用户行为画像生成方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种用户行为画像生成方法、装置、电子设备及存储介质，其中，方法包括：对用户行为数据进行数据提取，得到单一行为矩阵、联合行为矩阵和非特定行为矩阵；分别对单一行为矩阵、联合行为矩阵和非特定行为矩阵进行矩阵分解，并根据得到的单一行为特征组、联合行为特征组和非特定行为特征组分别进行用户画像构建，得到单一行为画像、联合行为画像和非特定行为画像；将单一行为画像、联合行为画像和非特定行为画像输入权重确定模型，确定第一权重、第二权重和第三权重；根据第一权重、第二权重和第三权重，对单一行为画像、联合行为画像和非特定行为画像进行加权求和处理，得到用户的用户行为画像。到用户的用户行为画像。到用户的用户行为画像。

【技术实现步骤摘要】
用户行为画像生成方法、装置、电子设备及存储介质


[0001]本专利技术涉及人工智能
，具体涉及一种用户行为画像生成方法、装置、电子设备及存储介质。

技术介绍

[0002]用户画像技术的核心在于给用户打上“标签”，目前，标签通常是由人为提炼出的高精度的特征标识，如年龄、地域、兴趣等。而用户画像技术即为通过从不同维度上对用户进行标签刻画，实现对用户的整体全貌描述的技术。在商业领域中，用户画像技术可以有效预测推断用户的需求、感兴趣的内容，使得可以针对用户的需求和感兴趣的内容对用户投放相应的产品或者服务，提升真实客户的转化率，同时也可以为商业活动策划及营销决策提供辅助支持。
[0003]但是，目前的用户画像技术生成的用户行为画像细粒度不足，只能粗略反用户在哪个领域下更活跃，而无法反映因为该领域下的什么因素而活跃，从而使得对用户投放的产品和服务无法精准的抓住用户真正的需求和喜好，在造成投放的有效率低、真实客户的转化率低的同时，也提升了投放成本。

技术实现思路

[0004]为了解决现有技术中存在的上述问题，本申请实施方式提供了一种用户行为画像生成方法、装置、电子设备及存储介质，可以生成细粒度更高的用户行为画像，继而更加精准的推断用户的需求和喜好。
[0005]第一方面，本申请的实施方式提供了一种用户行为画像生成方法，包括：
[0006]对用户行为数据进行数据提取，得到单一行为矩阵、联合行为矩阵和非特定行为矩阵；
[0007]对单一行为矩阵进行矩阵分解，得到单一行为特征组，并根据单一行为特征组进行用户画像构建，得到单一行为画像；
[0008]对联合行为矩阵进行矩阵分解，得到联合行为特征组，并根据联合行为特征组进行用户画像构建，得到联合行为画像；
[0009]对非特定行为矩阵进行矩阵分解，得到非特定行为特征组，并根据非特定行为特征组进行用户画像构建，得到非特定行为画像；
[0010]将单一行为画像、联合行为画像和非特定行为画像输入权重确定模型，确定单一行为画像对应的第一权重、联合行为画像对应的第二权重和非特定行为画像对应的第三权重；
[0011]根据第一权重、第二权重和第三权重，对单一行为画像、联合行为画像和非特定行为画像进行加权求和处理，得到用户的用户行为画像。
[0012]第二方面，本申请的实施方式提供了一种用户行为画像生成装置，包括：
[0013]提取模块，用于对用户行为数据进行数据提取，得到单一行为矩阵、联合行为矩阵
和非特定行为矩阵；
[0014]分解模块，用于对单一行为矩阵进行矩阵分解，得到单一行为特征组，并根据单一行为特征组进行用户画像构建，得到单一行为画像，对联合行为矩阵进行矩阵分解，得到联合行为特征组，并根据联合行为特征组进行用户画像构建，得到联合行为画像，以及对非特定行为矩阵进行矩阵分解，得到非特定行为特征组，并根据非特定行为特征组进行用户画像构建，得到非特定行为画像；
[0015]权重确定模块，用于将单一行为画像、联合行为画像和非特定行为画像输入权重确定模型，确定单一行为画像对应的第一权重、联合行为画像对应的第二权重和非特定行为画像对应的第三权重；
[0016]画像生成模块，用于根据第一权重、第二权重和第三权重，对单一行为画像、联合行为画像和非特定行为画像进行加权求和处理，得到用户的用户行为画像。
[0017]第三方面，本申请实施方式提供一种电子设备，包括：处理器，处理器与存储器相连，存储器用于存储计算机程序，处理器用于执行存储器中存储的计算机程序，以使得电子设备执行如第一方面的方法。
[0018]第四方面，本申请实施方式提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序使得计算机执行如第一方面的方法。
[0019]第五方面，本申请实施方式提供一种计算机程序产品，计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，计算机可操作来使计算机执行如第一方面的方法。
[0020]实施本申请实施方式，具有如下有益效果：
[0021]在本申请实施方式中，通过将用户行为划分为单一行为，联合行为和非特定行为，将用户行为数据进一步细粒化。继而在单一行为矩阵、联合行为矩阵和非特定行为矩阵的基础上，分别对单一行为矩阵、联合行为矩阵和非特定行为矩阵进行矩阵分解，构建单一行为画像、联合行为画像和非特定行为画像。最后，通过权重确定模型确定单一行为画像、联合行为画像和非特定行为画像各自的权重，继而对单一行为画像、联合行为画像和非特定行为画像进行加权求和处理，得到最终的用户行为画像。由此，生成的用户行为画像拥有更高细粒度，可以反映用户在各个领域或话题下的活跃程度，更可以反映导致该用户在各个领域或话题下活跃的原因。基于此，可以更加精准的推断用户的喜好，继而针对性的对用户投放相应的产品和服务，提升了投放的有效率和真实客户的转化率，同时降低了投放成本。
附图说明
[0022]为了更清楚地说明本申请实施方式中的技术方案，下面将对实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本申请实施方式提供的一种用户行为画像生成装置的硬件结构示意图；
[0024]图2为本申请实施方式提供的一种用户行为画像生成方法的流程示意图；
[0025]图3为本申请实施方式提供的一种对用户行为数据进行数据提取，得到单一行为矩阵、联合行为矩阵和非特定行为矩阵的方法的流程示意图；
[0026]图4为本申请实施方式提供的一种单一行为矩阵、联合行为矩阵和非特定行为矩阵的示意图；
[0027]图5为本申请实施方式提供的一种用户行为画像生成装置的功能模块组成框图；
[0028]图6为本申请实施方式提供的一种电子设备的结构示意图。
具体实施方式
[0029]下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本申请一部分实施方式，而不是全部的实施方式。基于本申请中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。
[0030]本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0031]在本文中提及“实施方式”意味着，结合实施方式描述的特定特征、结果或特性可以包含在本申请的至少一个实施方式中。在说明书中的各个位置出现该短语并不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户行为画像生成方法，其特征在于，所述方法包括：对用户行为数据进行数据提取，得到单一行为矩阵、联合行为矩阵和非特定行为矩阵；对所述单一行为矩阵进行矩阵分解，得到单一行为特征组，并根据所述单一行为特征组进行用户画像构建，得到单一行为画像；对所述联合行为矩阵进行矩阵分解，得到联合行为特征组，并根据所述联合行为特征组进行用户画像构建，得到联合行为画像；对所述非特定行为矩阵进行矩阵分解，得到非特定行为特征组，并根据所述非特定行为特征组进行用户画像构建，得到非特定行为画像；将所述单一行为画像、所述联合行为画像和所述非特定行为画像输入权重确定模型，确定所述单一行为画像对应的第一权重、所述联合行为画像对应的第二权重和所述非特定行为画像对应的第三权重；根据所述第一权重、所述第二权重和所述第三权重，对所述单一行为画像、所述联合行为画像和所述非特定行为画像进行加权求和处理，得到所述用户的用户行为画像。2.根据权利要求1所述的方法，其特征在于，所述对用户行为数据进行数据提取，得到单一行为矩阵、联合行为矩阵和非特定行为矩阵，包括：根据所述用户行为数据所属的平台，确定至少一个领域标签；对所述至少一个领域标签中的每个领域标签进行单一行为特征提取，得到所述每个领域标签对应的至少一个单一行为标签；将所述每个领域标签对应的至少一个单一行为标签与预设的联合行为表进行匹配，得到至少一个联合行为标签；根据所述至少一个领域标签，对所述用户行为数据进行拆分处理，得到至少一个用户行为子数据，其中，所述至少一个用户行为子数据与所述至少一个领域标签一一对应；对于所述至少一个用户行为子数据中的每个用户行为子数据，分别根据所述每个用户行为子数据对应的所述至少一个单一行为标签和所述至少一个联合行为标签，对所述每个用户行为子数据进行数据提取，得到单一子行为数据、联合子行为数据和非特定子行为数据；分别将所述每个用户行为子数据对应的单一子行为数据、联合子行为数据和非特定子行为数据进行组合，得到所述单一行为矩阵、所述联合行为矩阵和所述非特定行为矩阵。3.根据权利要求1所述的方法，其特征在于，所述对所述单一行为矩阵进行矩阵分解，得到单一行为特征组，包括：对所述单一行为矩阵进行补全处理，得到第一单一行为矩阵；将所述第一单一行为矩阵进行矩阵分解，得到第一分解矩阵和第二分解矩阵，其中，所述第一单一行为矩阵、所述第一分解矩阵和所述第二分解矩阵，满足以下公式：其中，V
ij
表示所述第一单一行为矩阵中第i行第j列的值，E
ih
表示分解所得的所述第一矩阵中第i行第h列的值，G
hj
表示分解所得的所述第二矩阵中第h行第j列的值，λ
ij
表示V
ij
的误差项，q为自定义维度，且h、q、i、j为大于或等于0的整数；根据所述第一分解矩阵和所述第二分解矩阵，确定所述单一行为特征组。
4.根据权利要求3所述的方法，其特征在于，所述对所述单一行为矩阵进行补全处理，得到第一单一行为矩阵，包括：根据所述单一行为矩阵中每个确定元素的元素值，将所述单一行为矩阵分解为第一补全矩阵和第二补全矩阵，其中，所述确定元素为所述单一行为矩阵中除去缺失实际值的元素之外的所有元素；根据所述第一补全矩阵和所述第二补全矩阵，确定所述单一行为矩阵中每个缺失元素的元素值，得到所述第一单一行为矩阵，其中，所述缺失元素为所述单一行为矩阵中除去所有所述确定元素之外的所有元素，且所述每个缺失元素的元素值、所述第一补全矩阵和所述第二补全矩阵满足以下公式：其中，M
uv
表示所述单一行为矩阵中第u行第v列的缺失元素的元素值，d为自定义维度，P
uk
为所述第一补全矩阵中第u行第k列的值，Q
kv
为所述第二补全矩阵中第k行第v列的值，d、u、v、k为大于或等于1的整数。5.根据权利要求3所述的方法，其特征在于，所述对所述单一行...

【专利技术属性】
技术研发人员：成杰峰，杨晓月，彭奕，蒋佳峻，李杨，丁琴，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：