一种人机交互构建用户画像聚类计算方法技术

一种人机交互构建用户画像聚类计算方法，包括：首先，检测用户行为，并从用户下达给机器人指令中提取代表用户特征的关键词作为特征标签，并给每个特征标签赋予初始分值和初始加权值；并确定每一种标签推导出的各种属性的行为分值；然后将其中一种标签推导出的其中一种属性的行为分值与预定阈值进行对比，判断是否能够确定用户属性包含其中一种属性，最后通过多个语义化的用户属性来还原用户的全貌，完成用户画像，本发明专利技术提供的一种人机交互构建用户画像聚类计算方法，通过精确计算行为分值，比较后确定其行为属性，从而获得用户画像，既保证了时效性，又能得到更加精确的用户画像。

A method for constructing user portrait clustering by human-computer interaction

Including the calculation method, the construction of user interaction to a human portrait cluster: first, detection of user behavior, and from the user assigned to the robot instruction in keyword extraction on behalf of the user characteristics as feature labels, and labels to each feature given initial score and initial weighted values; and determine the various attributes of each label derived behavior score then one label; derived one attribute behavior score and the predetermined threshold were compared to determine whether can determine the user attribute contains one attribute, finally through multiple semantic user attributes to restore the user's picture, complete the user portrait, the invention provides a man-machine interactive user image clustering calculation method, through accurate calculation of behavior score, compared to determine its behavior properties, so as to obtain the user portrait, both Guarantee timeliness, and can get more accurate user portrait.

【技术实现步骤摘要】
一种人机交互构建用户画像聚类计算方法
本专利技术涉及用户画像领域，尤其涉及一种人机交互构建用户画像聚类计算方法。
技术介绍
用户画像，即用户信息标签化，就是通过收集与分析用户社会属性、生活习惯、行为等主要信息的数据之后，完美地抽象出一个用户的全貌。用户画像为企业提供了足够的信息基础，能够帮助企业快速找到精准用户群体以及用户需求等更为广泛的反馈信息。其中，属性是进行用户画像所需要统计的维度，如性别下的男和女，年龄下的少年、青年、中年、老年，收入等级下的贫困，中低，中等，富裕等。现有技术中用户画像方法主要有两种：通过用户的注册信息直接画出用户画像的方法；对用户的行为进行监测，而后为用户打上各种标签，后台工作人员利用个人经验对所有标签进行分析推导得出用户画像的方法。但现有技术过于依赖后台工作人员个人因素会导致得到的用户画像结果的差异性很大，同时也很难避免噪音标签对用户画像的干扰，而且也没有考虑到标签的时效性，导致最终得到的用户画像不够精确。
技术实现思路
本专利技术提供的人机交互构建用户画像聚类计算方法，通过精确计算行为分值，比较后确定其行为属性，从而获得用户画像，既保证了时效性，又能得到更加本文档来自技高网...

【技术保护点】
一种人机交互构建用户画像聚类计算方法，其特征在于，包括：步骤一：获取用户发送的基于自然情景的语句，采用阈值语音降噪算法对输入语句进行滤波降噪，并从用户下达给机器人指令中提取代表用户特征的关键词作为特征标签，并给每个特征标签赋予初始分值和初始加权值，全部特征标签的集合构成标签数据库；步骤二：根据一段时间内为用户打上的每一种标签的数量、使用频率和使用时间、利用推导规则从标签推导出的属性、推导规则的逻辑强度值，确定每一种标签推导出的各种属性的行为分值；步骤三：将其中一种标签推导出的其中一种属性的行为分值与预定阈值进行对比，判断是否能够确定用户属性包含所述其中一种属性，若否，则利用所述行为分值连同其他...

【技术特征摘要】
1.一种人机交互构建用户画像聚类计算方法，其特征在于，包括：步骤一：获取用户发送的基于自然情景的语句，采用阈值语音降噪算法对输入语句进行滤波降噪，并从用户下达给机器人指令中提取代表用户特征的关键词作为特征标签，并给每个特征标签赋予初始分值和初始加权值，全部特征标签的集合构成标签数据库；步骤二：根据一段时间内为用户打上的每一种标签的数量、使用频率和使用时间、利用推导规则从标签推导出的属性、推导规则的逻辑强度值，确定每一种标签推导出的各种属性的行为分值；步骤三：将其中一种标签推导出的其中一种属性的行为分值与预定阈值进行对比，判断是否能够确定用户属性包含所述其中一种属性，若否，则利用所述行为分值连同其他标签下的对应于所述其中一种属性的行为分值推算联合行为属性阈值，通过联合行为属性阈值判断是否能够确定用户属性包含所述其中一种属性；步骤四：通过多个语义化的用户属性来还原用户的全貌，完成用户画像。2.根据权利要求1所述的人机交互构建用户画像聚类计算方法，其特征在于，所述用户画像信息为描述包括所述用户个性、特点和行为特征的信息。3.根据权利要求1或2所述的人机交互构建用户画像聚类计算方法，其特征在于，所述步骤二之前，还包括建立标签规则库：提供标签、属性、以及标签和属性之间的推导规则；根据所述标签和属性之间的推导规则的强弱设置相应的逻辑强度值。4.根据权利要求3所述的一种人机交互构建用户画像聚类计算方法，其特征在于，所述行为分值为：其中，Ii为对应标记为i属性的行为分值，Li0为初始分值，ωio为初始加权值，m为标签数量，f为标签使用频率。5.根据权利要求1-2或4中任一项所述的人机...

【专利技术属性】
技术研发人员：刘颖博，王东亮，王洪斌，
申请(专利权)人：吉林省盛创科技有限公司，
类型：发明
国别省市：吉林,22