【技术实现步骤摘要】
本申请涉及人工智能，尤其涉及一种客户画像的生成方法、装置、电子设备及存储介质。
技术介绍
1、目前，人工智能技术被应用到许多推荐场景，如将商品推荐给客户、将视频推荐给客户等，而无论哪种推荐场景，推荐所依赖的一个重要信息是客户画像，客户画像是更好地满足客户需求、为客户提供个性化产品或服务的重要依据，然而，由于客户画像所涉及的数据量比较大、数据处理过程也比较复杂，因此想要生成准确的客户画像并不是一件容易的事。
技术实现思路
1、本申请实施例提供一种客户画像的生成方法、装置、电子设备及存储介质，用以提供一种客户画像的生成方案。
2、第一方面，本申请实施例提供一种客户画像的生成方法，包括：
3、基于获取的多个客户实体的描述数据，生成初始客户特征，基于获取的多个对象实体的描述数据，生成初始对象特征；
4、基于所述初始客户特征、所述初始对象特征，以及获取的所述多个客户实体与所述多个对象实体间的关系描述数据，生成客户实体与对象实体间的异构图；
5、基于所述异构图，提取所述多个客户实体的最终客户特征和所述多个对象实体的最终对象特征；
6、基于所述最终客户特征和所述最终对象特征，采用多层感知机对客户实体和对象实体间的多个实体对进行兴趣分析；
7、基于所述多个实体对的兴趣分析结果，生成所述多个客户实体的画像。
8、在一些实施例中，基于获取的多个客户实体的描述数据，生成初始客户特征，包括：
9、对所述多个客户
10、利用高斯相互作用谱核相似性，对所述客户稀疏特征进行数据增强处理，得到所述初始客户特征。
11、在一些实施例中，基于获取的多个对象实体的描述数据，生成初始对象特征，包括：
12、对所述多个对象实体的描述数据进行稀疏编码，得到对象稀疏特征；
13、利用高斯相互作用谱核相似性，对所述对象稀疏特征进行数据增强处理，得到所述初始对象特征。
14、在一些实施例中，还包括：
15、对所述初始客户特征和所述初始对象特征进行拼接处理，得到初始融合特征；
16、基于所述异构图，提取所述多个客户实体的最终客户特征和所述多个对象实体的最终对象特征，包括：
17、基于所述初始融合特征和所述异构图，利用注意力机制提取所述多个客户实体和所述多个对象实体的局部特征；
18、基于所述初始融合特征和所述异构图，利用图传播层提取所述多个客户实体和所述多个对象实体的全局特征；
19、对所述多个客户实体和所述多个对象实体的局部特征、以及所述多个客户实体和所述多个对象实体的全局特征进行融合，得到所述多个客户实体的最终客户特征和所述多个对象实体的最终对象特征。
20、在一些实施例中，基于所述初始融合特征和所述异构图，利用注意力机制提取所述多个客户实体和所述多个对象实体的局部特征，包括：
21、针对所述多个客户实体和所述多个对象实体中的每个实体，从所述异构图中查找所述实体直接相连的至少一个邻居实体；
22、基于所述至少一个邻居实体和所述实体分别在所述初始融合特征中的特征表示，确定所述至少一个邻居实体对所述实体的注意力系数；
23、基于所述至少一个邻居实体对所述实体的注意力系数和所述实体在所述初始融合特征中的特征表示，生成所述实体的局部特征。
24、在一些实施例中，基于所述初始融合特征和所述异构图，利用图传播层提取所述多个客户实体和所述多个对象实体的全局特征，包括：
25、针对所述多个客户实体和所述多个对象实体中的每个实体分别执行：
26、基于所述实体在所述初始融合特征中的特征表示，从参考矩阵中选取所述实体的k层全局特征，所述参考矩阵是对归一化处理后的所述异构图的邻接矩阵进行k次相乘得到的，所述邻接矩阵用于表征所述多个客户实体和所述多个对象实体间的邻居关系，初始时k＝1；
27、若k小于t，则将k置为k+1，执行基于所述实体在所述初始融合特征中的特征表示，从参考矩阵中选取所述实体的k层全局特征的步骤，直至k＝t时，停止全局特征提取，其中，t为预设值。
28、在一些实施例中，对所述多个客户实体和所述多个对象实体的局部特征、以及所述多个客户实体和所述多个对象实体的全局特征进行融合，得到所述多个客户实体的最终客户特征和所述多个对象实体的最终对象特征，包括：
29、对所述多个客户实体和所述多个对象实体的局部特征、以及所述多个客户实体和所述多个对象实体从1层到k层的全局特征进行堆叠处理，得到最终融合特征；
30、基于投影向量对所述最终融合特征进行整形处理，得到所述多个客户实体的最终客户特征和所述多个对象实体的最终对象特征。
31、第二方面，本申请实施例提供一种客户画像的生成装置，包括：
32、初始特征生成模块，用于基于获取的多个客户实体的描述数据，生成初始客户特征，基于获取的多个对象实体的描述数据，生成初始对象特征；
33、异构图生成模块，用于基于所述初始客户特征、所述初始对象特征，以及获取的所述多个客户实体与所述多个对象实体间的关系描述数据，生成异构图；
34、特征提取模块，用于基于所述异构图，提取所述多个客户实体的最终客户特征和所述多个对象实体的最终对象特征；
35、兴趣分析模块，用于基于所述最终客户特征和所述最终对象特征，采用多层感知机对客户实体和对象实体间的多个实体对进行兴趣分析；
36、画像生成模块，用于基于所述多个实体对的兴趣分析结果，生成所述多个客户实体的画像。
37、在一些实施例中，初始特征生成模块具体用于：
38、对所述多个客户实体的描述数据进行稀疏编码，得到客户稀疏特征；
39、利用高斯相互作用谱核相似性，对所述客户稀疏特征进行数据增强处理，得到所述初始客户特征。
40、在一些实施例中，初始特征生成模块具体用于：
41、对所述多个对象实体的描述数据进行稀疏编码，得到对象稀疏特征；
42、利用高斯相互作用谱核相似性，对所述对象稀疏特征进行数据增强处理，得到所述初始对象特征。
43、在一些实施例中，还包括：
44、融合模块，用于对所述初始客户特征和所述初始对象特征进行拼接处理，得到初始融合特征；
45、特征提取模块具体用于：
46、基于所述初始融合特征和所述异构图，利用注意力机制提取所述多个客户实体和所述多个对象实体的局部特征；
47、基于所述初始融合特征和所述异构图，利用图传播层提取所述多个客户实体和所述多个对象实体的全局特征；
48、对所述多个客户实体和所述多个对象实体的局部特征、以及所述多个客户实体和所述多个对象实体的全局特征进行融合，得到所述多个客户实体的本文档来自技高网...
【技术保护点】
1.一种客户画像的生成方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，基于获取的多个客户实体的描述数据，生成初始客户特征，包括：
3.如权利要求1所述的方法，其特征在于，基于获取的多个对象实体的描述数据，生成初始对象特征，包括：
4.如权利要求1所述的方法，其特征在于，还包括：
5.如权利要求4所述的方法，其特征在于，基于所述初始融合特征和所述异构图，利用注意力机制提取所述多个客户实体和所述多个对象实体的局部特征，包括：
6.如权利要求4所述的方法，其特征在于，基于所述初始融合特征和所述异构图，利用图传播层提取所述多个客户实体和所述多个对象实体的全局特征，包括：
7.如权利要求4-6任一所述的方法，其特征在于，对所述多个客户实体和所述多个对象实体的局部特征、以及所述多个客户实体和所述多个对象实体的全局特征进行融合，得到所述多个客户实体的最终客户特征和所述多个对象实体的最终对象特征，包括：
8.一种客户画像的生成装置，其特征在于，包括：
9.一种电子设备，其特征在于，包
10.一种存储介质，其特征在于，当所述存储介质中的计算机程序由电子设备的处理器执行时，所述电子设备能够执行如权利要求1-7任一所述的方法。
...【技术特征摘要】
1.一种客户画像的生成方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，基于获取的多个客户实体的描述数据，生成初始客户特征，包括：
3.如权利要求1所述的方法，其特征在于，基于获取的多个对象实体的描述数据，生成初始对象特征，包括：
4.如权利要求1所述的方法，其特征在于，还包括：
5.如权利要求4所述的方法，其特征在于，基于所述初始融合特征和所述异构图，利用注意力机制提取所述多个客户实体和所述多个对象实体的局部特征，包括：
6.如权利要求4所述的方法，其特征在于，基于所述初始融合特征和所述异构图，利用图传播层提取所述多个客户实...
【专利技术属性】
技术研发人员：李琛，赵欢，
申请(专利权)人：天翼安全科技有限公司，
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。