一种大数据用户画像处理方法及大数据服务器技术

本申请实施例公开了一种大数据用户画像处理方法及大数据服务器，在实施该技术方案时，大数据服务器能够基于目标大数据交互信息进行用户信息更新。这样一来，在进行用户画像分布更新之前，能够基于指定的目标大数据事项进行判断，从而确保用户画像分布更新之后能够及时地被使用。及时地被使用。及时地被使用。

【技术实现步骤摘要】
一种大数据用户画像处理方法及大数据服务器
[0001]本申请是申请号为“202110309730.X”、申请日为“2021年03月23日”、申请名称为“一种基于大数据采集的用户信息更新方法及信息服务器”的分案申请。


[0002]本申请涉及大数据和用户分析
，特别涉及一种大数据用户画像处理方法及大数据服务器。

技术介绍

[0003]随着互联网（internet）、物联网（Internet of Things，IOT）、云计算（cloud computing）等信息技术在内的IT通信业迅速发展，数据的快速增长成了许多行业共同面对的严峻挑战和宝贵机遇，因此现代信息社会已经进入了大数据时代。事实上，大数据改变的不只是人们的日常生活和工作模式、企业运作和经营模式，甚至还引起科学研究模式的根本性改变。
[0004]一般意义上，大数据（big data）是指无法在一定时间内用常规机器和软硬件工具对其进行感知、获取、管理、处理和服务的数据集合。网络大数据是指“人、机、物”在网络空间中彼此交互与融合所产生并在互联网上可获得的大数据。将数据应用到生活生产中，可以有效地帮助人们或企业对信息作出比较准确的判断，以便采取适当行动。数据分析是组织有目的地收集数据、分析数据，并使之成为信息的过程。也就是指个人或者企业为了解决生活生产中的决策或者营销等问题，运用分析方法对数据进行处理的过程。
[0005]现目前，大数据统计分析的应用领域涉及范围广，结合各类线上业务服务功能的不断完善，运用大数据进行业务推送的相关技术已经逐渐开始应用。然而相关的业务推送技术仍然存在准确性差且可信度低下的问题，专利技术人对该技术问题进行研究和分析后发现，用户信息更新的偏差和滞后性是造成这一问题的其中一个原因。

技术实现思路

[0006]本申请实施例之一提供一种大数据用户画像处理方法，应用于大数据用户画像处理系统，所述系统包括互相之间通信的大数据用户设备和大数据服务器，所述方法包括：所述大数据用户设备从采集的第一大数据交互状态的第一大数据交互信息获取目标大数据事项在所述第一大数据交互信息中的大数据用户元素信息；从所述第一大数据交互信息中确定所述大数据用户元素信息对应的第一动态大数据交互信息；将所述第一动态大数据交互信息至少进行信息校正处理得到第二大数据交互状态的目标大数据交互信息，所述第二大数据交互状态适于所述目标大数据交互信息进行用户信息更新；将所述目标大数据交互信息发送至所述大数据服务器；所述大数据服务器基于所述目标大数据交互信息进行用户信息更新。
[0007]在一个可选的实施例中，从采集的第一大数据交互状态的第一大数据交互信息获取目标大数据事项在所述第一大数据交互信息中的大数据用户元素信息，包括：
对第一大数据交互信息进行交互信息转换得到第二大数据交互信息；在所述第二大数据交互信息中抽取出所述目标大数据事项的大数据用户元素信息，将抽取出的大数据用户元素信息确定为所述目标大数据事项在所述第一大数据交互信息中的大数据用户元素信息；在所述第二大数据交互信息中抽取出所述目标大数据事项的大数据用户元素信息，将抽取出的大数据用户元素信息确定为所述目标大数据事项在所述第一大数据交互信息中的大数据用户元素信息，包括：将所述第二大数据交互信息输入至预先完成训练的第一机器学习模型；其中所述第一机器学习模型至少通过用于进行特征提取的特征提取层、用于进行特征识别的特征识别层、用于进行特征分类的特征分类层、用于进行用户标签提取的标签提取层和用于进行元素信息匹配的信息匹配层实现所述目标大数据事项的大数据用户元素信息的识别和抽取；将所述第一机器学习模型抽取的结果确定为所述目标大数据事项在所述第一大数据交互信息中的大数据用户元素信息。
[0008]在一个可选的实施例中，将所述第一动态大数据交互信息至少进行信息校正处理得到第二大数据交互状态的目标大数据交互信息，包括：将所述第一动态大数据交互信息输入至预先完成训练的第二机器学习模型中；所述第二机器学习模型至少通过用于进行业务热度识别的热度识别层、用于进行用户兴趣分类的兴趣分类层实现输入的第一动态大数据交互信息的交互信息校正，并输出交互信息校正后的大数据交互信息；将第二机器学习模型输出的大数据交互信息作为所述目标大数据交互信息。
[0009]在一个可选的实施例中，将所述第一动态大数据交互信息至少进行信息校正处理得到第二大数据交互状态的目标大数据交互信息，包括：将所述第一动态大数据交互信息输入至预先完成训练的第三机器学习模型中；所述第三机器学习模型通过交互状态转换层将所述第一动态大数据交互信息转换成第一待处理大数据交互信息，所述交互状态转换层用于进行以下至少一种交互状态转换方式：交互状态标签筛分处理、交互状态特征对换处理，并至少通过用于进行业务热度识别的热度识别层、用于进行用户兴趣分类的兴趣分类层实现对所述第一待处理大数据交互信息的交互信息校正，并输出交互信息校正后的大数据交互信息；将第三机器学习模型输出的大数据交互信息作为所述目标大数据交互信息。
[0010]在一个可选的实施例中，将所述第一动态大数据交互信息至少进行信息校正处理得到第二大数据交互状态的目标大数据交互信息，包括：将所述第一动态大数据交互信息输入至预先完成训练的第四机器学习模型，以由所述第四机器学习模型的信息更新频率检测子网络检测输入的第一动态大数据交互信息在指定信息更新指示下的更新频率统计结果，所述更新频率统计结果中每个大数据用户元素的元素属性更新频率描述了输入的第一动态大数据交互信息中对应大数据用户元素的元素属性受指定信息更新指示影响的程度，并由所述第四机器学习模型的信息关系重构子网络依据信息更新频率检测子网络得到的更新频率统计结果对输入的第一动态大数据交互信息进行关系重构处理，并输出关系重构处理的大数据交互信息；
将第四机器学习模型输出的大数据交互信息作为所述目标大数据交互信息；所述信息更新频率检测子网络检测输入的第一动态大数据交互信息在各信息更新指示下的更新频率统计结果，包括：所述信息更新频率检测子网络至少通过更新频率检测层实现对输入的第一动态大数据交互信息在指定信息更新指示下的更新频率统计结果的检测；所述信息关系重构子网络依据信息更新频率检测子网络得到的更新频率统计结果对输入的第一动态大数据交互信息进行关系重构处理，包括：所述信息关系重构子网络至少通过用于进行特征提取的特征提取层、用于进行特征识别的特征识别层以及用于进行关系拆分的关系拆分层实现依据信息更新频率检测子网络得到的更新频率统计结果对输入的第一动态大数据交互信息进行关系重构处理。
[0011]在一个可选的实施例中，将所述目标大数据交互信息发送至所述大数据服务器之前，该方法还包括：获取经由所述第一大数据交互信息转换所得的包含所述目标大数据事项的第三大数据交互信息，并从所述第三大数据交互信息中确定出目标大数据事项所处的第二动态大数据交互信息；将所述目标大数据交互信息发送至所述大数据服务器，包括：将所述目标大数据交互信息与所述第二动态大数据交互信息的关键交互信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大数据用户画像处理方法，其特征在于，应用于大数据用户画像处理系统，所述系统包括互相之间通信的大数据用户设备和大数据服务器，所述方法包括：所述大数据服务器从目标大数据交互信息中提取目标用户画像分布，所述目标用户画像分布用于描述所述目标大数据交互信息中的目标大数据事项对应的用户画像变化情况，所述目标大数据交互信息为所述大数据用户设备发送给所述大数据服务器的；所述大数据服务器确定所述目标用户画像分布与预设的参考用户画像分布之间的比较结果，依据所述比较结果识别所述目标大数据交互信息中的目标大数据事项是否为指定的目标大数据事项，所述参考用户画像分布用于描述指定目标大数据事项；所述大数据服务器在依据所述比较结果识别出所述目标大数据交互信息中的目标大数据事项为指定的目标大数据事项时，基于所述目标用户画像分布对所述参考用户画像分布进行更新。2.根据权利要求1所述的方法，其特征在于，基于所述目标用户画像分布对所述参考用户画像分布进行更新，包括：获取所述参考用户画像分布的目标画像关系网络；确定所述目标画像关系网络的关系网络更新区域对应的目标画像活跃度，其中，所述关系网络更新区域为各个用户画像的画像活跃度均小于所述目标画像关系网络的第一全局画像活跃度的画像分布区域，且所述目标画像活跃度为目标用户画像数量对应的画像活跃度，所述目标用户画像数量为所述关系网络更新区域中，各个画像活跃度对应的用户画像数量中最大的用户画像数量；基于所述目标画像活跃度与预设画像活跃度范围的范围限值的比较结果，确定所述目标画像关系网络对应的画像活跃度范围；基于所确定的画像活跃度范围，确定第二全局画像活跃度；基于所述目标用户画像分布对应的平均画像活跃度对所述关系网络更新区域进行画像活跃度调整，直至所述目标画像关系网络的全局画像活跃度为所述第二全局画像活跃度时，完成对所述目标画像关系网络的画像活跃度更新；其中，所述第二全局画像活跃度为对所述目标画像关系网络进行画像活跃度更新后，所述目标画像关系网络的全局画像活跃度；按照所述目标画像关系网络对应的第二全局画像活跃度对所述关系网络更新区域中的用户画像之间的关联关系进行更新。3.根据权利要求2所述的方法，其特征在于，在所述基于所述目标画像活跃度与预设画像活跃度范围的范围限值的比较结果，确定所述目标画像关系网络对应的画像活跃度范围的步骤之前，所述方法还包括：判断所述目标画像活跃度是否符合预设的画像活跃度范围确定条件。4.根据权利要求3所述的方法，其特征在于，所述基于所述目标画像活跃度与预设画像活跃度范围的范围限值的比较结果，确定所述目标画像关系网络对应的画像活跃度范围的步骤，包括：当判断出所述目标画像活跃度符合预设的画像活跃度范围确定条件时，基于所述目标画像活跃度与预设画像活跃度范围的范围限值的比较结果，确定所述目标画像关系网络对应的画像活跃度范围。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：所述大数据用户设备从采集的第一大数据交互状态的第一大数据交互信息获取目标大数据事项在所述第一大数据交互信息中的大数据用户元素信息；相应的：所述大数据用户元素信息为针对业务用户层面的特征信息；所述大数据用户设备从所述第一大数据交互信息中确定所述大数据用户元素信息对应的第一动态大数据交互信息；相应的：所述第一动态大数据交互信息为随着时间的变化而变化的大数据交互信息；所述大数据用户设备将所述第一动态大数据交互信息至少进行信息校正处理得到第二大数据交互状态的目标大数据交互信息，所述第二大数据交互状态适于所述目标大数据交互信息进行用户信息更新；所述大数据用户设备将所述目标大数据交互信息发送至所述大数据服务器。6.根据权利要求5所述的方法，其特征在于，从采集的第一大数据交互状态的第一大数据交互信息获取目标大数据事项在所述第一大数据交互信息中的大数据用户元素信息，包括：对第一大数据交互信息进行交互信息转换得到第二大数据交互信息；在所述第二大数据交互信息中抽取出所述目标大数据事项的大数据用户元素信息，将抽取出...

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