基于电子商务大数据的用户画像解析方法及人工智能平台技术

本公开实施例提供一种基于电子商务大数据的用户画像解析方法及人工智能平台，通过获取直播观众账号的视频直播终端对于直播观众账号的直播商品推荐信息的浏览行为信息，然后进行深度分析后得到当前正浏览关系特征和当前负浏览关系特征，通过比较后得到浏览倾向信息，并基于浏览倾向信息确定主播观众账号的浏览行为标签信息，然后根据预设人工智能模型对主播观众账号的浏览行为标签信息进行分析，生成主播观众账号的用户画像。如此，能够实现观众对于直播商品推荐信息的进一步浏览行为的深度挖掘，从而有效挖掘观众的浏览倾向，扩展针对观众的用户画像的分析过程的深度维度，以便于后续的信息推送和观众体验优化。

【技术实现步骤摘要】
基于电子商务大数据的用户画像解析方法及人工智能平台
本公开涉及电子商务及大数据
，具体而言，涉及一种基于电子商务大数据的用户画像解析方法及人工智能平台。
技术介绍
随着互联网和移动通信技术的快速发展，互联网视频直播可以将电子商务商品等内容现场发布到互联网上，利用互联网的直观、快速，表现形式好、内容丰富、交互性强、地域不受限制、受众可划分等特点，加强电子商务商品的互动效果。目前，在发起互动的线上互动直播商品的直播过程中，可以通过基于观众在线上互动直播商品的直播过程中的图形互动情况对观众的互动行为特征进行有效挖掘，从而为其推荐感兴趣的直播商品推荐信息。然而，目前缺乏针对观众对于直播商品推荐信息的进一步浏览行为的深度挖掘，难以进一步有效挖掘观众的浏览倾向，从而导致针对观众的用户画像的分析过程深度维度不够广泛，进而影响后续的信息推送和观众体验优化。
技术实现思路
为了至少克服现有技术中的上述不足，本公开的目的在于提供一种基于电子商务大数据的用户画像解析方法及人工智能平台，能够实现观众对于直播商品推荐信息的进一步浏览行为的深度挖掘，从而有效挖掘观众的浏览倾向，扩展针对观众的用户画像的分析过程的深度维度，以便于后续的信息推送和观众体验优化。第一方面，本公开提供一种基于电子商务大数据的用户画像解析方法，应用于与多个视频直播终端通信连接的人工智能平台，所述方法包括：获取所述直播观众账号的视频直播终端对于所述直播观众账号的直播商品推荐信息的浏览行为信息，从所述浏览行为信息对应的浏览节点集合的初始浏览节点中，确定包括画像特征目标的目标浏览对象信息；从所述浏览节点集合的比较浏览节点中，获取与关联画像特征目标对应的至少一个浏览访问对象信息，所述比较浏览节点为所述浏览节点集合中除所述初始浏览节点之外的任一浏览节点，所述关联画像特征目标为所述画像特征目标对应的主播观众账号在所述比较浏览节点的关联浏览节点中的画像目标；对当前浏览访问对象信息和所述目标浏览对象信息均进行特征提取，得到分别对应的当前浏览特征向量和目标浏览特征向量；所述当前浏览访问对象信息为所述至少一个浏览访问对象信息中的任一浏览访问对象信息；对所述当前浏览特征向量和所述目标浏览特征向量进行浏览关系特征的提取，得到当前正浏览关系特征和当前负浏览关系特征；所述当前正浏览关系特征和所述当前负浏览关系特征均为浏览关系特征；比较所述当前正浏览关系特征和所述当前负浏览关系特征，得到浏览倾向信息，并基于所述浏览倾向信息从所述至少一个浏览访问对象信息中确定所述主播观众账号的浏览行为标签信息，根据预设人工智能模型对所述主播观众账号的浏览行为标签信息进行分析，生成所述主播观众账号的用户画像。在第一方面的一种可能的实现方式中，所述从所述浏览行为信息对应的浏览节点集合的初始浏览节点中，确定包括画像特征目标的目标浏览对象信息的步骤，包括：从所述浏览行为信息对应的所述浏览节点集合的所述比较浏览节点中，获取所述画像特征目标的所对应的浏览对象区域，得到所述目标浏览对象信息；所述从所述浏览节点集合的比较浏览节点中，获取与关联画像特征目标对应的至少一个浏览访问对象信息的步骤，包括：在所述比较浏览节点中，确定与所述关联画像特征目标对应的目标浏览行为标签信息；以所述目标浏览行为标签信息为搜索目标，根据预设搜索范围，获取至少一个搜索区间，对所述至少一个搜索区间的浏览访问对象信息搜索，得到与所述关联画像特征目标对应的所述至少一个浏览访问对象信息，其中，所述预设搜索范围为预先设置的用于确定不同类型的浏览行为标签的搜索区域的搜索区间。在第一方面的一种可能的实现方式中，所述对当前浏览访问对象信息和所述目标浏览对象信息均进行特征提取，得到分别对应的当前浏览特征向量和目标浏览特征向量的步骤，包括：对所述当前浏览访问对象信息和所述目标浏览对象信息均进行朴素贝叶斯特征提取，得到分别对应的当前朴素贝叶斯特征和目标朴素贝叶斯特征；对所述当前朴素贝叶斯特征和所述目标朴素贝叶斯特征均进行特征向量提取，得到分别对应的所述当前浏览特征向量和所述目标浏览特征向量。在第一方面的一种可能的实现方式中，所述对所述当前浏览特征向量和所述目标浏览特征向量进行浏览关系特征的提取，得到当前正浏览关系特征和当前负浏览关系特征，包括：对所述当前浏览特征向量和所述目标浏览特征向量所涉及的各浏览特征区间进行进行浏览关系特征的提取，确定所述直播观众账号对应的浏览关系描述向量；根据所述浏览关系描述向量确定关联浏览向量片段序列，并提取所述浏览关系描述向量的浏览频繁向量片段及以设定阈值为浏览向量片段区间，提取所述浏览频繁向量片段关联所述关联浏览向量片段序列的集中关联浏览向量片段，其中，所述浏览频繁向量片段用于表示所述浏览关系描述向量中在浏览关系描述轴中的可关联向量点数量大于设定数量所形成的向量片段；根据所述集中关联浏览向量片段中关联的至少两个集中关联浏览向量点，将集中关联浏览向量点所对应的轴区间段按照向量倾向方向生成多个向量倾向单元，并计算下一个集中关联浏览向量点中的所有轴区间段与上一个集中关联浏览向量点中所有轴区间段间的重叠区间段，并根据得到的每个重叠区间段得到对应的向量倾向方向表；根据所述向量倾向方向表，获取向量倾向方向相匹配且两向量倾向单元的各轴区间段之间的重叠区间段小于所述浏览关系描述向量在该重叠区间段内的最大持续重叠区间段的向量倾向单元以形成集中关联浏览向量点空间；对每一集中关联浏览向量点空间中的向量点空间进行匹配，得到匹配的每一集中关联浏览向量点空间的匹配区间，并根据所述每一集中关联浏览向量点空间的匹配区间在所述浏览关系描述轴的方向；根据所述每一集中关联浏览向量点空间的匹配区间在所述浏览关系描述轴的方向确定正方向和负方向，并将确定的所述正方向和负方向分别对应的集中关联浏览向量点空间的匹配区间的特征信息，作为当前正浏览关系特征和当前负浏览关系特征。在第一方面的一种可能的实现方式中，所述比较所述当前正浏览关系特征和所述当前负浏览关系特征，得到浏览倾向信息，并基于所述浏览倾向信息从所述至少一个浏览访问对象信息中确定所述主播观众账号的浏览行为标签信息，根据预设人工智能模型对所述主播观众账号的浏览行为标签信息进行分析，生成所述主播观众账号的用户画像的步骤，包括：比较所述当前正浏览关系特征和所述当前负浏览关系特征，得到浏览倾向信息；从所述浏览倾向信息中选择倾向度最高的浏览倾向信息，得到目标浏览倾向信息；从所述至少一个浏览访问对象信息中，确定与所述目标浏览倾向信息匹配的浏览访问对象信息，得到目标浏览访问对象信息；计算所述目标浏览访问对象信息和所述关联画像特征目标的浏览行为参数，得到当前浏览行为参数，获取历史浏览行为参数；所述历史浏览行为参数为所述比较浏览节点之前的历史浏览节点所对应的浏览行为参数；根据所述当前浏览行为参数和所述历史浏览行为参数，从所述至少一个浏览访问对象信本文档来自技高网...

【技术保护点】
1.一种基于电子商务大数据的用户画像解析方法，其特征在于，应用于与多个视频直播终端通信连接的人工智能平台，所述方法包括：/n获取所述直播观众账号的视频直播终端对于所述直播观众账号的直播商品推荐信息的浏览行为信息，从所述浏览行为信息对应的浏览节点集合的初始浏览节点中，确定包括画像特征目标的目标浏览对象信息；/n从所述浏览节点集合的比较浏览节点中，获取与关联画像特征目标对应的至少一个浏览访问对象信息，所述比较浏览节点为所述浏览节点集合中除所述初始浏览节点之外的任一浏览节点，所述关联画像特征目标为所述画像特征目标对应的主播观众账号在所述比较浏览节点的关联浏览节点中的画像目标；/n对当前浏览访问对象信息和所述目标浏览对象信息均进行特征提取，得到分别对应的当前浏览特征向量和目标浏览特征向量；所述当前浏览访问对象信息为所述至少一个浏览访问对象信息中的任一浏览访问对象信息；/n对所述当前浏览特征向量和所述目标浏览特征向量进行浏览关系特征的提取，得到当前正浏览关系特征和当前负浏览关系特征；所述当前正浏览关系特征和所述当前负浏览关系特征均为浏览关系特征；/n比较所述当前正浏览关系特征和所述当前负浏览关系特征，得到浏览倾向信息，并基于所述浏览倾向信息从所述至少一个浏览访问对象信息中确定所述主播观众账号的浏览行为标签信息，根据预设人工智能模型对所述主播观众账号的浏览行为标签信息进行分析，生成所述主播观众账号的用户画像。/n...

【技术特征摘要】
1.一种基于电子商务大数据的用户画像解析方法，其特征在于，应用于与多个视频直播终端通信连接的人工智能平台，所述方法包括：
获取所述直播观众账号的视频直播终端对于所述直播观众账号的直播商品推荐信息的浏览行为信息，从所述浏览行为信息对应的浏览节点集合的初始浏览节点中，确定包括画像特征目标的目标浏览对象信息；
从所述浏览节点集合的比较浏览节点中，获取与关联画像特征目标对应的至少一个浏览访问对象信息，所述比较浏览节点为所述浏览节点集合中除所述初始浏览节点之外的任一浏览节点，所述关联画像特征目标为所述画像特征目标对应的主播观众账号在所述比较浏览节点的关联浏览节点中的画像目标；
对当前浏览访问对象信息和所述目标浏览对象信息均进行特征提取，得到分别对应的当前浏览特征向量和目标浏览特征向量；所述当前浏览访问对象信息为所述至少一个浏览访问对象信息中的任一浏览访问对象信息；
对所述当前浏览特征向量和所述目标浏览特征向量进行浏览关系特征的提取，得到当前正浏览关系特征和当前负浏览关系特征；所述当前正浏览关系特征和所述当前负浏览关系特征均为浏览关系特征；
比较所述当前正浏览关系特征和所述当前负浏览关系特征，得到浏览倾向信息，并基于所述浏览倾向信息从所述至少一个浏览访问对象信息中确定所述主播观众账号的浏览行为标签信息，根据预设人工智能模型对所述主播观众账号的浏览行为标签信息进行分析，生成所述主播观众账号的用户画像。


2.根据权利要求1所述的基于电子商务大数据的用户画像解析方法，其特征在于，所述从所述浏览行为信息对应的浏览节点集合的初始浏览节点中，确定包括画像特征目标的目标浏览对象信息的步骤，包括：
从所述浏览行为信息对应的所述浏览节点集合的所述比较浏览节点中，获取所述画像特征目标的所对应的浏览对象区域，得到所述目标浏览对象信息；
所述从所述浏览节点集合的比较浏览节点中，获取与关联画像特征目标对应的至少一个浏览访问对象信息的步骤，包括：
在所述比较浏览节点中，确定与所述关联画像特征目标对应的目标浏览行为标签信息；
以所述目标浏览行为标签信息为搜索目标，根据预设搜索范围，获取至少一个搜索区间，对所述至少一个搜索区间的浏览访问对象信息搜索，得到与所述关联画像特征目标对应的所述至少一个浏览访问对象信息，其中，所述预设搜索范围为预先设置的用于确定不同类型的浏览行为标签的搜索区域的搜索区间。


3.根据权利要求1所述的基于电子商务大数据的用户画像解析方法，其特征在于，所述对当前浏览访问对象信息和所述目标浏览对象信息均进行特征提取，得到分别对应的当前浏览特征向量和目标浏览特征向量的步骤，包括：
对所述当前浏览访问对象信息和所述目标浏览对象信息均进行朴素贝叶斯特征提取，得到分别对应的当前朴素贝叶斯特征和目标朴素贝叶斯特征；
对所述当前朴素贝叶斯特征和所述目标朴素贝叶斯特征均进行特征向量提取，得到分别对应的所述当前浏览特征向量和所述目标浏览特征向量。


4.根据权利要求1所述的基于电子商务大数据的用户画像解析方法，其特征在于，所述对所述当前浏览特征向量和所述目标浏览特征向量进行浏览关系特征的提取，得到当前正浏览关系特征和当前负浏览关系特征，包括：
对所述当前浏览特征向量和所述目标浏览特征向量所涉及的各浏览特征区间进行进行浏览关系特征的提取，确定所述直播观众账号对应的浏览关系描述向量；
根据所述浏览关系描述向量确定关联浏览向量片段序列，并提取所述浏览关系描述向量的浏览频繁向量片段及以设定阈值为浏览向量片段区间，提取所述浏览频繁向量片段关联所述关联浏览向量片段序列的集中关联浏览向量片段，其中，所述浏览频繁向量片段用于表示所述浏览关系描述向量中在浏览关系描述轴中的可关联向量点数量大于设定数量所形成的向量片段；
根据所述集中关联浏览向量片段中关联的至少两个集中关联浏览向量点，将集中关联浏览向量点所对应的轴区间段按照向量倾向方向生成多个向量倾向单元，并计算下一个集中关联浏览向量点中的所有轴区间段与上一个集中关联浏览向量点中所有轴区间段间的重叠区间段，并根据得到的每个重叠区间段得到对应的向量倾向方向表；
根据所述向量倾向方向表，获取向量倾向方向相匹配且两向量倾向单元的各轴区间段之间的重叠区间段小于所述浏览关系描述向量在该重叠区间段内的最大持续重叠区间段的向量倾向单元以形成集中关联浏览向量点空间；
对每一集中关联浏览向量点空间中的向量点空间进行匹配，得到匹配的每一集中关联浏览向量点空间的匹配区间，并根据所述每一集中关联浏览向量点空间的匹配区间在所述浏览关系描述轴的方向；
根据所述每一集中关联浏览向量点空间的匹配区间在所述浏览关系描述轴的方向确定正方向和负方向，并将确定的所述正方向和负方向分别对应的集中关联浏览向量点空间的匹配区间的特征信息，作为当前正浏览关系特征和当前负浏览关系特征。


5.根据权利要求1所述的...

【专利技术属性】
技术研发人员：石伟，
申请(专利权)人：石伟，
类型：发明
国别省市：江苏;32