一种用户画像构建的方法、信息推荐的方法以及相关装置制造方法及图纸

本申请公开了一种基于人工智能技术实现的用户画像构建方法，该方法可基于大数据实现如下方法，具体包括：获取目标用户的目标属性标签；根据目标属性标签获取M个信息类别所对应的关联信息；基于M个信息类别所对应的关联信息以及目标属性标签，通过情感预测模型获取目标情感分类标签；根据目标属性标签、目标用户标识以及目标情感分类标签，构建目标用户所对应的用户画像。本申请实施例还提供了一种信息推荐的方法以及相关装置。本申请可以在构建用户画像的过程中加入了情感分类标签，由此，更加深入地刻画了用户对于属性标签的情感倾向程度，从而增强对于用户的全面理解，进而能够提升信息推荐效果。够提升信息推荐效果。够提升信息推荐效果。

【技术实现步骤摘要】
一种用户画像构建的方法、信息推荐的方法以及相关装置


[0001]本申请涉及人工智能领域以及大数据领域，尤其涉及一种用户画像构建的方法、信息推荐的方法以及相关装置。

技术介绍

[0002]用户画像包括用户相关的属性标签，利用这些属性标签能够对用户进行多方面的特征描述。基于用户画像可以针对性地为用户提供服务，例如，基于用户画像推送商品信息，基于用户画像推送音乐，或者基于用户画像推送好友信息等，基于此，用户画像在各领域得到了广泛的应用。
[0003]目前，在用户画像的构建主要依赖于打标签的方式，例如，用户在手机应用或者购物网站留下了浏览信息，这些浏览信息可作为挖掘属性标签的依据，经过挖掘后，将挖掘到的属性标签作为该用户的用户画像。
[0004]然而，通过数据挖掘方式得到的用户画像是片面的，例如，对于某个用户而言，虽然会经常搜索与“电脑”相关的信息，但并不意味着该用户对“电脑”感兴趣，如果基于该用户的用户画像为其推荐“电脑”相关的信息，会导致推荐效果较差。

技术实现思路

[0005]本申请实施例提供了一种用户画像构建的方法、信息推荐的方法以及相关装置，可以在构建用户画像的过程中加入了情感分类标签，由此，更加深入地刻画了用户对于属性标签的情感倾向程度，从而增强对于用户的全面理解，进而能够提升信息推荐效果。
[0006]有鉴于此，本申请一方面提供一种用户画像构建的方法，包括：
[0007]获取目标用户的目标属性标签，其中，目标用户对应于目标用户标识；
[0008]根据目标属性标签获取M个信息类别所对应的关联信息，其中，M个信息类别所对应的关联信息包括文本类别所对应的文本信息、图像类别所对应的图像信息以及视频类别所对应的视频信息中的至少一种，M为大于或等于1的整数；
[0009]基于M个信息类别所对应的关联信息以及目标属性标签，通过情感预测模型获取目标情感分类标签，其中，目标情感分类标签用于表示目标用户针对于目标属性标签的情感倾向程度；
[0010]根据目标属性标签、目标用户标识以及目标情感分类标签，构建目标用户所对应的用户画像。
[0011]本申请另一方面提供一种信息推荐的方法，包括：
[0012]获取目标用户所对应的用户画像，其中，用户画像包括目标属性标签、目标用户标识以及目标情感分类标签之间的对应关系，目标情感分类标签为情感预测模型基于M个信息类别所对应的关联信息以及目标属性标签获取的，目标情感分类标签用于表示目标用户针对于目标属性标签的情感倾向程度，M个信息类别所对应的关联信息包括文本类别所对应的文本信息、图像类别所对应的图像信息以及视频类别所对应的视频信息中的至少一
种，M为大于或等于1的整数；
[0013]若用户画像所包括的目标情感分类标签满足信息推荐条件，则根据目标属性标签确定推荐信息；
[0014]向目标用户标识所对应的终端设备发送推荐信息，以使终端设备展示推荐信息。
[0015]本申请另一方面提供一种用户画像构建装置，包括：
[0016]获取模块，用于获取目标用户的目标属性标签，其中，目标用户对应于目标用户标识；
[0017]获取模块，还用于根据目标属性标签获取M个信息类别所对应的关联信息，其中，M个信息类别所对应的关联信息包括文本类别所对应的文本信息、图像类别所对应的图像信息以及视频类别所对应的视频信息中的至少一种，M为大于或等于1的整数；
[0018]获取模块，还用于基于M个信息类别所对应的关联信息以及目标属性标签，通过情感预测模型获取目标情感分类标签，其中，目标情感分类标签用于表示目标用户针对于目标属性标签的情感倾向程度；
[0019]构建模块，用于根据目标属性标签、目标用户标识以及目标情感分类标签，构建目标用户所对应的用户画像。
[0020]在一种可能的设计中，在本申请实施例的另一方面的一种实现方式中，
[0021]获取模块，具体用于根据目标属性标签获取文本类别所对应的文本信息，其中，文本类别属于M个信息类别中的一个信息类别；
[0022]基于文本信息，通过情感预测模型所包括的文本编码器获取文本特征向量；
[0023]基于目标属性标签，通过情感预测模型所包括的标签编码器获取标签特征向量；
[0024]基于文本特征向量以及标签特征向量，通过情感预测模型所包括的全连接网络获取情感分类向量，其中，情感分类向量包括至少N个概率值，每个概率值对应于一个情感分类标签，N为大于1的整数；
[0025]根据情感分类向量，从N个情感分类标签中确定目标情感分类标签。
[0026]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0027]获取模块，具体用于基于文本特征向量以及标签特征向量，通过情感预测模型所包括的文本注意力网络获取第一特征向量；
[0028]基于第一特征向量，通过情感预测模型所包括的全连接网络获取情感分类向量。
[0029]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0030]获取模块，具体用于根据目标属性标签获取图像类别所对应的图像信息，其中，图像类别属于M个信息类别中的一个信息类别；
[0031]基于图像信息，通过情感预测模型所包括的图像编码器获取图像特征向量；
[0032]基于目标属性标签，通过情感预测模型所包括的标签编码器获取标签特征向量；
[0033]基于图像特征向量以及标签特征向量，通过情感预测模型所包括的全连接网络获取情感分类向量，其中，情感分类向量包括至少N个概率值，每个概率值对应于一个情感分类标签，N为大于1的整数；
[0034]根据情感分类向量，从N个情感分类标签中确定目标情感分类标签。
[0035]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0036]获取模块，具体用于基于图像特征向量以及标签特征向量，通过情感预测模型所
包括的图像注意力网络获取第二特征向量；
[0037]基于是第二特征向量，通过情感预测模型所包括的全连接网络获取情感分类向量。
[0038]在一种可能的设计中，在本申请实施例的另一方面的另一种实现方式中，
[0039]获取模块，具体用于根据目标属性标签获取视频类别所对应的视频信息，其中，视频类别属于M个信息类别中的一个信息类别；
[0040]基于视频信息，通过情感预测模型所包括的视频编码器获取视频特征向量；
[0041]基于目标属性标签，通过情感预测模型所包括的标签编码器获取标签特征向量；
[0042]基于视频特征向量以及标签特征向量，通过情感预测模型所包括的全连接网络获取情感分类向量，其中，情感分类向量包括至少N个概率值，每个概率值对应于一个情感分类标签，N为大于1的整数；
[0043]根据情感分类向量，从N个情感分类标签中确定目标情感分类标签。
[0044]在一种可能的设计中，在本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户画像构建的方法，其特征在于，包括：获取目标用户的目标属性标签，其中，所述目标用户对应于目标用户标识；根据所述目标属性标签获取M个信息类别所对应的关联信息，其中，所述M个信息类别所对应的关联信息包括文本类别所对应的文本信息、图像类别所对应的图像信息以及视频类别所对应的视频信息中的至少一种，所述M为大于或等于1的整数；基于所述M个信息类别所对应的关联信息以及所述目标属性标签，通过情感预测模型获取目标情感分类标签，其中，所述目标情感分类标签用于表示所述目标用户针对于所述目标属性标签的情感倾向程度；根据所述目标属性标签、所述目标用户标识以及所述目标情感分类标签，构建所述目标用户所对应的用户画像。2.根据权利要求1所述的方法。其特征在于，所述根据所述目标属性标签获取M个信息类别所对应的关联信息，包括：根据所述目标属性标签获取所述文本类别所对应的文本信息，其中，所述文本类别属于所述M个信息类别中的一个信息类别；所述基于所述M个信息类别所对应的关联信息以及所述目标属性标签，通过情感预测模型获取目标情感分类标签，包括：基于所述文本信息，通过所述情感预测模型所包括的文本编码器获取文本特征向量；基于所述目标属性标签，通过所述情感预测模型所包括的标签编码器获取标签特征向量；基于所述文本特征向量以及所述标签特征向量，通过所述情感预测模型所包括的全连接网络获取情感分类向量，其中，所述情感分类向量包括至少N个概率值，每个概率值对应于一个情感分类标签，所述N为大于1的整数；根据所述情感分类向量，从N个情感分类标签中确定所述目标情感分类标签。3.根据权利要求2所述的方法。其特征在于，所述基于所述文本特征向量以及所述标签特征向量，通过所述情感预测模型所包括的全连接网络获取情感分类向量，包括：基于所述文本特征向量以及所述标签特征向量，通过所述情感预测模型所包括的文本注意力网络获取第一特征向量；基于所述第一特征向量，通过所述情感预测模型所包括的所述全连接网络获取所述情感分类向量。4.根据权利要求1所述的方法。其特征在于，所述根据所述目标属性标签获取M个信息类别所对应的关联信息，包括：根据所述目标属性标签获取所述图像类别所对应的图像信息，其中，所述图像类别属于所述M个信息类别中的一个信息类别；所述基于所述M个信息类别所对应的关联信息以及所述目标属性标签，通过情感预测模型获取目标情感分类标签，包括：基于所述图像信息，通过所述情感预测模型所包括的图像编码器获取图像特征向量；基于所述目标属性标签，通过所述情感预测模型所包括的标签编码器获取标签特征向量；基于所述图像特征向量以及所述标签特征向量，通过所述情感预测模型所包括的全连
接网络获取情感分类向量，其中，所述情感分类向量包括至少N个概率值，每个概率值对应于一个情感分类标签，所述N为大于1的整数；根据所述情感分类向量，从N个情感分类标签中确定所述目标情感分类标签。5.根据权利要求4所述的方法。其特征在于，所述基于所述图像特征向量以及所述标签特征向量，通过所述情感预测模型所包括的全连接网络获取情感分类向量，包括：基于所述图像特征向量以及所述标签特征向量，通过所述情感预测模型所包括的图像注意力网络获取第二特征向量；基于是第二特征向量，通过所述情感预测模型所包括的所述全连接网络获取所述情感分类向量。6.根据权利要求1所述的方法。其特征在于，所述根据所述目标属性标签获取M个信息类别所对应的关联信息，包括：根据所述目标属性标签获取所述视频类别所对应的视频信息，其中，所述视频类别属于所述M个信息类别中的一个信息类别；所述基于所述M个信息类别所对应的关联信息以及所述目标属性标签，通过情感预测模型获取目标情感分类标签，包括：基于所述视频信息，通过所述情感预测模型所包括的视频编码器获取视频特征向量；基于所述目标属性标签，通过所述情感预测模型所包括的标签编码器获取标签特征向量；基于所述视频特征向量以及所述标签特征向量，通过所述情感预测模型所包括的全连接网络获取情感分类向量，其中，所述情感分类向量包括至少N个概率值，每个概率值对应于一个情感分类标签，所述N为大于1的整数；根据所述情感分类向量，从N个情感分类标签中确定所述目标情感分类标签。7.根据权利要求6所述的方法。其特征在于，所述基于所述视频特征向量以及所述标签特征向量，通过所述情感预测模型所包括的全连接网络获取情感分类向量，包括：基于所述视频特征向量以及所述标签特征向量，通过所述情感预测模型所包括的视频注意力网络获取第三特征向量；基于是第三特征向量，通过所述情感预测模型所包括的所述全连接网络获取所述情感分类向量。8.根据权利要求1所述的方法。其特征在于，所述根据所述目标属性标签获取M个信息类别所对应的关联信息，包括：根据所述目标属性标签获取所述文本类别所对应的文本信息、所述图像类别所对应的图像信息以及所述视频类别所对应的视频信息，其中，所述文本类别、所述图像类别以及所述视频类别均属于所述M个信息类别中的信息类别；所述基于所述M个信息类别所对应的关联信息以及所述目标属性标签，通过情感预测模型获取目标情感分类标签，包括：基于所述文本信息，通过所述情感预测模型所包括的文本编码器获取文本特征向...

【专利技术属性】
技术研发人员：王业全，马肸，李响，王瑶，王爱华，魏望，孙明月，李霄睿，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：