基于大数据线上模式的用户画像挖掘方法及机器学习系统技术方案

本公开实施例提供一种基于大数据线上模式的用户画像挖掘方法及机器学习系统，通过综合多种业务互动过程的数据评估方案，如业务互动指标是基于资讯互动行为的兴趣特征对业务互动过程进行分析，业务覆盖信息则是通过用户的业务使用特征对业务互动过程进行分析，两者结合能同时整合资讯互动行为的兴趣特征和业务使用特征，提高用户画像挖掘的精准度。

【技术实现步骤摘要】
基于大数据线上模式的用户画像挖掘方法及机器学习系统
本公开涉及大数据
，示例性地，涉及一种基于大数据线上模式的用户画像挖掘方法及机器学习系统。
技术介绍
用户画像是指根据用户的属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型。通俗说就是给用户打标签，而标签是通过对用户信息分析而来的高度精炼的特征标识。通过打标签可以利用一些高度概括、容易理解的特征来描述用户，可以让人更容易理解用户，并且可以方便计算机处理。相关技术中，如何提高用户画像挖掘的精准度，是亟待思考和解决的技术问题。
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大数据线上模式的用户画像挖掘方法及机器学习系统。第一方面，本公开提供一种基于大数据线上模式的用户画像挖掘方法，应用于机器学习系统，所述机器学习系统与所述多个业务服务设备通信连接，所述方法包括：根据所述业务服务设备的服务用户的大数据资讯服务获取每个业务互动过程对应的资讯互动行为序列，所述资讯互动行为序列包括至少两个目标互动资讯的互动行为数据，所述互动行为数据包括所述目标互动资讯每次调用目标微服务时的资讯互动行为和调用业务节点；根据每个目标互动资讯调用所述目标微服务时的资讯互动行为，确定每个资讯互动行为序列的业务互动指标，所述业务互动指标用于表征所述资讯互动行为序列中的目标互动资讯在调用所述目标微服务时的业务兴趣度；根据每个目标互动资讯每次调用所述目标微服务时的调用业务节点，确定每个资讯互动行为序列的业务覆盖信息；所述业务覆盖信息用于表征所述资讯互动行为序列中的目标互动资讯调用所述目标微服务的业务覆盖程度；根据每个业务互动过程对应的资讯互动行为序列的所述业务互动指标和所述业务覆盖信息，进行业务互动过程的用户画像挖掘。第二方面，本公开实施例还提供一种基于大数据线上模式的用户画像挖掘系统，所述基于大数据线上模式的用户画像挖掘系统包括机器学习系统以及与所述机器学习系统通信连接的多个业务服务设备；所述机器学习系统，用于：根据所述业务服务设备的服务用户的大数据资讯服务获取每个业务互动过程对应的资讯互动行为序列，所述资讯互动行为序列包括至少两个目标互动资讯的互动行为数据，所述互动行为数据包括所述目标互动资讯每次调用目标微服务时的资讯互动行为和调用业务节点；根据每个目标互动资讯调用所述目标微服务时的资讯互动行为，确定每个资讯互动行为序列的业务互动指标，所述业务互动指标用于表征所述资讯互动行为序列中的目标互动资讯在调用所述目标微服务时的业务兴趣度；根据每个目标互动资讯每次调用所述目标微服务时的调用业务节点，确定每个资讯互动行为序列的业务覆盖信息；所述业务覆盖信息用于表征所述资讯互动行为序列中的目标互动资讯调用所述目标微服务的业务覆盖程度；根据每个业务互动过程对应的资讯互动行为序列的所述业务互动指标和所述业务覆盖信息，进行业务互动过程的用户画像挖掘。根据上述任意一个方面，本公开通过综合多种业务互动过程的数据评估方案，如业务互动指标是基于资讯互动行为的兴趣特征对业务互动过程进行分析，业务覆盖信息则是通过用户的业务使用特征对业务互动过程进行分析，两者结合能同时整合资讯互动行为的兴趣特征和业务使用特征，提高用户画像挖掘的精准度。附图说明图1为本公开实施例提供的基于大数据线上模式的用户画像挖掘系统的应用场景示意图；图2为本公开实施例提供的基于大数据线上模式的用户画像挖掘方法的流程示意图；图3为本公开实施例提供的基于大数据线上模式的用户画像挖掘装置的功能模块示意图；图4为本公开实施例提供的用于实现上述的基于大数据线上模式的用户画像挖掘方法的机器学习系统的结构组件示意框图。具体实施方式下面结合说明书附图对本公开进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。图1是本公开一种实施例提供的基于大数据线上模式的用户画像挖掘系统10的交互示意图。基于大数据线上模式的用户画像挖掘系统10可以包括机器学习系统100以及与机器学习系统100通信连接的业务服务设备200。图1所示的基于大数据线上模式的用户画像挖掘系统10仅为一种可行的示例，在其它可行的实施例中，该基于大数据线上模式的用户画像挖掘系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。在一种单独实施例中，基于大数据线上模式的用户画像挖掘系统10中的机器学习系统100和业务服务设备200可以通过配合执行以下方法实施例所描述的基于大数据线上模式的用户画像挖掘方法，具体机器学习系统100和业务服务设备200的执行步骤部分可以参照以下方法实施例的详细描述。基于此，为了解决前述
技术介绍
中的技术问题，图2为本公开实施例提供的基于大数据线上模式的用户画像挖掘方法的流程示意图，本实施例提供的基于大数据线上模式的用户画像挖掘方法可以由图1中所示的机器学习系统100执行，下面对该基于大数据线上模式的用户画像挖掘方法进行详细介绍。步骤S110，根据业务服务设备200的服务用户的大数据资讯服务获取每个业务互动过程对应的资讯互动行为序列。其中，资讯互动行为序列可以包括至少两个目标互动资讯的互动行为数据，互动行为数据包括目标互动资讯每次调用目标微服务时的资讯互动行为和调用业务节点。其中，互动资讯可以是指存在动态链接的资讯页面，可以包括资讯的文本内容、音视频内容和服务链接内容等，资讯互动行为可以是指用户针对该互动资讯的页面中的资讯互动，包括但不限于点赞行为、取消行为等。调用业务节点可以是指时刻点，或者逻辑上的业务互动的节点，但不限于此。在一个独立的实施例中，步骤S110可以通过以下步骤具体实现。步骤S111，获取各目标互动资讯的互动行为数据。其中，互动行为数据包括业务互动过程ID以及目标互动资讯每次调用目标微服务时的资讯互动行为和调用业务节点，业务互动过程ID用于指示目标互动资讯获得目标微服务的业务互动过程。本实施例中，可以将当前亟待推广的微服务作为目标微服务，将配置有目标微服务的互动资讯作为目标互动资讯，在目标微服务的配置包内添加互动行为获取程序，如此，目标互动资讯每次调用目标微服务时，互动行为获取程序就能采集当前目标互动资讯的资讯互动行为和调用业务节点，并将采集的资讯互动行为和调用业务节点上报给服务器，同时上报给服务器的还有目标互动资讯的资讯标识和业务互动过程ID，其中，资讯标识用于唯一标识目标互动资讯，业务互动过程ID用于指示目标互动资讯中目标微服务的来源，服务器接收到互动行为获取程序上报的信息后，根据资讯标识将属于同一目标互动资讯的资讯互动行为、调用业务节点、业务互动过程ID和资讯标识汇总到对应的目标互动资讯名下，得到每个目标互动资讯的互动行为数据，这里的互动行为数据可以视为一个数据集合，数据集合中的每条数据对应目标互动资讯对目标微服务的一次调用动作。例如，目标微服务在目标互动资讯A本文档来自技高网...

【技术保护点】
1.一种基于大数据线上模式的用户画像挖掘方法，其特征在于，应用于机器学习系统，所述机器学习系统与所述多个业务服务设备通信连接，所述方法包括：/n根据所述业务服务设备的服务用户的大数据资讯服务获取每个业务互动过程对应的资讯互动行为序列，所述资讯互动行为序列包括至少两个目标互动资讯的互动行为数据，所述互动行为数据包括所述目标互动资讯每次调用目标微服务时的资讯互动行为和调用业务节点；/n根据每个目标互动资讯调用所述目标微服务时的资讯互动行为，确定每个资讯互动行为序列的业务互动指标，所述业务互动指标用于表征所述资讯互动行为序列中的目标互动资讯在调用所述目标微服务时的业务兴趣度；/n根据每个目标互动资讯每次调用所述目标微服务时的调用业务节点，确定每个资讯互动行为序列的业务覆盖信息；所述业务覆盖信息用于表征所述资讯互动行为序列中的目标互动资讯调用所述目标微服务的业务覆盖程度；/n根据每个业务互动过程对应的资讯互动行为序列的所述业务互动指标和所述业务覆盖信息，进行业务互动过程的用户画像挖掘。/n

【技术特征摘要】
1.一种基于大数据线上模式的用户画像挖掘方法，其特征在于，应用于机器学习系统，所述机器学习系统与所述多个业务服务设备通信连接，所述方法包括：
根据所述业务服务设备的服务用户的大数据资讯服务获取每个业务互动过程对应的资讯互动行为序列，所述资讯互动行为序列包括至少两个目标互动资讯的互动行为数据，所述互动行为数据包括所述目标互动资讯每次调用目标微服务时的资讯互动行为和调用业务节点；
根据每个目标互动资讯调用所述目标微服务时的资讯互动行为，确定每个资讯互动行为序列的业务互动指标，所述业务互动指标用于表征所述资讯互动行为序列中的目标互动资讯在调用所述目标微服务时的业务兴趣度；
根据每个目标互动资讯每次调用所述目标微服务时的调用业务节点，确定每个资讯互动行为序列的业务覆盖信息；所述业务覆盖信息用于表征所述资讯互动行为序列中的目标互动资讯调用所述目标微服务的业务覆盖程度；
根据每个业务互动过程对应的资讯互动行为序列的所述业务互动指标和所述业务覆盖信息，进行业务互动过程的用户画像挖掘。


2.根据权利要求1所述的基于大数据线上模式的用户画像挖掘方法，其特征在于，所述根据每个目标互动资讯调用所述目标微服务时的资讯互动行为，确定每个资讯互动行为序列的业务互动指标的步骤，包括：
根据每个目标互动资讯第一次调用所述目标微服务时的资讯互动行为，确定每个资讯互动行为序列的第一业务互动指标；所述第一业务互动指标用于表征所述资讯互动行为序列中的目标互动资讯在配置所述目标微服务时的业务兴趣度；
根据每个目标互动资讯在每个互动阶段内第一次调用所述目标微服务时的资讯互动行为，确定每个资讯互动行为序列的第二业务互动指标；所述第二业务互动指标用于表征所述资讯互动行为序列中的目标互动资讯在启用所述目标微服务时的业务兴趣度；
根据每个资讯互动行为序列的所述第一业务互动指标和第二业务互动指标，确定所述资讯互动行为序列的业务互动指标。


3.根据权利要求1所述的基于大数据线上模式的用户画像挖掘方法，其特征在于，所述获取每个业务互动过程对应的资讯互动行为序列的步骤，包括：
获取各目标互动资讯的互动行为数据，其中，所述互动行为数据包括业务互动过程ID以及所述目标互动资讯每次调用所述目标微服务时的资讯互动行为和调用业务节点，所述业务互动过程ID用于指示所述目标互动资讯获得所述目标微服务的业务互动过程；
将各目标互动资讯的互动行为数据按照所述业务互动过程ID进行归类，获得分别与各业务互动过程ID指示的业务互动过程对应的候选资讯互动行为序列，每个所述候选资讯互动行为序列包括至少两个目标互动资讯的互动行为数据，同一候选资讯互动行为序列中所有目标互动资讯具有相同的业务互动过程ID；
统计每个候选资讯互动行为序列中互动行为数据的数据量，将数据量大于等于预设阈值的候选资讯互动行为序列作为所述资讯互动行为序列。


4.根据权利要求2所述的基于大数据线上模式的用户画像挖掘方法，其特征在于，所述根据每个目标互动资讯第一次调用所述目标微服务时的资讯互动行为，确定每个资讯互动行为序列的第一业务互动指标的步骤，包括：
将每个目标互动资讯第一次调用所述目标微服务时的资讯互动行为作为所述目标互动资讯的第一资讯互动行为；
对每个目标互动资讯的所述第一资讯互动行为进行特征处理，得到与各目标互动资讯对应的第一互动行为特征；
将各目标互动资讯的第一互动行为特征输入业务兴趣预测网络，基于业务兴趣预测网络对每个目标互动资讯的第一互动行为特征进行业务兴趣特分析，得到每个目标互动资讯的第一业务兴趣数值；
基于每个资讯互动行为序列中目标互动资讯的总数量和第一业务兴趣数值大于第一阈值的目标互动资讯的第一业务兴趣数值，确定每个资讯互动行为序列对应的第一业务互动指标。


5.根据权利要求2所述的基于大数据线上模式的用户画像挖掘方法，其特征在于，所述根据每个目标互动资讯在每个互动阶段内第一次调用所述目标微服务时的资讯互动行为，确定每个资讯互动行为序列的第二业务互动指标，包括：
将每个目标互动资讯在每个互动阶段内第一次调用所述目标微服务时对应的资讯互动行为作为第二资讯互动行为；
将第二资讯互动行为的数量大于等于预设数量阈值的目标互动资讯，确定为候选互动资讯；
对每个候选互动资讯的所有第二资讯互动行为进行特征处理，得到与各候选互动资讯对应的第二互动行为特征；
将各候选互动资讯的第二互动行为特征输入业务兴趣预测网络，基于业务兴趣预测网络对各候选互动资讯的第二互动行为特征进行业务兴趣分析，得到每个候选互动资讯的第二业务兴趣数值；
基于每个资讯互动行为序列中候选互动资讯的总数量和第二业务兴趣数...

【专利技术属性】
技术研发人员：李光伟，
申请(专利权)人：李光伟，
类型：发明
国别省市：云南;53