本申请实施例属于人工智能领域，涉及一种基于人工智能的标签生成方法，包括：获取目标用户的原始用户数据；对原始用户信息进行预处理得到第一用户数据；基于预设的特征选择算法对第一用户数据进行筛选处理，得到第二用户数据；将第二用户数据输入至预设的稀疏表示模型内，通过稀疏表示模型对第二用户数据进行计算处理，生成与第二用户数据对应的输出结果；基于输出结果生成与目标用户对应的目标用户标签。本申请还提供一种基于人工智能的标签生成装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，目标用户标签可存储于区块链中。本申请通过使用稀疏表示模型来生成目标用户的目标标签，有效提高了用户标签数据的处理效率与准确性。效率与准确性。效率与准确性。
【技术实现步骤摘要】
基于人工智能的标签生成方法、装置、设备及存储介质
[0001]本申请涉及人工智能
，尤其涉及基于人工智能的标签生成方法、装置、设备及存储介质。
技术介绍
[0002]在当前万物互联的大趋势下，保险行业也不例外的走向了互联网保险，当下的青年人已然成为了消费主力。在数字化转型过程中，如果能高效利用用户线索构建精准客户画像，使得看似没有意义的线索数据能够转化为业务服务，进而细分市场，实现精准营销，是保险公司在现今互联网保险行业保持领先地位的关键因素。
[0003]客户画像需要根据用户标签构建得到，而用户标签则需要根据海量的用户线索分析生成。现有的构建用户标签的方式通常是将来源于各渠道的用户线索数据，通过由开发人员预先配置的匹配规则进行数据筛选、清洗，即通过传统的代码编写对用户线索数据进行一轮轮的规则校验，进而清洗得到相对干净的用户数据。由于采集的原始线索数据来源渠道多、数据体量大、数据质量参差且维度也不尽相同，采用现有的标签构建方式生成用户标签需要花费较多的处理时间，处理效率低下，且生成的用户标签的准确性也不高。
技术实现思路
[0004]本申请实施例的目的在于提出一种基于人工智能的标签生成方法、装置、计算机设备及存储介质，以解决现有的基于匹配规则的标签构建方式生成用户标签需要花费较多的处理时间，处理效率低下，且生成的用户标签的准确性也不高的技术问题。
[0005]为了解决上述技术问题，本申请实施例提供一种基于人工智能的标签生成方法，采用了如下所述的技术方案：
[0006]获取目标用户的原始用户数据；
[0007]对所述原始用户信息进行预处理得到第一用户数据；
[0008]基于预设的特征选择算法对所述第一用户数据进行筛选处理，得到处理后的第二用户数据；
[0009]将所述第二用户数据输入至预设的稀疏表示模型内，通过所述稀疏表示模型对所述第二用户数据进行计算处理，生成与所述第二用户数据对应的输出结果；
[0010]基于所述输出结果生成与所述目标用户对应的目标用户标签。
[0011]进一步的，所述特征选择算法包括第一特征选择算法与第二特征选择算法，所述基于预设的特征选择算法对所述第一用户数据进行筛选处理，得到处理后的第二用户数据的步骤，具体包括：
[0012]对所述第一用户数据进行特征构建，得到对应的用户特征数据；
[0013]基于所述第一特征选择算法对所述用户特征数据进行筛选处理，得到第一用户特征数据；
[0014]基于所述第二特征筛选算法对所述用户特征数据进行筛选处理，得到第二用户特
征数据；
[0015]基于所述第一用户特征数据与所述第二用户特征数据生成所述第二用户数据。
[0016]进一步的，所述通过所述稀疏表示模型对所述第二用户数据进行计算处理，生成与所述第二用户数据对应的输出结果的步骤，具体包括：
[0017]通过所述稀疏表示模型，将所述第二用户数据输入至预设的字典学习公式内；
[0018]对所述字典学习公式进行求解得到与所述第二用户数据对应的稀疏解；其中，所述稀疏解包括目标字典矩阵，以及与所述第二用户数据对应的稀疏表示；
[0019]将所述目标字典矩阵与所述稀疏表示作为所述输出结果。
[0020]进一步的，在所述将所述第二用户数据输入至预设的稀疏表示模型内，通过所述稀疏表示模型对所述第二用户数据进行计算处理，生成与所述第二用户数据对应的输出结果的步骤之前，还包括：
[0021]采集历史用户的历史用户数据；
[0022]对所述历史用户数据进行预处理得到样本数据，并将所述样本数据划分为训练数据与测试数据；
[0023]调用预设的初始模型；
[0024]基于所述字典学习公式，使用所述训练数据对所述初始模型进行训练，得到训练后的初始模型；
[0025]基于所述测试数据对所述训练后的初始模型进行验证；
[0026]当验证通过时结束训练，并将所述训练后的初始模型作为所述稀疏表示模型。
[0027]进一步的，在所述基于所述输出结果生成与所述目标用户对应的目标用户标签的步骤之后，还包括：
[0028]调用预设的画像模型；
[0029]基于所述目标用户标签与所述画像模型，生成所述目标用户的用户画像；
[0030]存储所述用户画像。
[0031]进一步的，在所述基于所述目标用户标签与所述画像模型，生成所述目标用户的用户画像的步骤之后，还包括：
[0032]确定与所述目标用户对应的相似用户；
[0033]获取与所述相似用户对应的历史推荐信息；
[0034]基于所述用户画像确定第一推荐信息集；
[0035]基于所述历史推荐信息确定第二推荐信息集；
[0036]基于所述第一推荐信息集与所述第二推荐信息集，生成与所述目标用户对应的目标推荐信息；
[0037]在预设时间段内，将所述目标推荐信息推送给所述目标用户。
[0038]进一步的，所述基于所述第一推荐信息集与所述第二推荐信息集，生成与所述目标用户对应的目标推荐信息的步骤，具体包括：
[0039]基于所述用户画像对所述第二推荐信息集进行过滤处理，得到第三推荐信息集；
[0040]对所述第三推荐信息集与所述第一推荐信息集进行合并处理，得到第四推荐信息集；
[0041]获取所述第四推荐信息集中重复出现的所有指定推荐信息；
[0042]将所有所述指定推荐信息作为所述目标推荐信息。
[0043]为了解决上述技术问题，本申请实施例还提供一种基于人工智能的标签生成装置，采用了如下所述的技术方案：
[0044]第一获取模块，用于获取目标用户的原始用户数据；
[0045]第一处理模块，用于对所述原始用户信息进行预处理得到第一用户数据；
[0046]第二处理模块，用于基于预设的特征选择算法对所述第一用户数据进行筛选处理，得到处理后的第二用户数据；
[0047]第一生成模块，用于将所述第二用户数据输入至预设的稀疏表示模型内，通过所述稀疏表示模型对所述第二用户数据进行计算处理，生成与所述第二用户数据对应的输出结果；
[0048]第二生成模块，用于基于所述输出结果生成与所述目标用户对应的目标用户标签。
[0049]为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
[0050]获取目标用户的原始用户数据；
[0051]对所述原始用户信息进行预处理得到第一用户数据；
[0052]基于预设的特征选择算法对所述第一用户数据进行筛选处理，得到处理后的第二用户数据；
[0053]将所述第二用户数据输入至预设的稀疏表示模型内，通过所述稀疏表示模型对所述第二用户数据进行计算处理，生成与所述第二用户数据对应的输出结果；
[0054]基于所述输出结果生成与所述目标用户对应的目标用户标签。
[0本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的标签生成方法，其特征在于，包括下述步骤：获取目标用户的原始用户数据；对所述原始用户信息进行预处理得到第一用户数据；基于预设的特征选择算法对所述第一用户数据进行筛选处理，得到处理后的第二用户数据；将所述第二用户数据输入至预设的稀疏表示模型内，通过所述稀疏表示模型对所述第二用户数据进行计算处理，生成与所述第二用户数据对应的输出结果；基于所述输出结果生成与所述目标用户对应的目标用户标签。2.根据权利要求1所述的基于人工智能的标签生成方法，其特征在于，所述特征选择算法包括第一特征选择算法与第二特征选择算法，所述基于预设的特征选择算法对所述第一用户数据进行筛选处理，得到处理后的第二用户数据的步骤，具体包括：对所述第一用户数据进行特征构建，得到对应的用户特征数据；基于所述第一特征选择算法对所述用户特征数据进行筛选处理，得到第一用户特征数据；基于所述第二特征筛选算法对所述用户特征数据进行筛选处理，得到第二用户特征数据；基于所述第一用户特征数据与所述第二用户特征数据生成所述第二用户数据。3.根据权利要求1所述的基于人工智能的标签生成方法，其特征在于，所述通过所述稀疏表示模型对所述第二用户数据进行计算处理，生成与所述第二用户数据对应的输出结果的步骤，具体包括：通过所述稀疏表示模型，将所述第二用户数据输入至预设的字典学习公式内；对所述字典学习公式进行求解得到与所述第二用户数据对应的稀疏解；其中，所述稀疏解包括目标字典矩阵，以及与所述第二用户数据对应的稀疏表示；将所述目标字典矩阵与所述稀疏表示作为所述输出结果。4.根据权利要求3所述的基于人工智能的标签生成方法，其特征在于，在所述将所述第二用户数据输入至预设的稀疏表示模型内，通过所述稀疏表示模型对所述第二用户数据进行计算处理，生成与所述第二用户数据对应的输出结果的步骤之前，还包括：采集历史用户的历史用户数据；对所述历史用户数据进行预处理得到样本数据，并将所述样本数据划分为训练数据与测试数据；调用预设的初始模型；基于所述字典学习公式，使用所述训练数据对所述初始模型进行训练，得到训练后的初始模型；基于所述测试数据对所述训练后的初始模型进行验证；当验证通过时结束训练，并将所述训练后的初始模型作为所述稀疏表示模型。5.根据权利要求1所述的基于人工智能的...
【专利技术属性】
技术研发人员：荆珂珂，
申请(专利权)人：中国平安财产保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。