用户画像方法、装置、计算机设备以及存储介质制造方法及图纸

本申请涉及大数据的数据处理领域，具体涉及一种用户画像方法、装置、计算机设备和存储介质。方法包括：获取汽车信息以及汽车信息对应的车主信息；根据汽车信息与车主信息获得车产标签；将车产标签输入预设第一神经网络模型获得强关联标签；将强关联标签与车产标签输入预设第二神经网络模型获得推理标签；根据车产标签、强关联标签与推理标签建立用户画像。本提案通过根据训练完成的神经网络模型在已有信息的基础上得出两层标签，即一层强关联标签与一层推理标签。通过这两层标签对汽车信息以及车主信息进行预测完善，使得车主的画像更加立体。

User portrait methods, devices, computer equipment and storage media

The application relates to the field of data processing of large data, in particular to a user portrait method, device, computer equipment and storage medium. The methods include: obtaining automobile information and corresponding owner information of automobile information; obtaining automobile product label according to automobile information and owner information; inputting automobile product label into preset first neural network model to obtain strong association label; inputting strong association label and automobile product label into preset second neural network model to obtain reasoning label; building automobile product label, strong association label and reasoning label according to automobile product label, strong association label and reasoning label Establish user portraits. In this proposal, two layers of labels, one is strong correlation label and the other is inference label, are obtained on the basis of the existing information based on the trained neural network model. Through these two layers of tags, the vehicle information and owner information are predicted and perfected, which makes the owner's portrait more stereoscopic.

【技术实现步骤摘要】
用户画像方法、装置、计算机设备以及存储介质
本申请涉及信息处理领域，特别是涉及一种用户画像方法、装置、计算机设备以及存储介质。
技术介绍
汽车是指由动力驱动，具有4个或4个以上车轮的非轨道承载的车辆，主要用于载运人员和货物。随着经济和科技的发展，汽车成为人们工作生活中不可缺少的一环，个人汽车也越来越加普遍。而用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。现在的汽车信息标签系统可以通过车主的驾驶记录以及出行记录相关数据进行对汽车以及车主信息进行多维度画像，然而现有的标签根据现有的车主信息及汽车信息进行总结，标签功能不够突出，建立的画像维度不足。
技术实现思路
基于此，有必要针对上述技术问题，提供一种标签功能突出的用户画像方法、装置、计算机设备以及存储介质。一种数据查找方法，所述方法包括：获取汽车信息以及所述汽车信息对应的车主信息；根据所述汽车信息与所述车主信息获得车产标签；将所述车产标签输入预设第一神经网络模型获得强关联标签，所述预设第一神经网络模型基于已有的车产标签作为训练样本通过无监督训练获得；将所述强关联标签与所述车产本文档来自技高网...

【技术保护点】
1.一种用户画像方法，所述方法包括：获取汽车信息以及所述汽车信息对应的车主信息；根据所述汽车信息与所述车主信息获得车产标签；将所述车产标签输入预设第一神经网络模型获得强关联标签，所述预设第一神经网络模型基于已有的车产标签作为训练样本通过无监督训练获得；将所述强关联标签与所述车产标签输入预设第二神经网络模型获得推理标签，所述预设第二神经网络模型基于已有的强关联标签通过无监督训练获得；根据所述车产标签、所述强关联标签与所述推理标签建立用户画像。

【技术特征摘要】
1.一种用户画像方法，所述方法包括：获取汽车信息以及所述汽车信息对应的车主信息；根据所述汽车信息与所述车主信息获得车产标签；将所述车产标签输入预设第一神经网络模型获得强关联标签，所述预设第一神经网络模型基于已有的车产标签作为训练样本通过无监督训练获得；将所述强关联标签与所述车产标签输入预设第二神经网络模型获得推理标签，所述预设第二神经网络模型基于已有的强关联标签通过无监督训练获得；根据所述车产标签、所述强关联标签与所述推理标签建立用户画像。2.根据权利要求1所述的方法，其特征在于，所述将所述车产标签输入预设第一神经网络模型获得强关联标签之前还包括：获取预设训练样本的训练样本信息，所述训练样本信息包括不完整的汽车信息以及所述不完整的汽车信息对应的车主信息；根据所述训练样本信息获得训练标签；根据所述预设训练样本以及所述训练标签对初始第一神经网络模型进行无监督学习，获得预设第一神经网络模型。3.根据权利要求2所述的方法，其特征在于，所述根据所述训练标签对初始第一神经网络模型进行无监督学习，获得预设第一神经网络模型之后还包括：将所述训练标签输入所述预设第一神经网络模型获得强关联训练标签，根据预设训练样本、所述训练标签以及所述训练强关联标签对初始第二神经网络模型进行无监督训练，获得预设第二神经网络模型。4.根据权利要求1所述的方法，其特征在于，所述获取汽车信息以及所述汽车信息对应的车主信息具体还包括：获取汽车信息以及车主信息；对所述汽车信息与所述车主信息进行过滤；建立过滤后的汽车信息与过滤后的车主信息的对应关系。5.根据权利要求1所述的方法，其特征在于，所述根据所述汽车信息与所述车主信息获得车产标签之前还...

【专利技术属性】
技术研发人员：施奕明，虎晨光，张超亚，齐婧含，付晓，
申请(专利权)人：深圳壹账通智能科技有限公司，
类型：发明
国别省市：广东,44