用户画像构建、内容推荐方法、装置及设备制造方法及图纸

本申请公开了一种用户画像构建、内容推荐方法、装置及设备。用户画像构建方法包括：获取用户的历史阅读数据；获取每条历史阅读内容的标签，确定每个标签的权重；根据权重对标签进行过滤；根据过滤后的标签构建用户的阅读兴趣画像。内容推荐方法包括：根据上述方法构建阅读兴趣画像；根据用户的历史阅读数据确定用户的多元智能理论值，其中多元智能理论值用于反映用户在多个智能范畴的阅读情况；根据阅读兴趣画像和多元智能理论值，确定为用户推荐的内容。采用上述方案后，可以获得较为精准的用户阅读偏好，便于为用户推荐感兴趣的阅读内容，且为用户推荐时还可以为用户推荐用户需要阅读的内容，而不是仅发展用户感兴趣的智能范畴。

User image construction, content recommendation methods, devices and equipment

【技术实现步骤摘要】
用户画像构建、内容推荐方法、装置及设备
本申请涉及计算机
，尤其涉及一种用户画像构建、内容推荐方法、装置及设备。
技术介绍
绘本被认为是适合幼儿阅读的图书，通过优美的图片和简洁的文字，可以有效促进孩子语言发展，培养孩子阅读兴趣。随着近年来人工智能(ArtificialIntelligence，AI)技术发展，可以利用AI技术帮助家长和孩子阅读读绘本，解决没时间读、读不好等问题，提高孩子专注度，养成良好的阅读习惯。例如常见的绘本机器人，可以通过图像和语音技术，将绘本机器人看到的绘本，通过语音方式读出来。具体的：用户将一本绘本展示在绘本机器人前面，绘本机器人利用摄像头进行拍摄，然后利用计算机视觉技术判定用户展示是哪个绘本哪个内页，并将此内页的内容以语音方式阅读出来。用户翻一页，绘本机器人读一页，绘本机器人还可以支持跳页翻阅。由于每个孩子都是独立的个体，感兴趣的事物、书籍有所不同，导致在阅读绘本时会有自己的阅读偏好，有的孩子对习惯养成类刚兴趣，有的孩子对亲情类感兴趣，需要了解每个孩子的阅读兴趣，并为其提供有针对性的阅读推荐。
技术实现思路
本申请实施例提供一种用户画像构建、内容推荐方法、装置及设备，用以实现为用户推荐个性化的阅读内容。本申请实施例提供的一种用户画像构建方法，包括：获取用户的历史阅读数据；获取所述历史阅读数据中的每条历史阅读内容的标签，确定每个标签的权重；根据权重对标签进行过滤；根据过滤后的标签构建用户的阅读兴趣画像。在上述方法中，根据用户的历史数据确定可用于描述用户阅读兴趣的标签，并根据权重对标签进行过滤，而过滤后的标签能够较好地反映出用户的阅读兴趣偏好，使得根据较为精准的阅读偏好为用户推荐的阅读内容，更符合用户的阅读需求。本申请实施例提供的一种内容推荐方法，包括：根据前述实施例方法构建用户的阅读兴趣画像；根据用户的历史阅读数据确定所述用户的多元智能理论值，所述多元智能理论值用于反映所述用户在多个智能范畴的阅读情况；根据所述阅读兴趣画像和所述多元智能理论值，确定为用户推荐的内容。在上述方法中，不仅根据用户的阅读阅读兴趣为用户推荐内容，还根据用户的多元智能理论值为用户推荐阅读内容，使得为用户推荐的内容不仅是用户感兴趣的，还可以包括用户需要阅读的内容，而不是仅发展用户感兴趣的智能范畴。本申请实施例提供的一种用户画像构建装置，包括：获取模块，用于获取用户的历史阅读数据；确定模块，用于获取所述历史阅读数据中的每条历史阅读内容的标签，确定每个标签的权重；过滤模块，用于根据权重对标签进行过滤；构建模块，用于根据过滤后的标签构建用户的阅读兴趣画像。本申请实施例提供的一种内容推荐装置，包括：构建模块，用于根据权利要求1-5任一项所述方法构建阅读兴趣画像；确定模块，用于根据用户的历史阅读数据确定所述用户的多元智能理论值，所述多元智能理论值用于反映所述用户在多个智能范畴的阅读情况；推荐模块，用于根据所述阅读兴趣画像和所述多元智能理论值，确定为用户推荐的内容。本申请实施例提供一种内容推荐设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述内容推荐方法。本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述用户画像构建方法或内容推荐方法。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请实施例提供的用户画像构建方法的流程示意图；图2为本申请实施例提供的阅读内容标签生成方法示意图；图3为本申请实施例提供的内容推荐方法的流程示意图之一；图4为本申请实施例提供的内容推荐方法的流程示意图之二；图5为本申请实施例提供的用户画像构建装置的结构示意图；图6为本申请实施例提供的内容推荐装置的结构示意图；图7为本申请实施例提供的用户画像构建设备的结构示意图；图8为本申请实施例提供的内容推荐装置的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。每个孩子或成人感兴趣的阅读内容可能不同，为了了解每个用户的阅读兴趣，并进一步根据阅读兴趣为用户推荐阅读内容，本申请实施例提供了一种用户画像构建方法，用以实现确定用户的阅读兴趣。上述方法可以应用于阅读设备中，例如绘本机器人，或者，也可以应用于其他智能终端中，例如，在智能终端中安装用于实现该方法的应用程序。参见图1，为本申请实施例提供的用户画像构建方法的流程示意图，如图所示，该方法可以包括以下步骤：步骤101、获取用户的历史阅读数据。以绘本机器人进行举例说明，绘本机器人获取的用户已阅读绘本数据，可以包括绘本机器人利用计算机视觉技术阅读的用户准备的绘本数据，也可以包括用户阅读的绘本机器人自身存储或从互联网下载的绘本数据，进一步的，还可以包括用户已订购或已收藏的绘本。以智能终端中安装的阅读应用软件为例，智能终端通过执行该软件的程序，获取用户阅读过的小说、漫画，收听的有声小说的数据等，还可以是用户已订购或收藏的小说、漫画等。步骤102、获取历史数据中的每条历史阅读内容的标签，确定每个标签的权重。每条阅读内容可以对应一个或多个标签，提取用户历史阅读内容的标签，便于了解、分析用户的阅读兴趣。可选的，一本绘本或一本小说可以根据其内容的类型设置对应的标签，例如，一本关于丹麦童话的绘本，其对应的标签可以是“童话”；一本关于动物的绘本，其对应的标签可以是“动物”。当然，其类型标签也可以有多个，例如，一本关于青少年心理教育的书籍，其对应的标签可以包括“青少年”、“心理”以及“教育”等。除了根据书籍的内容类型设置标签，还可以根据作者、出版社、适合阅读的年龄段等设置相应的标签。在一种可能的实现方式中，可以通过网络爬虫、自动生成或人工输入的方式获得每条历史阅读内容的标签。其中，网络爬虫技术是指按照一定的规则自动地抓取网络信息的程序或者脚本，即，自动从互联网指抓取其他网页中存在的针对该内容的标签。人工输入，即，由用户输入的关于阅读内容的标签。自动生成，即，绘本机器人或智能终端等根据获取到的阅读内容，利用AI技术自动生成相应的标签。可选地，在通过自动生成阅读内容的标签本文档来自技高网...

【技术保护点】
1.一种用户画像构建方法，其特征在于，包括：/n获取用户的历史阅读数据；/n获取所述历史阅读数据中的每条历史阅读内容的标签，确定每个标签的权重；/n根据权重对标签进行过滤；/n根据过滤后的标签构建用户的阅读兴趣画像。/n

【技术特征摘要】
1.一种用户画像构建方法，其特征在于，包括：
获取用户的历史阅读数据；
获取所述历史阅读数据中的每条历史阅读内容的标签，确定每个标签的权重；
根据权重对标签进行过滤；
根据过滤后的标签构建用户的阅读兴趣画像。


2.如权利要求1所述的方法，其特征在于，所述确定每个标签的权重，包括：
确定每个标签对应的用户行为类型的第一权重、所述用户行为的次数、时间衰减因子以及根据词频确定的第二权重；
根据所述第一权重、用户行为次数、时间衰减因子以及第二权重，确定所述标签的权重。


3.如权利要求2所述的方法，其特征在于，所述时间衰减因子通过下述公式计算出：
N(t)＝N0e-α(t+l)
其中，t表示衰减时间，N0表示衰减初始值，α表示衰减常数，l表示向左平移量。


4.如权利要求1所述的方法，其特征在于，所述获取每条历史阅读内容的标签，包括：
通过以下方式中的一种或多种获取每条历史阅读内容的标签：网络爬虫，自动生成，获取人工输入的标签。


5.如权利要求4所述的方法，其特征在于，所述通过自动生成方式获取每条历史阅读内容的标签，包括：
获取每条历史阅读内容的文本内容，并从所述文本内容中获取关键词；
利用词频、最大熵、关键词提取算法确定每个关键词的权重；
将权重最大的N个关键词作为所述历史阅读内容的标签，其中N为大于等于1的整数。


6.一种内容推荐方法，其特征在于，包括：
根据权利要求1-5任一项所述方法构建阅读兴趣画像；
根据用户的历史阅读数据确定所述用户的多元智能理论值，所述多元智能理论值用于反映所述用户在多个智能范畴的阅读情况；
根据所述阅读兴趣画像和所述多元智能理论值，确定为用户推荐的内容。


7.如权利要求6所述的方法，其特征在于，所述根据所述历史阅读数据确定所述用户的多元智能理论值，包括：
获取所述历史阅读数据中的每条历史阅读内容的标签，根据所述标签确定所述内容所属的智能范畴；
统计每个智能范畴的历史阅读数量；
根据每个智能范畴的历史阅读数量，生成多元智能理论值。


8.如权利要求6所述的方法，其特征在于，还包括：
根据所述历史阅读数据进行深度学习，根据深度学习结果确定为用户推荐的内容。


9.一种用户画像构建装置，其特征在于，包括：
获取模块，用于获取用户的历史阅读数据；
确定模块，用于获取所述历史阅读数据中的每条历史阅读内容的标签，确定每个标签的权重；
过滤模块，用于根据权...

【专利技术属性】
技术研发人员：黄涛，姜伟，杨令铎，李来林，伍绪青，
申请(专利权)人：北京物灵科技有限公司，
类型：发明
国别省市：北京;11