成输出结果。

上述输出结果生成单元，可通过将用户特征类别分类模型预设的标注分类结果对应的类别参数，与手机号码的号码特征进行比对，当当手机号码的号码特征与预设的标注分类结果的类别参数一致时，将手机号码对应的目标推荐用户归类为对应的预设标注分类，得到输出结果。

在其中一个实施例中，主体特征标签获取模块，还用于：

根据目标推荐用户所属的用户特征类别，获取相同用户特征类别下的老用户；获取查找到的各老用户的用户画像信息，并从用户画像信息中提取各老用户的画像标签；根据各老用户的画像标签，确定属于相同用户特征类别的老用户的主体特征标签。

上述主体特征标签获取模块，实现了新注册用户和老用户之间的联系，通过获取与 新注册用户相同用户特征类别的老用户，可得到相同用户特征类别的老用户的画像标签，进而得到老用户的主体特征标签，提高了后续进行用户画像的工作效率。

在其中一个实施例中，主体特征标签获取模块，还用于：

获取各老用户的行为数据；根据行为数据进行用户画像，得到老用户的用户画像信息；从用户画像信息中提取各老用户的画像标签。上述主体特征标签获取模块，通过获取老用户的行为数据，并根据所获取的行为数据对老用户进行用户画像，得到老用户的画像标签，可实现所获取到老用户的主体特征标签的更高正确率，避免出现所获取得到的主体特征标签，与老用户的画像标签不匹配的情况。

在其中一个实施例中，用户特征类别确定模块，用于：

获取预设判定时间节点，将号段放出时间与预设判定时间节点进行比对；获取预设的等级判定规则，并利用等级判定规则对号码组成特征进行评判；号码组成特征包括第一号码组成特征和第二号码组成特征；

当号段放出时间在预设判定时间节点之后时，对套餐宣传特征进行分析；当套餐宣传特征为流量时，确定对应的新注册用户所属的用户特征类别为流量用户；当判定号码组成特征为第一号码组成特征时，确定对应的新注册用户所属的用户特征类别为年轻用户；

或

当号段放出时间在预设判定时间节点之前时，对套餐宣传特征进行分析；当套餐宣传特征为通话时间时，确定对应的新注册用户所属的用户特征类别为通话用户；当判定号码组成特征为第二号码组成特征时，确定对应的新注册用户所属的用户特征类别为商务用户。

上述用户特征类别确定模块，服务器针对手机号码的号段放出时间、套餐宣传特征和号码组成特征，进行了用户特征类别的判定，实现了对手机号码的新注册用户所属的用户特征类别的确定操作，提高了工作效率。

在其中一个实施例中，特征标签确定模块还用于：

计算各老用户的画像标签之间的相似度，得到距离指标；根据距离指标对各老用户的画像标签进行分类，得到画像标签分组；根据预设评估规则对各老用户的画像标签分组进行分析评估，得到对应的评估结果；预设评估规则包括聚类分析规则；评估结果，用于表示不同画像标签分组内各画像标签进行聚类分析得到的聚类结果的质量；从各评估结果中，确定各老用户的主体特征标签；将各老用户的主体特征标签，确定为相同用户特征类别的目标推荐用户的特征标签。

上述特征标签确定模块，实现了根据各老用户的画像标签，确定属于相同用户特征类别的老用户的主体特征标签，为后续进行用户画像提供了基础，进一步提高用户画像的工作效率。

在其中一个实施例中，信息推荐模块还用于：

从目标推荐用户的特征标签和待推荐信息的映射关系表中，确定特征标签和待推荐 消息之间的对应关系；根据特征标签和待推荐消息之间的对应关系，确定并获取与特征标签对应的待推荐信息；将待推荐信息发送至于特征标签对应的目标推荐用户；待推荐信息包括但不限于应用推广信息以及产品推广信息。

上述信息推荐模块，通过获取目标推荐用户的特征标签和待推荐信息的对应关系，将与特征标签对应的待推荐信息发送给目标推荐用户，可实现针对性的信息推广，提高待推荐信息的可接受度。

关于信息推荐装置的具体限定可以参见上文中对于信息推荐方法的限定，在此不再赘述。上述信息推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性或易失性存储介质、内存储器。该非易失性或易失性存储介质存储有操作系统、计算机可读指令和数据库。该内存储器为非易失性存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的数据库用于存储用户画像数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令被处理器执行时以实现一种信息推荐方法。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

一种计算机设备，包括存储器和一个或多个处理器，存储器中储存有计算机可读指令，计算机可读指令被处理器执行时，使得一个或多个处理器执行上述各方法实施例中的步骤。

一个或多个存储有计算机可读指令的计算机可读存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述各方法实施例中的步骤。其中，该计算机可读存储介质可以是非易失性，也可以是易失性的。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，的计算机可读指令可存储于一计算机可读取存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM (SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (20)

1. 一种信息推荐方法，包括：

   获取目标推荐用户，在所述目标推荐用户不存在用户画像信息时，获取所述目标推荐用户的手机号码；

   提取所述手机号码的关联信息；所述关联信息包括所述手机号码的注册信息和交互数据；

   根据所述注册信息对所述手机号码进行特征分析，获得所述手机号码的号码特征；

   对所述手机号码的号码特征以及交互数据进行分析处理，获得所述手机号码对应的目标推荐用户的用户特征类别；

   获取满足预定条件的老用户的主体特征标签，所述老用户为具有用户画像信息的用户，所述满足预定条件为所述老用户的用户特征类别与所述目标推荐用户的用户特征类别相同；

   基于所述老用户的主体特征标签，确定所述目标推荐用户的特征标签；及

   根据所述目标推荐用户的特征标签，获取与所述特征标签对应的待推荐信息，并将所述待推荐信息向所述目标推荐用户进行信息推荐。
2. 根据权利要求1所述的方法，其中，所述对所述手机号码的号码特征以及交互数据进行分析处理，获得所述手机号码对应的目标推荐用户的用户特征类别，包括：

   获取预先训练的用户特征类别分类模型，并将所述手机号码的号码特征以及所述交互数据输入预先训练的用户特征类别分类模型；所述号码特征包括：运营商、归属地、号段放出时间、套餐宣传特征和号码组成特征；所述交互数据为所述手机号码与各应用平台的交互数据；

   利用所述用户特征类别分类模型，对所述手机号码的号码特征以及所述交互数据进行分析处理，生成输出结果；及

   获取所述用户特征类别分类模型的输出结果，将所述输出结果作为所述手机号码的用户特征类别。
3. 根据权利要求2所述的方法，其中，所述利用所述用户特征类别分类模型，对所述手机号码特征以及所述交互数据进行分析处理，生成输出结果，包括：

   获取所述用户特征类别分类模型预设的标注分类结果；所述预设标注分类结果包括流量用户、通话用户、年轻用户以及商务用户；

   获取各预设的标注分类结果对应的类别参数；所述类别参数包括预设运营商、预设归属地、预设号段放出时间、预设套餐宣传特征以及预设号码组成特征；

   将各预设的标注分类结果对应的类别参数，与所述手机号码的号码特征进行比对；及

   当所述手机号码的号码特征与所述预设的标注分类结果的类别参数一致时，将所述手机号码对应的目标推荐用户归类为对应的预设标注分类，生成输出结果。
4. 根据权利要求1所述的方法，其中，所述获取满足预定条件的老用户的主体特征 标签，包括：

   根据所述目标推荐用户所属的用户特征类别，获取相同用户特征类别下的老用户；

   获取查找到的各所述老用户的用户画像信息，并从所述用户画像信息中提取各所述老用户的画像标签；及

   根据各所述老用户的画像标签，确定属于相同用户特征类别的老用户的主体特征标签。
5. 根据权利要求4所述的方法，其中，所述获取查找到的各所述老用户的用户画像信息，并从所述用户画像信息中提取各所述老用户的画像标签，包括：

   获取各所述老用户的行为数据；

   根据所述行为数据进行用户画像，得到所述老用户的用户画像信息；及

   从所述用户画像信息中提取各所述老用户的画像标签。
6. 根据权利要求4所述的方法，其中，所述基于所述老用户的主体特征标签，确定所述目标推荐用户的特征标签，包括：

   计算各所述老用户的画像标签之间的相似度，得到距离指标；

   根据所述距离指标对各所述老用户的画像标签进行分类，得到画像标签分组；

   根据预设评估规则对各所述老用户的画像标签分组进行分析评估，得到对应的评估结果；所述预设评估规则包括聚类分析规则；所述评估结果，用于表示不同画像标签分组内各画像标签进行聚类分析得到的聚类结果的质量；

   从各所述评估结果中，确定各所述老用户的主体特征标签；及

   将各所述老用户的主体特征标签，确定为相同用户特征类别的目标推荐用户的特征标签。
7. 根据权利要求1所述的方法，其中，所述根据所述目标推荐用户的特征标签，获取与所述特征标签对应的待推荐信息，并将所述待推荐信息向所述目标推荐用户进行信息推荐，包括：

   从所述目标推荐用户的特征标签和待推荐信息的映射关系表中，确定所述特征标签和待推荐消息之间的对应关系；

   根据所述特征标签和所述待推荐消息之间的对应关系，确定并获取与所述特征标签对应的待推荐信息；及

   将所述待推荐信息发送至于所述特征标签对应的目标推荐用户；所述待推荐信息包括但不限于应用推广信息以及产品推广信息。
8. 一种信息推荐装置，包括：

   目标推荐用户获取模块，用于获取目标推荐用户，在所述目标推荐用户不存在用户画像信息时，获取所述目标推荐用户的手机号码；

   关联信息提取模块，用于提取所述手机号码的关联信息；所述关联信息包括所述手机号码的注册信息和交互数据；

   号码特征获取模块，用于根据所述注册信息对所述手机号码进行特征分析，获得所述手机号码的号码特征；

   用户特征类别获取模块，用于对所述手机号码的号码特征以及交互数据进行分析处理，获得所述手机号码对应的目标推荐用户的用户特征类别；

   主体特征标签获取模块，用于获取满足预定条件的老用户的主体特征标签，所述老用户为具有用户画像信息的用户，所述满足预定条件为所述老用户的用户特征类别与所述目标推荐用户的用户特征类别相同；

   特征标签确定模块，用于基于所述老用户的主体特征标签，确定所述目标推荐用户的特征标签；及

   信息推荐模块，用于根据所述目标推荐用户的特征标签，获取与所述特征标签对应的待推荐信息，并将所述待推荐信息向所述目标推荐用户进行信息推荐。
9. 一种计算机设备，包括存储器及一个或多个处理器，所述存储器中储存有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：

   获取目标推荐用户，在所述目标推荐用户不存在用户画像信息时，获取所述目标推荐用户的手机号码；

   提取所述手机号码的关联信息；所述关联信息包括所述手机号码的注册信息和交互数据；

   根据所述注册信息对所述手机号码进行特征分析，获得所述手机号码的号码特征；

   对所述手机号码的号码特征以及交互数据进行分析处理，获得所述手机号码对应的目标推荐用户的用户特征类别；

   获取满足预定条件的老用户的主体特征标签，所述老用户为具有用户画像信息的用户，所述满足预定条件为所述老用户的用户特征类别与所述目标推荐用户的用户特征类别相同；

   基于所述老用户的主体特征标签，确定所述目标推荐用户的特征标签；及

   根据所述目标推荐用户的特征标签，获取与所述特征标签对应的待推荐信息，并将所述待推荐信息向所述目标推荐用户进行信息推荐。
10. 根据权利要求9所述的计算机设备，其中，所述处理器执行所述计算机可读指令时还执行以下步骤：

    获取预先训练的用户特征类别分类模型，并将所述手机号码的号码特征以及所述交互数据输入预先训练的用户特征类别分类模型；所述号码特征包括：运营商、归属地、号段放出时间、套餐宣传特征和号码组成特征；所述交互数据为所述手机号码与各应用平台的交互数据；

    利用所述用户特征类别分类模型，对所述手机号码的号码特征以及所述交互数据进行分析处理，生成输出结果；及

    获取所述用户特征类别分类模型的输出结果，将所述输出结果作为所述手机号码的用户特征类别。
11. 根据权利要求10所述的计算机设备，其中，所述处理器执行所述计算机可读指令时还执行以下步骤：

    获取所述用户特征类别分类模型预设的标注分类结果；所述预设标注分类结果包括流量用户、通话用户、年轻用户以及商务用户；

    获取各预设的标注分类结果对应的类别参数；所述类别参数包括预设运营商、预设归属地、预设号段放出时间、预设套餐宣传特征以及预设号码组成特征；

    将各预设的标注分类结果对应的类别参数，与所述手机号码的号码特征进行比对；及

    当所述手机号码的号码特征与所述预设的标注分类结果的类别参数一致时，将所述手机号码对应的目标推荐用户归类为对应的预设标注分类，生成输出结果。
12. 根据权利要求9所述的计算机设备，其中，所述处理器执行所述计算机可读指令时还执行以下步骤：

    根据所述目标推荐用户所属的用户特征类别，获取相同用户特征类别下的老用户；

    获取查找到的各所述老用户的用户画像信息，并从所述用户画像信息中提取各所述老用户的画像标签；及

    根据各所述老用户的画像标签，确定属于相同用户特征类别的老用户的主体特征标签。
13. 根据权利要求12所述的计算机设备，其中，所述处理器执行所述计算机可读指令时还执行以下步骤：

    获取各所述老用户的行为数据；

    根据所述行为数据进行用户画像，得到所述老用户的用户画像信息；及

    从所述用户画像信息中提取各所述老用户的画像标签。
14. 根据权利要求12所述的计算机设备，其中，所述处理器执行所述计算机可读指令时还执行以下步骤：

    计算各所述老用户的画像标签之间的相似度，得到距离指标；

    根据所述距离指标对各所述老用户的画像标签进行分类，得到画像标签分组；

    根据预设评估规则对各所述老用户的画像标签分组进行分析评估，得到对应的评估结果；所述预设评估规则包括聚类分析规则；所述评估结果，用于表示不同画像标签分组内各画像标签进行聚类分析得到的聚类结果的质量；

    从各所述评估结果中，确定各所述老用户的主体特征标签；及

    将各所述老用户的主体特征标签，确定为相同用户特征类别的目标推荐用户的特征标签。
15. 一个或多个存储有计算机可读指令的计算机可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：

    获取目标推荐用户，在所述目标推荐用户不存在用户画像信息时，获取所述目标推荐用户的手机号码；

    提取所述手机号码的关联信息；所述关联信息包括所述手机号码的注册信息和交互数据；

    根据所述注册信息对所述手机号码进行特征分析，获得所述手机号码的号码特征；

    对所述手机号码的号码特征以及交互数据进行分析处理，获得所述手机号码对应的目标推荐用户的用户特征类别；

    获取满足预定条件的老用户的主体特征标签，所述老用户为具有用户画像信息的用户，所述满足预定条件为所述老用户的用户特征类别与所述目标推荐用户的用户特征类别相同；

    基于所述老用户的主体特征标签，确定所述目标推荐用户的特征标签；及

    根据所述目标推荐用户的特征标签，获取与所述特征标签对应的待推荐信息，并将所述待推荐信息向所述目标推荐用户进行信息推荐。
16. 根据权利要求15所述的存储介质，其中，所述计算机可读指令被所述处理器执行时还执行以下步骤：

    获取预先训练的用户特征类别分类模型，并将所述手机号码的号码特征以及所述交互数据输入预先训练的用户特征类别分类模型；所述号码特征包括：运营商、归属地、号段放出时间、套餐宣传特征和号码组成特征；所述交互数据为所述手机号码与各应用平台的交互数据；

    利用所述用户特征类别分类模型，对所述手机号码的号码特征以及所述交互数据进行分析处理，生成输出结果；及

    获取所述用户特征类别分类模型的输出结果，将所述输出结果作为所述手机号码的用户特征类别。
17. 根据权利要求16所述的存储介质，其中，所述计算机可读指令被所述处理器执行时还执行以下步骤：

    获取所述用户特征类别分类模型预设的标注分类结果；所述预设标注分类结果包括流量用户、通话用户、年轻用户以及商务用户；

    获取各预设的标注分类结果对应的类别参数；所述类别参数包括预设运营商、预设归属地、预设号段放出时间、预设套餐宣传特征以及预设号码组成特征；

    将各预设的标注分类结果对应的类别参数，与所述手机号码的号码特征进行比对；及

    当所述手机号码的号码特征与所述预设的标注分类结果的类别参数一致时，将所述手机号码对应的目标推荐用户归类为对应的预设标注分类，生成输出结果。
18. 根据权利要求15所述的存储介质，其中，所述计算机可读指令被所述处理器执行时还执行以下步骤：

    根据所述目标推荐用户所属的用户特征类别，获取相同用户特征类别下的老用户；

    获取查找到的各所述老用户的用户画像信息，并从所述用户画像信息中提取各所述老用户的画像标签；及

    根据各所述老用户的画像标签，确定属于相同用户特征类别的老用户的主体特征标签。
19. 根据权利要求18所述的存储介质，其中，所述计算机可读指令被所述处理器执行时还执行以下步骤：

    获取各所述老用户的行为数据；

    根据所述行为数据进行用户画像，得到所述老用户的用户画像信息；及

    从所述用户画像信息中提取各所述老用户的画像标签。
20. 根据权利要求18所述的存储介质，其中，所述计算机可读指令被所述处理器执行时还执行以下步骤：

    计算各所述老用户的画像标签之间的相似度，得到距离指标；

    根据所述距离指标对各所述老用户的画像标签进行分类，得到画像标签分组；

    根据预设评估规则对各所述老用户的画像标签分组进行分析评估，得到对应的评估结果；所述预设评估规则包括聚类分析规则；所述评估结果，用于表示不同画像标签分组内各画像标签进行聚类分析得到的聚类结果的质量；

    从各所述评估结果中，确定各所述老用户的主体特征标签；及

    将各所述老用户的主体特征标签，确定为相同用户特征类别的目标推荐用户的特征标签。

Images