CN111797282B - 产品标签权重确定方法、装置、电子设备及可读存储介质 - Google Patents
产品标签权重确定方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111797282B CN111797282B CN202010496967.9A CN202010496967A CN111797282B CN 111797282 B CN111797282 B CN 111797282B CN 202010496967 A CN202010496967 A CN 202010496967A CN 111797282 B CN111797282 B CN 111797282B
- Authority
- CN
- China
- Prior art keywords
- product
- label
- weight
- tag
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000006399 behavior Effects 0.000 claims abstract description 49
- 239000011159 matrix material Substances 0.000 claims description 49
- 230000009471 action Effects 0.000 claims description 21
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000002349 favourable effect Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Library & Information Science (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种产品标签权重确定方法、装置、电子设备及可读存储介质。该方法包括:获取目标用户的用户标签以及预设时段内目标用户对产品的操作行为;基于用户标签确定产品的产品标签;基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重。基于本方案,能够通过用户的用户标签确定出产品的产品标签,相较于人工确定的产品标签,本方案中确定出的产品标签描述全面、准确,并且能够确定出各产品标签的可信度,有利于产品标签的使用。
Description
技术领域
本申请涉及计算机技术领域,具体而言,本申请涉及一种产品标签权重确定方法、装置、电子设备及可读存储介质。
背景技术
在金融领域中,产品的产品标签多由业务人员根据产品的属性、类别等信息进行确定,基于产品标签可以进行确定产品关联度、对产品进行关联推荐等操作。
目前的产品标签对业务人员的依赖程度较高,由于业务人员的对产品的了解可能存在一定主观性,因此由业务人员确定出的产品标签可能存在对产品的描述不全面、不准确的问题,并且各产品标签的可信度也无法获知,不利于产品标签的使用。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一。本申请所采用的技术方案如下:
第一方面,本申请实施例提供了一种产品标签权重确定方法,该方法包括:
获取目标用户的用户标签以及预设时段内目标用户对产品的操作行为;
基于用户标签确定产品的产品标签;
基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重。
可选地,基于用户标签确定产品的产品标签,包括:
将用户标签确定为对应的目标用户进行操作行为所针对产品的产品标签。
可选地,确定产品标签对产品的重要程度,包括:
基于产品标签在产品的所有产品标签中的出现频率以及产品标签的逆向文件频率,确定产品标签对产品的重要程度。
可选地,基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重,包括:
通过以下公式,确定产品标签的标签权重:
其中,i为产品中的任一个,t为产品i的产品标签中的任一个,T为标签权重所对应的时段,w(i,t,T)为产品i的产品标签t在T时段的标签权重,TF(i,t,T)为T时段内产品标签t在产品i的所有产品标签中的出现频率,IDF(t,T)为T时段内产品标签t的逆向文件频率,bw为对目标用户对产品i进行的操作行为对应的行为权重,w(i,t,T-1)为T时段的上一个时段的标签权重,dT为T时段内的时间衰减因子,为根据时间衰减因子计算出的时间衰减权重。
可选地,获取目标用户的用户标签,包括:
从预设的用户画像库中获取目标用户的用户标签。
可选地,获取预设时段内目标用户对产品的操作行为,包括:
从预设的用户行为信息库中获取预设时段内目标用户对产品的操作行为。
可选地,上述方法还包括:
基于产品标签以及标签权重,构建产品标签矩阵;
基于产品标签矩阵,确定产品的相似度。
可选地,基于产品标签矩阵,确定产品的相似度,包括:
对产品标签矩阵进行奇异值分解,确定产品标签矩阵的奇异值矩阵;
将奇异值矩阵转化为密集矩阵;
基于密集矩阵确定产品的相似度。
第二方面,本申请实施例提供了一种产品标签权重确定装置,该装置包括:
基础数据获取模块,用于获取目标用户的用户标签以及预设时段内目标用户对产品的操作行为;
产品标签确定模块,用于基于用户标签确定产品的产品标签;
标签权重确定模块,用于基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重。
可选地,产品标签确定模块具体用于:
将用户标签确定为对应的目标用户进行操作行为所针对产品的产品标签。
可选地,标签权重确定模块在确定产品标签对产品的重要程度时,具体用于:
基于产品标签在产品的所有产品标签中的出现频率以及产品标签的逆向文件频率,确定产品标签对产品的重要程度。
可选地,标签权重确定模块具体用于:
通过以下公式,确定产品标签的标签权重:
其中,i为产品中的任一个,t为产品i的产品标签中的任一个,T为标签权重所对应的时段,w(i,t,T)为产品i的产品标签t在T时段的标签权重,TF(i,t,T)为T时段内产品标签t在产品i的所有产品标签中的出现频率,IDF(t,T)为T时段内产品标签t的逆向文件频率,bw为对目标用户对产品i进行的操作行为对应的行为权重,w(i,t,T-1)为T时段的上一个时段的标签权重,dT为T时段内的时间衰减因子,为根据时间衰减因子计算出的时间衰减权重。
可选地,基础数据获取模块在获取目标用户的用户标签时,具体用于:
从预设的用户画像库中获取目标用户的用户标签。
可选地,基础数据获取模块在获取预设时段内目标用户对产品的操作行为,包括:
从预设的用户行为信息库中获取预设时段内目标用户对产品的操作行为。
可选地,上述装置还包括相似度确定模块,相似度确定模块具体用于:
基于产品标签以及标签权重,构建产品标签矩阵;
基于产品标签矩阵,确定产品的相似度。
可选地,相似度确定模块在基于产品标签矩阵,确定产品的相似度时,具体用于:
对产品标签矩阵进行奇异值分解,确定产品标签矩阵的奇异值矩阵;
将奇异值矩阵转化为密集矩阵;
基于密集矩阵确定产品的相似度。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括:处理器和存储器;
存储器,用于存储操作指令;
处理器,用于通过调用操作指令,执行如本申请的第一方面的任一实施方式中所示的产品标签权重确定方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请的第一方面的任一实施方式中所示的产品标签权重确定方法。
本申请实施例提供的技术方案带来的有益效果是:
本申请提供的方案,将用户标签确定为对应的目标用户进行操作行为所针对产品的产品标签,并基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重。基于本方案,能够通过用户的用户标签确定出产品的产品标签,相较于人工确定的产品标签,本方案中确定出的产品标签描述全面、准确,并且能够确定出各产品标签的可信度,有利于产品标签的使用。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种产品标签权重确定方法的流程示意图;
图2为本申请实施例提供的一种产品标签权重确定装置的结构示意图;
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本申请,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图1示出了本申请实施例提供的一种产品标签权重确定方法的流程示意图,如图1所示,该方法主要可以包括:
步骤S110:获取目标用户的用户标签以及预设时段内目标用户对产品的操作行为;
步骤S120:基于用户标签确定产品的产品标签;
步骤S130:基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重。
本申请实施例中,目标用户可以为对待打标签的产品进行了操作行为的用户,操作行为可以为购买、搜索以及点击等。由于目标用户对产品进行了操作行为,目标用户的用户标签可以从一定程度上用于表征产品的特征,因此,可以基于用户标签确定产品的产品标签。
具体而言,可以将目标用户的用户标签确定为目标用户进行操作行为所针对产品的产品标签。
本申请实施例中,可以将数量较多的用户群体确定为目标用户,用户标签来源广泛,使得确定出的产品标签能够全面准确的表征产品特征。
作为一个示例,用户A的标签为投资高风险,用户A购买了金融产品B,那么金融产品B可能为投资高风险的产品,可以将金融产品B的产品标签确定为投资高风险,而投资高风险这一产品标签的可信度则可以由该产品标签的标签权重来表征。
本申请实施例中,可以计算产品标签的标签权重,通过标签权重表征各产品标签的可信度。具体而言,可以基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重。
本申请实施例中,产品标签对产品的重要程度可以通过目标产品的产品标签的出现情况进行确定。
本申请实施例中,由于用户可能对产品进行不同的操作行为,不同操作行为针对的产品喜好度并不相同,因此可以对不同的操作行为分别预设操作行为权重。
本申请实施中,随着时间推移,用户的历史操作行为和当前的相关性不断减弱,因此可以设定时间衰减因子,并在计算标签权重时考虑时间衰减因子。
本申请提供的方法,将用户标签确定为对应的目标用户进行操作行为所针对产品的产品标签,并基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重。基于本方案,能够通过用户的用户标签确定出产品的产品标签,相较于人工确定的产品标签,本方案中确定出的产品标签描述全面、准确,并且能够确定出各产品标签的可信度,有利于产品标签的使用。
本申请实施例的一种可选方式中,确定产品标签对产品的重要程度,包括:
基于产品标签在产品的所有产品标签中的出现频率以及产品标签的逆向文件频率,确定产品标签对产品的重要程度。
本申请实施例中,可以通过TF-IDF算法用以评估各产品标签对产品重要程度。具体而言,可以产品标签在产品的所有产品标签中的出现频率以及产品标签的逆向文件频率。
在实际使用中,以产品X的产品标签Y为例。产品标签Y在产品X的所有产品标签中的出现频率,可以通过产品标签Y标记产品X的次数除以产品X的全部产品标签的个数得到。产品标签Y在所有产品中的逆向文件频率,可以通过全部产品个数除以包含该产品标签的产品的个数得到。
本申请实施例的一种可选方式中,基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重,包括:
通过以下公式,确定产品标签的标签权重:
其中,i为产品中的任一个,t为产品i的产品标签中的任一个,T为标签权重所对应的时段,w(i,t,T)为产品i的产品标签t在T时段的标签权重,TF(i,t,T)为T时段内产品标签t在所有产品的所有产品标签中的出现频率,IDF(t,T)为T时段内产品标签t的逆向文件频率,bw为对目标用户对产品i进行的操作行为对应的行为权重,w(i,t,T-1)为T时段的上一个时段的标签权重,dT为T时段内的时间衰减因子,为根据时间衰减因子计算出的时间衰减权重。
本申请实施例,可以在通过TF-IDF算法计算出产品标签对产品的重要程度的基础上,结合预设的操作行为权重以及时间衰减因子,从而确定出产品的各产品标签的标签权重。
本申请实施例的一种可选方式中,获取目标用户的用户标签,包括:
从预设的用户画像库中获取目标用户的用户标签。
本申请实施例,可以基于用户的行为创建用户画像库,从用户画像库中获取目标用户的用户标签。
本申请实施例,可以预设用户行为信息库,用户行为信息库存储有目标用户的行为日志等操作行为数据,以便于及时获取用户的操作行为。
本申请实施例的一种可选方式中,上述方法还包括:
基于产品标签以及标签权重,构建产品标签矩阵;
基于产品标签矩阵,确定产品的相似度。
本申请实施例中,在确定出产品标签以及标签权重,可以基于产品标签以及标签权重确定出各产品的相似度,以便将产品的相似度较高的产品作为关联产品进行产品推荐。
本申请实施例中,可以基于品标签以及标签权重构建产品标签矩阵,以便基于产品标签矩阵确定产品的相似度。
具体而言,在构建产品标签矩阵后,可以对产品标签矩阵进行奇异值分解,确定产品标签矩阵的奇异值矩阵,通过将产品标签矩阵分解为奇异值矩阵,能够消除噪声。将奇异值矩阵转化为密集矩阵,以便基于密集矩阵确定产品的相似度。在实际使用中,可以通过余弦相似度、欧氏距离等相似度度量方法计算,按相似度由高到低排序,从而得到每个产品相似度最高的产品作为关联产品进行推荐。
基于与图1中所示的方法相同的原理,图2示出了本申请实施例提供的一种产品标签权重确定装置的结构示意图,如图2所示,该产品标签权重确定装置20可以包括:
基础数据获取模块210,用于获取目标用户的用户标签以及预设时段内目标用户对产品的操作行为;
产品标签确定模块220,用于基于用户标签确定产品的产品标签;
标签权重确定模块230,用于基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重。
本申请提供的装置,将用户标签确定为对应的目标用户进行操作行为所针对产品的产品标签,并基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重。基于本方案,能够通过用户的用户标签确定出产品的产品标签,相较于人工确定的产品标签,本方案中确定出的产品标签描述全面、准确,并且能够确定出各产品标签的可信度,有利于产品标签的使用。
可选地,产品标签确定模块具体用于:
将用户标签确定为对应的目标用户进行操作行为所针对产品的产品标签。
可选地,标签权重确定模块在确定产品标签对产品的重要程度时,具体用于:
基于产品标签在产品的所有产品标签中的出现频率以及产品标签的逆向文件频率,确定产品标签对产品的重要程度。
可选地,标签权重确定模块具体用于:
通过以下公式,确定产品标签的标签权重:
其中,i为产品中的任一个,t为产品i的产品标签中的任一个,T为标签权重所对应的时段,w(i,t,T)为产品i的产品标签t在T时段的标签权重,TF(i,t,T)为T时段内产品标签t在产品i的所有产品标签中的出现频率,IDF(t,T)为T时段内产品标签t的逆向文件频率,bw为对目标用户对产品i进行的操作行为对应的行为权重,w(i,t,T-1)为T时段的上一个时段的标签权重,dT为T时段内的时间衰减因子,为根据时间衰减因子计算出的时间衰减权重。
可选地,基础数据获取模块在获取目标用户的用户标签时,具体用于:
从预设的用户画像库中获取目标用户的用户标签。
可选地,基础数据获取模块在获取预设时段内目标用户对产品的操作行为,包括:
从预设的用户行为信息库中获取预设时段内目标用户对产品的操作行为。
可选地,上述装置还包括相似度确定模块,相似度确定模块具体用于:
基于产品标签以及标签权重,构建产品标签矩阵;
基于产品标签矩阵,确定产品的相似度。
可选地,相似度确定模块在基于产品标签矩阵,确定产品的相似度时,具体用于:
对产品标签矩阵进行奇异值分解,确定产品标签矩阵的奇异值矩阵;
将奇异值矩阵转化为密集矩阵;
基于密集矩阵确定产品的相似度。
可以理解的是,本实施例中的产品标签权重确定装置的上述各模块具有实现图1中所示的实施例中的产品标签权重确定方法相应步骤的功能。该功能可以通过硬件实现,也可以通过硬件执行相应的软件实现。该硬件或软件包括一个或多个与上述功能相对应的模块。上述模块可以是软件和/或硬件,上述各模块可以单独实现,也可以多个模块集成实现。对于上述产品标签权重确定装置的各模块的功能描述具体可以参见图1中所示实施例中的产品标签权重确定方法的对应描述,在此不再赘述。
本申请实施例提供了一种电子设备,包括处理器和存储器;
存储器,用于存储操作指令;
处理器,用于通过调用操作指令,执行本申请任一实施方式中所提供的产品标签权重确定方法。
作为一个示例,图3示出了本申请实施例所适用的一种电子设备的结构示意图,如图3所示,该电子设备2000包括:处理器2001和存储器2003。其中,处理器2001和存储器2003相连,如通过总线2002相连。可选的,电子设备2000还可以包括收发器2004。需要说明的是,实际应用中收发器2004不限于一个,该电子设备2000的结构并不构成对本申请实施例的限定。
其中,处理器2001应用于本申请实施例中,用于实现上述方法实施例所示的方法。收发器2004可以包括接收机和发射机,收发器2004应用于本申请实施例中,用于执行时实现本申请实施例的电子设备与其他设备通信的功能。
处理器2001可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器2001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线2002可包括一通路,在上述组件之间传送信息。总线2002可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线2002可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器2003可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
可选的,存储器2003用于存储执行本申请方案的应用程序代码,并由处理器2001来控制执行。处理器2001用于执行存储器2003中存储的应用程序代码,以实现本申请任一实施方式中所提供的产品标签权重确定方法。
本申请实施例提供的电子设备,适用于上述方法任一实施例,在此不再赘述。
本申请实施例提供了一种电子设备,与现有技术相比,将用户标签确定为对应的目标用户进行操作行为所针对产品的产品标签,并基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重。基于本方案,能够通过用户的用户标签确定出产品的产品标签,相较于人工确定的产品标签,本方案中确定出的产品标签描述全面、准确,并且能够确定出各产品标签的可信度,有利于产品标签的使用。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现上述方法实施例所示的产品标签权重确定方法。
本申请实施例提供的计算机可读存储介质,适用于上述方法任一实施例,在此不再赘述。
本申请实施例提供了一种计算机可读存储介质,与现有技术相比,将用户标签确定为对应的目标用户进行操作行为所针对产品的产品标签,并基于产品标签对产品的重要程度、预设的操作行为权重以及时间衰减因子,确定产品标签的标签权重。基于本方案,能够通过用户的用户标签确定出产品的产品标签,相较于人工确定的产品标签,本方案中确定出的产品标签描述全面、准确,并且能够确定出各产品标签的可信度,有利于产品标签的使用。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种产品标签权重确定方法,其特征在于,包括:
获取目标用户的用户标签以及预设时段内所述目标用户对产品的操作行为;
基于所述用户标签确定所述产品的产品标签;
基于所述产品标签对所述产品的重要程度、预设的操作行为权重以及时间衰减因子,确定所述产品标签的标签权重;
确定所述产品标签对所述产品的重要程度,包括:
基于所述产品标签在所述产品的所有产品标签中的出现频率以及所述产品标签的逆向文件频率,确定所述产品标签对所述产品的重要程度;
所述基于所述产品标签对所述产品的重要程度、预设的操作行为权重以及时间衰减因子,确定所述产品标签的标签权重,包括:
通过以下公式,确定所述产品标签的标签权重:
其中,i为所述产品中的任一个,t为产品i的所述产品标签中的任一个,T为所述标签权重所对应的时段,w(i,t,T)为产品i的产品标签t在T时段的标签权重,TF(i,t,T)为T时段内产品标签t在产品i的所有产品标签中的出现频率,IDF(t,T)为T时段内产品标签t的逆向文件频率,bw为对所述目标用户对产品i进行的操作行为对应的行为权重,w(i,t,T-1)为T时段的上一个时段的标签权重,dT为T时段内的时间衰减因子,为根据时间衰减因子计算出的时间衰减权重。
2.根据权利要求1所述的方法,其特征在于,所述基于所述用户标签确定所述产品的产品标签,包括:
将所述用户标签确定为对应的目标用户进行操作行为所针对产品的产品标签。
3.根据权利要求1所述的方法,其特征在于,所述获取目标用户的用户标签,包括:
从预设的用户画像库中获取目标用户的用户标签。
4.根据权利要求1所述的方法,其特征在于,获取预设时段内所述目标用户对产品的操作行为,包括:
从预设的用户行为信息库中获取预设时段内所述目标用户对产品的操作行为。
5.根据权利要求1-4中任一项所述的方法,其特征在于,还包括:
基于所述产品标签以及所述标签权重,构建产品标签矩阵;
基于所述产品标签矩阵,确定所述产品的相似度。
6.根据权利要求5所述的方法,其特征在于,所述基于所述产品标签矩阵,确定所述产品的相似度,包括:
对所述产品标签矩阵进行奇异值分解,确定所述产品标签矩阵的奇异值矩阵;
将所述奇异值矩阵转化为密集矩阵;
基于所述密集矩阵确定所述产品的相似度。
7.一种产品标签权重确定装置,其特征在于,包括:
基础数据获取模块,用于获取目标用户的用户标签以及预设时段内所述目标用户对产品的操作行为;
产品标签确定模块,用于基于所述用户标签确定所述产品的产品标签;
标签权重确定模块,用于基于所述产品标签对所述产品的重要程度、预设的操作行为权重以及时间衰减因子,确定所述产品标签的标签权重;
确定所述产品标签对所述产品的重要程度,包括:
基于所述产品标签在所述产品的所有产品标签中的出现频率以及所述产品标签的逆向文件频率,确定所述产品标签对所述产品的重要程度;
所述基于所述产品标签对所述产品的重要程度、预设的操作行为权重以及时间衰减因子,确定所述产品标签的标签权重,包括:
通过以下公式,确定所述产品标签的标签权重:
其中,i为所述产品中的任一个,t为产品i的所述产品标签中的任一个,T为所述标签权重所对应的时段,w(i,t,T)为产品i的产品标签t在T时段的标签权重,TF(i,t,T)为T时段内产品标签t在产品i的所有产品标签中的出现频率,IDF(t,T)为T时段内产品标签t的逆向文件频率,bw为对所述目标用户对产品i进行的操作行为对应的行为权重,w(i,t,T-1)为T时段的上一个时段的标签权重,dT为T时段内的时间衰减因子,为根据时间衰减因子计算出的时间衰减权重。
8.一种电子设备,其特征在于,包括处理器和存储器;
所述存储器,用于存储操作指令;
所述处理器,用于通过调用所述操作指令,执行权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010496967.9A CN111797282B (zh) | 2020-06-03 | 2020-06-03 | 产品标签权重确定方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010496967.9A CN111797282B (zh) | 2020-06-03 | 2020-06-03 | 产品标签权重确定方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111797282A CN111797282A (zh) | 2020-10-20 |
CN111797282B true CN111797282B (zh) | 2024-03-29 |
Family
ID=72806386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010496967.9A Active CN111797282B (zh) | 2020-06-03 | 2020-06-03 | 产品标签权重确定方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111797282B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113780415B (zh) * | 2021-09-10 | 2023-08-15 | 平安科技(深圳)有限公司 | 基于小程序游戏的用户画像生成方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108595599A (zh) * | 2018-04-19 | 2018-09-28 | 广州优视网络科技有限公司 | 应用标签生成方法、装置、存储介质和计算机设备 |
CN109582876A (zh) * | 2018-12-19 | 2019-04-05 | 广州易起行信息技术有限公司 | 旅游行业用户画像构造方法、装置和计算机设备 |
CN111125529A (zh) * | 2019-12-24 | 2020-05-08 | 深圳市信联征信有限公司 | 产品匹配方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9753998B2 (en) * | 2014-04-15 | 2017-09-05 | International Business Machines Corporation | Presenting a trusted tag cloud |
-
2020
- 2020-06-03 CN CN202010496967.9A patent/CN111797282B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108595599A (zh) * | 2018-04-19 | 2018-09-28 | 广州优视网络科技有限公司 | 应用标签生成方法、装置、存储介质和计算机设备 |
CN109582876A (zh) * | 2018-12-19 | 2019-04-05 | 广州易起行信息技术有限公司 | 旅游行业用户画像构造方法、装置和计算机设备 |
CN111125529A (zh) * | 2019-12-24 | 2020-05-08 | 深圳市信联征信有限公司 | 产品匹配方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111797282A (zh) | 2020-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111798273A (zh) | 产品的购买概率预测模型的训练方法及购买概率预测方法 | |
CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
US8024218B2 (en) | Method and apparatus for determining the product marketability utilizing a percent coverage | |
CN110263821B (zh) | 交易特征生成模型的训练、交易特征的生成方法和装置 | |
JP6586184B2 (ja) | データ分析支援装置、及びデータ分析支援方法 | |
CN115564486A (zh) | 一种数据推送方法、装置、设备和介质 | |
CN111797282B (zh) | 产品标签权重确定方法、装置、电子设备及可读存储介质 | |
CN111915420A (zh) | 标签的创建方法、装置、电子设备及计算机可读存储介质 | |
JP6920378B2 (ja) | 再修理用基板の検出装置、方法およびコンピュータ読み取り可能な記憶媒体 | |
CN113743643B (zh) | 一种确定商品数据预测准确率的方法、装置、设备和介质 | |
CN112328575B (zh) | 数据资产血缘生成方法、装置、电子设备 | |
US20190102745A1 (en) | Methods and systems for evaluating an employee | |
CN115688742B (zh) | 基于人工智能的用户数据分析方法及ai*** | |
CN116629423A (zh) | 用户行为预测方法、装置、设备及存储介质 | |
CN113284027B (zh) | 团伙识别模型的训练方法、异常团伙识别方法及装置 | |
CN112446933B (zh) | 金融资产的图像化方法、装置、电子设备及可读存储介质 | |
KR102536201B1 (ko) | 시계열 데이터 유사도 계산 시스템 및 방법 | |
Godichon-Baggioni et al. | A penalized criterion for selecting the number of clusters for K-medians | |
CN113849618A (zh) | 基于知识图谱的策略确定方法、装置、电子设备及介质 | |
CN112861014A (zh) | 功能的推荐方法、装置、电子设备及计算机可读存储介质 | |
CN110910198A (zh) | 非正常对象预警方法、装置、电子设备及存储介质 | |
CN112380125B (zh) | 测试案例的推荐方法、装置、电子设备及可读存储介质 | |
CN114547285B (zh) | 表格数据含义推断方法、装置、计算机设备和存储介质 | |
CN115619068B (zh) | 智能投保方案生成方法、装置、电子设备及存储介质 | |
CN113254787B (zh) | 事件分析方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220919 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |