一种用户特征分析方法及其系统技术方案

本发明专利技术包括一种用户特征分析方法及其系统，用户特征分析方法，包括模型训练过程：收集用户的特征数据；将特征数据进行处理得到对应的显示特征；将特征数据和显示特征作为训练数据集中的输入数据，采用训练数据集训练得到预测模型；还包括利用预测模型对预测特征进行预测的过程：收集用户的特征数据并进行处理得到对应的显示特征；将用户的特征数据和对应的显示特征作为预测模型的输入数据，预测得到关联于特征数据的预测特征，预测模型同时输出各个预测特征的可信度；根据可信度筛选得到可以进行合并的预测特征作为待合并特征，并将显示特征和待合并特征进行合并得到用户完整的用户特征；重复执行，以得到多个用户的用户特征并建立用户画像仓库。

【技术实现步骤摘要】
一种用户特征分析方法及其系统
本专利技术涉及通信
，尤其涉及一种用户特征分析方法及其系统。
技术介绍
对于精准营销、数据分析和产品推荐等领域而言，需要通过各类数据来预测需要结果，而随着互联网的蓬勃发展，预测模型作为一种新的技术，越来越受到人们的重视。然而，现有的预测研究中，往往将数据直接通过预测模型来输出预测结果，通常会导致根据该预测结果与实际偏差较大。
技术实现思路
针对现有技术中存在的上述问题，现提供一种旨在提高预测特征可信度的用户特征分析方法及其系统。具体技术方案如下：一种用户特征分析方法，其中，包括模型训练过程，具体包括：步骤A1，收集用户的特征数据；步骤A2，将特征数据进行处理得到对应的显示特征；步骤A3，将特征数据和显示特征作为训练数据集中的输入数据，采用训练数据集训练得到预测模型，预测模型用于预测得到特征数据中的预测特征；还包括利用预测模型对预测特征进行预测的过程，具体包括：步骤B1，收集用户的特征数据并进行处理得到对应的显示特征；步骤B2，将用户的特征数据和对应的显示特征作为预测模型的输入数据，预测得到关联于特征数据的预测特征，预测模型同时输出各个预测特征的可信度；步骤B3，根据可信度筛选得到可以进行合并的预测特征作为待合并特征，并将显示特征和待合并特征进行合并得到一个用户的完整的用户特征；步骤B4：重复执行步骤B1至步骤B3，以得到多个用户的用户特征并建立用户画像仓库。优选的，用户特征分析方法，其中，步骤B1包括以下步骤：步骤B11，将用户根据预设条件分为多个用户区；步骤B12，同时收集每个用户区对应的用户的特征数据；步骤B13，判断用户的特征数据是否需要实时处理；当用户的特征数据需要实时处理时，执行步骤S14；当用户的特征数据不需要实时处理时，执行步骤S15；步骤B14，将特征数据送入实时消息队列中，以进行实时处理，得到特征数据中的显示特征，并将特征数据和显示特征保存存储器中，执行步骤B16；步骤B15，保存特征数据，随后再对特征数据进行处理，以得到特征数据中的显示特征，并将显示特征保存于存储器中，执行步骤B16；步骤B16，在步骤B2之前，首先从存储器中获取特征数据和对应的显示特征。优选的，用户特征分析方法，其中，步骤A2和步骤B1中的将特征数据进行处理得到对应的显示特征具体包括以下步骤：步骤S21，确定特征数据中需要进行筛选的特征类型；步骤S22，将特征数据根据特征类型进行筛选，得到显示特征。优选的，用户特征分析方法，其中，用户具有对应的用户统一标识，用户统一标识作为用户画像仓库的索引。优选的，用户特征分析方法，其中，用户统一标识为用户的手机号。还包括一种用户特征分析系统，其中，采用上述任一用户特征分析方法，具体包括，模型建立模块，模型建立模块用于建立预测模型，包括，第一收集单元，用于收集用户的特征数据；第一处理单元，与第一收集单元连接，用于将特征数据进行处理得到对应的显示特征；模型建立单元，与第一处理单元连接，用于将特征数据和显示特征作为训练数据集中的输入数据，采用训练数据集训练得到预测模型；预测模块，预测模块与模型建立模块连接，预测模块根据预测模型对预测特征进行预测，包括，第二收集单元，用于收集用户的特征数据；第二处理单元，与第二收集单元连接，用于将特征数据进行处理得到对应的显示特征；预测单元，与第二处理单元连接，用于将用户的特征数据和对应的显示特征作为预测模型的输入数据，预测得到关联于特征数据的预测特征，预测模型同时输出各个预测特征的可信度；合并单元，与预测单元连接，用于根据可信度筛选得到可以进行合并的预测特征作为待合并特征，并将显示特征和待合并特征进行合并得到一个用户的完整的用户特征；用户画像仓库单元，与合并单元连接，用于获取多个用户的用户特征并建立用户画像仓库。优选的，用户特征分析系统，其中，用户特征分析系统还包括存储器，预测模块与存储器连接，第二收集单元包括，分区组件，用于将用户根据预设条件分为多个用户区；收集组件，与分区组件连接，用于同时收集每个用户区对应的用户的特征数据；判断组件，与收集组件连接，用于对用户的特征数据是否需要实时处理进行判断；第一处理组件，与判断组件连接，包括实时消息队列，第一处理组件用于将需要实时处理的用户的特征数据送入实时消息队列中，实时队列对特征数据进行实时处理，得到特征数据中的显示特征，并将特征数据和显示特征保存存储器中；第二处理组件，与判断组件连接，第二处理组件用于将不需要实时处理的用户的特征数据保存到存储器中，再从存储器中提取特征数据并进行处理，以得到特征数据中的显示特征，并将显示特征保存于存储器中。优选的，用户特征分析系统，其中，第一处理单元包括，第一确定特征类型组件，用于确定特征数据中需要进行筛选的特征类型；第一筛选组件，与第一确定特征类型组件连接，用于将特征数据根据维度进行筛选，得到显示特征。优选的，用户特征分析系统，其中，第二处理单元包括，第二确定特征类型组件，用于确定特征数据中需要进行筛选的特征类型；第二筛选组件，与第二确定特征类型组件连接，用于将特征数据根据维度进行筛选，得到显示特征。上述技术方案具有如下优点或有益效果：提高预测特征可信度。附图说明参考所附附图，以更加充分的描述本专利技术的实施例。然而，所附附图仅用于说明和阐述，并不构成对本专利技术范围的限制。图1为本专利技术用户特征分析方法实施例的模型训练过程的流程图；图2为本专利技术用户特征分析方法实施例的得到预测特征的流程图；图3为本专利技术用户特征分析方法实施例的步骤B1的流程图；图4为本专利技术用户特征分析方法实施例的得到显示特征的流程图；图5为本专利技术用户特征分析系统实施例的结构示意图。附图标记：1、模型建立模块，11、第一收集单元，12、第一处理单元，13、模型建立单元，2、预测模块，21、第二收集单元，22、第二处理单元，23、预测单元，24、合并单元，25、用户画像仓库单元，3、存储器。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面结合附图和具体实施例对本专利技术作进一步说明，但不作为本专利技术的限定。本专利技术包括一种用户特征分析方法，包括模型训练过程，如图1所示，具体包括：步骤A1，收集用户的特征数据；步骤A2，将特征数据进行处理得到对应的显示特征；步骤A3，将特征数据和显示特征作为训练数据集中的输入数据，采用训练数据集训练得到预测模型，预测模型用于预测得到特征数据中的预测特征；还包括利用预测模型对预测特征进行预测的过程，如图2所示，具体包括：步骤B1，收集用户的特征数据并进行处理得到对应的显示特征；步骤B2，将用户的特征数据和对应的显示特征作为预测模型的输入数据，预测得到关联于特征数据的预测特征，预测模型同时输出各个预测特征的可信度，可信度用于表示该预测特征的可靠性；步骤B3，根据可信度筛选得到可以进行合并的预测特征作为待合并特征，并将显示特征和待合并特征进行合并得到一个本文档来自技高网...

【技术保护点】
1.一种用户特征分析方法，其特征在于，包括一模型训练过程，具体包括：步骤A1，收集用户的特征数据；步骤A2，将所述特征数据进行处理得到对应的显示特征；步骤A3，将所述特征数据和所述显示特征作为训练数据集中的输入数据，采用所述训练数据集训练得到一预测模型，所述预测模型用于预测得到所述特征数据中的预测特征；还包括一利用所述预测模型对预测特征进行预测的过程，具体包括：步骤B1，收集用户的特征数据并进行处理得到对应的所述显示特征；步骤B2，将所述用户的特征数据和对应的所述显示特征作为所述预测模型的输入数据，预测得到关联于所述特征数据的所述预测特征，所述预测模型同时输出各个所述预测特征的可信度；步骤B3，根据所述可信度筛选得到可以进行合并的所述预测特征作为待合并特征，并将所述显示特征和所述待合并特征进行合并得到一个用户的完整的用户特征；步骤B4：重复执行步骤B1至步骤B3，以得到多个用户的所述用户特征并建立一用户画像仓库。

【技术特征摘要】
1.一种用户特征分析方法，其特征在于，包括一模型训练过程，具体包括：步骤A1，收集用户的特征数据；步骤A2，将所述特征数据进行处理得到对应的显示特征；步骤A3，将所述特征数据和所述显示特征作为训练数据集中的输入数据，采用所述训练数据集训练得到一预测模型，所述预测模型用于预测得到所述特征数据中的预测特征；还包括一利用所述预测模型对预测特征进行预测的过程，具体包括：步骤B1，收集用户的特征数据并进行处理得到对应的所述显示特征；步骤B2，将所述用户的特征数据和对应的所述显示特征作为所述预测模型的输入数据，预测得到关联于所述特征数据的所述预测特征，所述预测模型同时输出各个所述预测特征的可信度；步骤B3，根据所述可信度筛选得到可以进行合并的所述预测特征作为待合并特征，并将所述显示特征和所述待合并特征进行合并得到一个用户的完整的用户特征；步骤B4：重复执行步骤B1至步骤B3，以得到多个用户的所述用户特征并建立一用户画像仓库。2.如权利要求1所述的用户特征分析方法，其特征在于，所述步骤B1包括以下步骤：步骤B11，将用户根据一预设条件分为多个用户区；步骤B12，同时收集每个所述用户区对应的所述用户的特征数据；步骤B13，判断所述用户的特征数据是否需要实时处理；当所述用户的特征数据需要实时处理时，执行步骤S14；当所述用户的特征数据不需要实时处理时，执行步骤S15；步骤B14，将特征数据送入实时消息队列中，以进行实时处理，得到所述特征数据中的所述显示特征，并将所述特征数据和所述显示特征保存一存储器中，执行步骤B16；步骤B15，保存特征数据，随后再对所述特征数据进行处理，以得到所述特征数据中的所述显示特征，并将所述显示特征保存于一存储器中，执行步骤B16；步骤B16，在所述步骤B2之前，首先从所述存储器中获取所述特征数据和对应的所述显示特征。3.如权利要求1所述的用户特征分析方法，其特征在于，所述步骤A2和步骤B1中的将所述特征数据进行处理得到对应的显示特征具体包括以下步骤：步骤S21，确定所述特征数据中需要进行筛选的特征类型；步骤S22，将所述特征数据根据所述特征类型进行筛选，得到所述显示特征。4.如权利要求1所述的用户特征分析方法，其特征在于，所述用户具有对应的一用户统一标识，所述用户统一标识作为所述用户画像仓库的索引。5.如权利要求4所述的用户特征分析方法，其特征在于，所述用户统一标识为所述用户的手机号。6.一种用户特征分析系统，其特征在于，采用上述权利要求1-5任一所述的用户特征分析方法，具体包括，一模型建立模块，所述模型建立模块用于建立所述预测模型，包括，一第一收集单元，用于收集用户的特征数据；一第一处理单元，与...

【专利技术属性】
技术研发人员：郑福传，
申请(专利权)人：上海瀚之友信息技术服务有限公司，
类型：发明
国别省市：上海,31