用户特征确定方法、装置和电子设备制造方法及图纸

本申请公开了一种用户特征确定方法、装置和电子设备。该方法在获得多个用户对应的多个用户关系对之后，为每个用户关系对构建三元组向量，并利用该多个三元组向量训练关系模型，并基于训练出的关系模型中的关系函数确定用于对用户关系对中的用户对应的用户向量进行特征转换的用户特征转换矩阵，从而可以针对该多个用户中每个待分析的用户，利用该用户的向量和该用户特征转换矩阵确定出该用户的用户特征向量，实现了基于多个用户之间的用户关系数据确定该多个用户的每个用户的用户特征，进而为基于多个用户特征进行不同场景的任务分析提供了依据。

Methods, devices and electronic equipment for determining user characteristics

【技术实现步骤摘要】
用户特征确定方法、装置和电子设备
本申请涉及数据处理
，更具体地说，涉及一种用户特征确定方法、装置和电子设备。
技术介绍
为了能够为用户提供更好的服务，经常需要对网络用户的网络行为进行特征分析，以根据分析出的用户特征对该用户进行行为预测或者信息推荐等。而随着社交网络的不断发展，用户在社交网络上产生的社交网络数据不断增多。但是社交网络数据中只能直观反映出单个用户与其他用户之间的关系，无法结合这些用户关系进行一些用户属性预测以及信息推荐等，因此，如何基于网络数据分析出网络中各个用户的用户特征是本领域技术人员迫切需要解决的技术问题。
技术实现思路
本申请的目的是提供一种用户特征确定方法和电子设备，以实现基于网络中多个用户的用户关系数据确定该多个用户中任意一个用户的用户特征，以为基于该多个用户各自的用户特征进行相关任务分析提供依据。为实现上述目的，本申请提供了如下技术方案：第一方面，本申请提供了一种用户特征确定方法，包括：获取多个用户关系对，每个用户关系对包括：第一用户、第二用户以及所述第一用户本文档来自技高网...

【技术保护点】
1.一种用户特征确定方法，包括：/n获取多个用户关系对，每个用户关系对包括：第一用户、第二用户以及所述第一用户与第二用户之间的关系；/n为所述用户关系对构建三元组向量，所述三元组向量包括：表征所述第一用户的第一用户向量，表征所述第二用户的第二用户向量以及表征所述关系的关系向量；/n利用所述多个用户关系对对应的多个三元组向量训练关系模型，所述关系模型包括第一用户向量、第二用户向量和关系向量之间的关系函数；/n基于训练出的关系模型中的关系函数，确定用户特征转换矩阵；/n基于待分析用户的用户向量以及所述用户特征转换矩阵，确定表征所述待分析用户的用户特征的用户特征向量，所述待分析用户的用户向量属于所述...

【技术特征摘要】
1.一种用户特征确定方法，包括：
获取多个用户关系对，每个用户关系对包括：第一用户、第二用户以及所述第一用户与第二用户之间的关系；
为所述用户关系对构建三元组向量，所述三元组向量包括：表征所述第一用户的第一用户向量，表征所述第二用户的第二用户向量以及表征所述关系的关系向量；
利用所述多个用户关系对对应的多个三元组向量训练关系模型，所述关系模型包括第一用户向量、第二用户向量和关系向量之间的关系函数；
基于训练出的关系模型中的关系函数，确定用户特征转换矩阵；
基于待分析用户的用户向量以及所述用户特征转换矩阵，确定表征所述待分析用户的用户特征的用户特征向量，所述待分析用户的用户向量属于所述多个用户关系对对应的多个三元组向量中的第一用户向量或者第二用户向量。


2.根据权利要求1所述的方法，所述关系模型中的关系函数为：所述第二用户向量与第一用户特征向量和关系特征向量之间的线性函数，所述第一用户特征向量为第一用户向量与第一特征转换矩阵的乘积，关系特征向量为关系向量与关系转换矩阵的乘积；
所述基于训练出的关系模型中的关系函数，确定所述用户特征转换矩阵，包括：
将训练出的关系模型的关系函数中的第一特征转换矩阵确定为用户特征转换矩阵。


3.根据权利要求1所述的方法，所述关系模型中的关系函数为：第二用户特征向量与第一用户特征向量和关系特征向量之间的线性函数，所述第一用户特征向量为第一用户向量与第一特征转换矩阵的乘积，关系特征向量为关系向量与关系转换矩阵的乘积，第二用户特征向量为第二用户向量与第二特征转换矩阵的乘积；
所述基于训练出的关系模型中的关系函数，确定所述用户特征转换矩阵，包括：
将训练出的关系模型的关系函数中的第二特征转换矩阵确定为用户特征转换矩阵。


4.根据权利要求1所述的方法，所述利用所述多个用户关系对对应的多个三元组向量训练关系模型，包括：
依据关系模型中的关系函数，并结合所述用户关系对的三元组向量中的第一用户向量和关系向量，预测出所述用户关系对中第二用户的预测向量；
基于多个用户关系对中第二用户的第二用户向量以及预测向量，检测关系模型的第一预测准确度；
如所述第一预测准确度不符合要求，调整所述关系模型的关系函数中第一用户向量、第二用户向量和/或关系向量关联的转换矩阵，并基于调整后的关系模型中的关系函数，返回执行所述依据关系模型中的关系函数，并结合所述用户关系对的三元组向量中的第一用户向量和关系向量，预测出所述用户关系对中第二用户的预测向量的操作，直至所述关系模型的第一预测准确度符合要求。


5.根据权利要求4所述的方法，所述依据关系模型中的关系函数，并结合所述用户关系对的三元组向量中的第一用户向量和关系向量，预测出所述用户关系对中第二用户的预测向量，包括：
通过关系模型计算第一特征转换矩阵与所述用户关系对的三元组向量中的第一用户向量的乘积，得到第一用户特征向量；
通过关系模型计算关系特征转换矩阵与所述用户关系对的三元组向量中的关系向量的乘积，得到关系特征向量；
按照关系模型中第一用户特征向量、关系特征向量与第二用户向量之间的线性函数关系，计算所述用户关系对中第二用户的预测向量。


6.根据权利要求5所述的方法，所述用户关系对中的第一用户还对应有至少一种任务场景中的实际任务结果；
在得到第一用户特征向量之后，还包括：
基于所述第一用户特征向量以及所述第一用户在至少一种任务场景中的实际任务结果，训练所述至少一种任务场景对应的机器学习模型；
所述如所述第一预测准确度不符合要求，调整所述关系...

【专利技术属性】
技术研发人员：杨帆，杨沛，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：北京;11