基于生命周期理念的标签管理方法以及装置制造方法及图纸

本公开是关于一种基于生命周期理念的标签管理方法、装置、电子设备以及存储介质。其中，该方法包括：采集用户日常行为涉及的所有运营商数据，通过用户号码整合为全维度数据宽表，完成数据采集；采用机器学习算法，输入全维度数据宽表，基于机器自学习输出用户标签；通过预设标签弱化/消亡周期，在机器学习周期输出标签后进行预设标签周期关联；基于用户行为数据，采用机器学习算法进行标签输出。本公开通过基于生命周期理念的标签管理，实现了用户标签的动态更新，提高了社交粘合度。

Label management method and device based on life cycle concept

【技术实现步骤摘要】
基于生命周期理念的标签管理方法以及装置
本公开涉及互联网领域，具体而言，涉及一种基于生命周期理念的标签管理方法、装置、电子设备以及计算机可读存储介质。
技术介绍
随着时代发展，用户个性彰显成为大势所趋，用户标签作为用户行为特征的抽象，标签竞争将成为服务/产品提供商的核心竞争。现有的标签构建手段多为基于指标数据定义标签，此类技术依赖于相似用户行为的积累，对积累时间段内零星出现的行为多为忽略。此举会形成一种恶性循环，标签无更新、内容重复推送、用户积累相似行为、标签继续无更新，逐渐会导致因持续重复推送带来的用户流失。因此，需要一种或多种方法解决上述问题。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种基于生命周期理念的标签管理方法、装置、电子设备以及计算机可读存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。根据本公开的一个方面，提供一种基于生命周期理念的标签管理方法，包括：数据采集步骤，采集用户日常行为涉及的所有运营商数据，通过用户号码整合为全维度数据宽表，完成数据采集；机器学习算法定义标签步骤，采用机器学习算法，输入全维度数据宽表，基于机器自学习输出用户标签；标签生命周期预设步骤，通过预设标签弱化/消亡周期，在机器学习周期输出标签后进行预设标签周期关联；标签生命周期管理步骤，基于用户行为数据，采用机器学习算法进行标签输出。在本公开的一种示例性实施例中，所述数据采集步骤还包括：数据处理步骤：基于数据缺失、数据异常、无标签价值原则清洗所述全维度数据宽表，形成适合标签定义的用户特征数据。在本公开的一种示例性实施例中，所述数据采集步骤还包括：采集用户上网行为、语音通话、业务使用的运营商数据，通过用户号码整合为全维度数据宽表，完成数据采集。在本公开的一种示例性实施例中，所述机器学习算法定义标签步骤还包括：采用机器学习算法，输入用户特征数据，采用机器学习算法，通过机器自学习给出不同权重并形成用户标签。在本公开的一种示例性实施例中，所述标签生命周期预设步骤中标签生命周期还包括：标签弱化生命周期，到达此时间点后，该类标签等级需下调，融合其他新出现标签进行标签使用；标签消亡生命周期，到达此时间点后，该类标签需下线不再使用。在本公开的一种示例性实施例中，所述标签生命周期管理步骤还包括：基于用户行为数据，采用机器学习算法进行标签输出；若输出的标签与弱化标签匹配成功，则保留该类标签但弱化等级；若输出的标签与消亡标签匹配成功，则该类标签删除下线。查看新出现标签，若标签较少，则引入社交影响用户标签。在本公开的一种示例性实施例中，所述方法还包括：社交影响用户可通过运营商的短信数据、通话数据，互联网爬取的社交平台、即时通信类数据分析判定；判定为社交影响用户后，则引入将该用户的所有标签，但标签等级低于机器学习输出的本人标签。在本公开的一个方面，提供一种基于生命周期理念的标签管理装置，包括：数据采集模块，用于采集用户日常行为涉及的所有运营商数据，通过用户号码整合为全维度数据宽表，完成数据采集；机器学习算法定义标签模块，用于采用机器学习算法，输入全维度数据宽表，基于机器自学习输出用户标签；标签生命周期预设模块，用于通过预设标签弱化/消亡周期，在机器学习周期输出标签后进行预设标签周期关联；标签生命周期管理模块，用于基于用户行为数据，采用机器学习算法进行标签输出。在本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现根据上述任意一项所述的方法。在本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现根据上述任意一项所述的方法。本公开的示例性实施例中的基于生命周期理念的标签管理方法，采集用户日常行为涉及的所有运营商数据，通过用户号码整合为全维度数据宽表，完成数据采集；采用机器学习算法，输入全维度数据宽表，基于机器自学习输出用户标签；通过预设标签弱化/消亡周期，在机器学习周期输出标签后进行预设标签周期关联；基于用户行为数据，采用机器学习算法进行标签输出。一方面，本公开通过制定标签生命周期，打造用生命力的影子级标签，有效解决标签无更新带来的用户流失；另一方面，本公开通过引入社交影响用户标签，建立社交共同性，提高社交粘合度。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明通过参照附图来详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。图1示出了根据本公开一示例性实施例的基于生命周期理念的标签管理方法的流程图；图2示出了根据本公开一示例性实施例的基于生命周期理念的标签管理装置的示意框图；图3示意性示出了根据本公开一示例性实施例的电子设备的框图；以及图4示意性示出了根据本公开一示例性实施例的计算机可读存储介质的示意图。具体实施方式现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。在本示例实施例中，首先提供了一种基于生命周期理念的标签管理方法；参考图1中所示，该基于生命周期理念的标签管理方法可以包括以下步骤：数据采集步骤S110，采集用户日常行为涉及的所有运营商数据，通过用户号码整合为全维度数据宽表，完成数据采集；机器学习算法定义标签步骤S120，采用机器学习算法，输入全维度数据宽表，基于机器自学习输出用户标签；标签生命周期预设步骤S130，通过预设标签弱化/消亡周期，在机器学习周期输出标签后进行预设标签周期关联；标签生命周期管理步骤S140，基本文档来自技高网...

【技术保护点】
1.一种基于生命周期理念的标签管理方法，其特征在于，所述方法包括：/n数据采集步骤，采集用户日常行为涉及的所有运营商数据，通过用户号码整合为全维度数据宽表，完成数据采集；/n机器学习算法定义标签步骤，采用机器学习算法，输入全维度数据宽表，基于机器自学习输出用户标签；/n标签生命周期预设步骤，通过预设标签弱化/消亡周期，在机器学习周期输出标签后进行预设标签周期关联；/n标签生命周期管理步骤，基于用户行为数据，采用机器学习算法进行标签输出。/n

【技术特征摘要】
1.一种基于生命周期理念的标签管理方法，其特征在于，所述方法包括：
数据采集步骤，采集用户日常行为涉及的所有运营商数据，通过用户号码整合为全维度数据宽表，完成数据采集；
机器学习算法定义标签步骤，采用机器学习算法，输入全维度数据宽表，基于机器自学习输出用户标签；
标签生命周期预设步骤，通过预设标签弱化/消亡周期，在机器学习周期输出标签后进行预设标签周期关联；
标签生命周期管理步骤，基于用户行为数据，采用机器学习算法进行标签输出。


2.如权利要求1所述的方法，其特征在于，所述数据采集步骤还包括：
数据处理步骤：基于数据缺失、数据异常、无标签价值原则清洗所述全维度数据宽表，形成适合标签定义的用户特征数据。


3.如权利要求1所述的方法，其特征在于，所述数据采集步骤还包括：
采集用户上网行为、语音通话、业务使用的运营商数据，通过用户号码整合为全维度数据宽表，完成数据采集。


4.如权利要求1所述的方法，其特征在于，所述机器学习算法定义标签步骤还包括：
采用机器学习算法，输入用户特征数据，采用机器学习算法，通过机器自学习给出不同权重并形成用户标签。


5.如权利要求1所述的方法，其特征在于，所述标签生命周期预设步骤中标签生命周期还包括：
标签弱化生命周期，到达此时间点后，该类标签等级需下调，融合其他新出现标签进行标签使用；
标签消亡生命周期，到达此时间点后，该类标签需下线不再使用。


6.如权利要求1所述的方法，其特征在...

【专利技术属性】
技术研发人员：沈林江，张笑笑，
申请(专利权)人：北京市天元网络技术股份有限公司，
类型：发明
国别省市：北京;11