一种基于深度学习技术的互联网用户画像生成方法和系统技术方案

本发明专利技术涉及数据处理技术领域，具体地说，涉及一种基于深度学习技术的互联网用户画像生成方法和系统。包括以下步骤：采集用户的行为数据；本发明专利技术通过深度学习模型提取特征，大幅度减少了主观因素对画像生成结果的影响，提高了画像生成的准确性和稳定性，通过多模型融合能够有效地处理数据的多样性和复杂性，提高画像生成的准确性和鲁棒性，通过特征选择通过筛选具有显著影响力和区分度的特征，提高了用户画像生成的准确性和效率，通过预测精准的用户画像也为企业的市场营销和广告投放提供了重要依据，具备较高的商业价值和应用前景，通过引入偏差控制技术，从而避免生成的用户画像过于倾向于某些用户，更加客观、全面地描述用户特征。户特征。户特征。

【技术实现步骤摘要】
一种基于深度学习技术的互联网用户画像生成方法和系统


[0001]本专利技术涉及数据处理
，具体地说，涉及一种基于深度学习技术的互联网用户画像生成方法和系统。

技术介绍

[0002]在互联网时代，用户数据成为了宝贵的资源，互联网企业通过对用户数据的分析和挖掘，可以更好地了解用户需求，提供个性化的服务，而互联网用户画像作为一种用户描述模型，对用户数据进行整理和分析，能够为企业提供更准确的用户分析和精准营销手段，但在对用户行为进行分析预测时，用户的异常行为可能被归属数据内，导致生成的用户画像因素出现过于倾向，因此，提出一种基于深度学习技术的互联网用户画像生成方法和系统。

技术实现思路

[0003]本专利技术的目的在于提供一种基于深度学习技术的互联网用户画像生成方法和系统，以解决上述
技术介绍
中提出的问题。
[0004]为实现上述技术问题的解决，本专利技术的目的之一在于，提供基于深度学习技术的互联网用户画像生成方法，包括：S1、采集用户的行为数据，并向用户发送调查问卷；S2、建立行业数据采集功能，并根据行业数据采集功能对用户本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习技术的互联网用户画像生成方法，其特征在于：包括如下步骤：S1、采集用户的行为数据，并向用户发送调查问卷；S2、建立行业数据采集功能，并根据行业数据采集功能对用户其他数据特征进行采集；S3、基于S1采集的行为特征和S2采集的其他数据进行预处理；S4、基于S3处理完毕的数据进行结合评估，并根据评估结果对数据进行校正；S5、对S4校正完毕的数据进行预测，生成用户个性化画像。2.根据权利要求1所述的基于深度学习技术的互联网用户画像生成方法，其特征在于：所述S1向用户发送调查问卷的步骤如下：S1.1、检测用户在互联网的行为，并同时采集用户的行为数据；S1.2、向用户发送行为调查问卷，并对反馈的调查问卷进行信息提取。3.根据权利要求2所述的基于深度学习技术的互联网用户画像生成方法，其特征在于：所述S2对用户行业数据特征进行采集：S2.1、建立行业数据采集功能对用户所处行业数据进行采集；S2.2、根据S2.1采集的用户所处行业数据进行分析，获取用户对该行业物品所需频率。4.根据权利要求3所述的基于深度学习技术的互联网用户画像生成方法，其特征在于：所述S3对行为特征和数据进行预处理的步骤如下：S3.1、将S1.1采集的行为数据、S1.2提取的信息以及S2.2获取该用户行业数据结合进行清洗；S3.2、将S3.1清洗完毕的数据通过特征选择算法筛选具有显著影响力和区分度的特征数据。5.根据权利要求4所述的基于深度学习技术的互联网用户画像生成方法，其特征在于：所述S3.2通过特征选择算法筛选具有显著影响力和区分度的特征数据表达式如下：显著影响力公式：；其中，和是两个变量，是样本数量，和分别是和的均值，为影响力数值，数值越大则区别显著越明显；区分度公式：；其中，和分别是实际观测值和期望观测值，和分别是行数和列数，为区别的差距，数值越大则偏差过大。6.根据权利要求4所...

【专利技术属性】
技术研发人员：周丽娟，
申请(专利权)人：天津星耀九洲科技有限公司，
类型：发明
国别省市：