CN113901318A - 一种用户画像构建*** - Google Patents
一种用户画像构建*** Download PDFInfo
- Publication number
- CN113901318A CN113901318A CN202111191345.6A CN202111191345A CN113901318A CN 113901318 A CN113901318 A CN 113901318A CN 202111191345 A CN202111191345 A CN 202111191345A CN 113901318 A CN113901318 A CN 113901318A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- word
- database
- construction system
- 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.)
- Pending
Links
- 238000010276 construction Methods 0.000 title claims abstract description 15
- 230000011218 segmentation Effects 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 238000011835 investigation Methods 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 230000008450 motivation Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 3
- 238000012954 risk control Methods 0.000 abstract description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 3
- 229910052737 gold Inorganic materials 0.000 description 3
- 239000010931 gold Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
Images
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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3346—Query execution using probabilistic model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种用户画像构建***,包括:数据采集单元,从不同数据源当中采集数据,根据用户的ID建立用户集;数据处理单元,对数据集当中的用户数据进行处理,经过处理过后的数据保存至分词数据库当中;特征抽取单元,对分布存储在数据库当中的数据提取特征,并存储至特征数据库当中;语义转换单元,将特征数据库当中的语言词汇转换为计算机语言;用户画像生成,进行标签定义和模型特征构建,通过数据的关联和规则的定义构建整体的画像模型。本发明通过对用户集的可视化特征集,方便后续在制作不同维度的用户画像可获得更加精准的数据,同时通过隐藏特征集,进一步了解用户的隐藏需求,方便调整销售策略,实现了风险控制的精确化和科学化。
Description
技术领域
本发明涉及数据处理领域,特别涉及一种用户画像构建***。
背景技术
用户画像是用来勾画用户的背景、特征、性格、行为场景等内容,旨在从海量用户行为数据中“炼银挖金”,通过数据分析后获取的用户基本属性、购买能力、行为特征、社交网络、心理特征和兴趣爱好等方面的标签模型,贴近地抽象出一个或一类用户的信息全貌,从而帮助互联网企业解决将数据转化为商业价值的问题。
新零售是随着移动互联网的发展而产生的一种超越电子商务、移动商务、地产零售的全新业态,是以消费者体验为中心、数据驱动的泛零售形态,包含新零售、新电商、本地o20、泛娱乐、新媒体、新金融、新物流、新制造等范畴.。新零售最大的特点是线上线下融合、多场景多维度、技术和数据赋能、线上和线下相互导流和彼此叠加,带来全新的场景模式。当前应用于消费领域的用户画像***仍存在定位不准的情况,面对新零售用户数量的激增和信息的巨量增长,如何更好地在新零售时代为用户提供个性化的服务,使用户获得最佳用户体验,是一个急需解决的问题。
发明内容
本发明要解决的技术问题是克服现有技术的缺陷,提供一种用户画像构建***。
为了解决上述技术问题,本发明提供了如下的技术方案:
本发明一种用户画像构建***,包括:
数据采集单元,通过Thrift从不同数据源当中采集数据,根据用户的ID建立用户集;
数据处理单元,对数据集当中的用户数据进行处理,经过处理过后的数据保存至分词数据库当中;
特征抽取单元,对分布存储在数据库当中的数据提取特征,并存储至特征数据库当中,
语义转换单元,将特征数据库当中的语言词汇转换为计算机语言;
用户画像生成,进行标签定义和模型特征构建,通过数据的关联和规则的定义构建整体的画像模型。
作为本发明的一种优选技术方案,所述数据采集单元的数据源包括行业数据、用户总体数据、总体浏览数据、总体内容数据、用户属性数据、用户行为数据、用户成长数据、访问深度、问卷调研、用户访谈、用户参与度数据和用户点击数据,所述访问深度、问卷调研、用户访谈做为内部数据进行加密存储。
作为本发明的一种优选技术方案,所述用户集的数据分为可视化特征集和隐藏特征集,所述可视化特征集包括基础特征、网络特征和使用特征,所述隐藏特征集包括目的、偏好、需求、频次、场景、历史搜索词列表。
作为本发明的一种优选技术方案,所述数据处理单元包括:
数据清洗模块,对用户集当中的空词进行删除处理,同时检测分词数据库中的错误和不一致,排除和改正错误数据;
分词处理模块,对描述的文档进行划分;
自定义词模块,根据分类要求自行划分词类,同时采用XML的数据交换框架实现数据交换。
作为本发明的一种优选技术方案,所述分词处理模块中首先采用结巴分词,之后采用正则表达式和去停用词进行精准分词,所述自定义词当中模糊音词、近义词和联想词均概括为同一类。
作为本发明的一种优选技术方案,所述特征抽取单元采用TF-IDF算法从分词库当中选取出出现频率最高的词汇,
其中,TF(c,y):词c在分词库y当中的频率;
W:分词库当中的词类总数;
DF(c):包含词c的分词数。
作为本发明的一种优选技术方案,所述画像模型包括基本属性的画像、基于消费行为的画像、基于时间空间的画像、基于使用动机的画像、基于使用行为的画像。
与现有技术相比,本发明的有益效果如下:
本发明通过对用户集的可视化特征集,方便后续在制作不同维度的用户画像可获得更加精准的数据,同时通过隐藏特征集,进一步了解用户的隐藏需求,方便调整销售策略,实现了风险控制的精确化和科学化;同时特征数据可根据需求自行调整,提升了用户画像构建的准确性和效率。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明的***框架图;
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
实施例1
如图1所示,本发明提供一种用户画像构建***,包括:
数据采集单元,通过Thrift从不同数据源当中采集数据,根据用户的ID建立用户集;
数据处理单元,对数据集当中的用户数据进行处理,经过处理过后的数据保存至分词数据库当中;
特征抽取单元,对分布存储在数据库当中的数据提取特征,并存储至特征数据库当中,
语义转换单元,将特征数据库当中的语言词汇转换为计算机语言;
用户画像生成,进行标签定义和模型特征构建,通过数据的关联和规则的定义构建整体的画像模型。
进一步的,数据采集单元的数据源包括行业数据、用户总体数据、总体浏览数据、总体内容数据、用户属性数据、用户行为数据、用户成长数据、访问深度、问卷调研、用户访谈、用户参与度数据和用户点击数据,访问深度、问卷调研、用户访谈做为内部数据进行加密存储。
用户集的数据分为可视化特征集和隐藏特征集,可视化特征集包括基础特征、网络特征和使用特征,隐藏特征集包括目的、偏好、需求、频次、场景、历史搜索词列表。
数据处理单元包括:
数据清洗模块,对用户集当中的空词进行删除处理,同时检测分词数据库中的错误和不一致,排除和改正错误数据;
分词处理模块,对描述的文档进行划分;
自定义词模块,根据分类要求自行划分词类,同时采用XML的数据交换框架实现数据交换。
分词处理模块中首先采用结巴分词,之后采用正则表达式和去停用词进行精准分词,自定义词当中模糊音词、近义词和联想词均概括为同一类。
特征抽取单元采用TF-IDF算法从分词库当中选取出出现频率最高的词汇,
其中,TF(c,y):词c在分词库y当中的频率;
W:分词库当中的词类总数;
DF(c):包含词c的分词数。
画像模型包括基本属性的画像、基于消费行为的画像、基于时间空间的画像、基于使用动机的画像、基于使用行为的画像。
具体的,第一步,由数据采集单元从行业数据、用户总体数据、总体浏览数据、总体内容数据、用户属性数据、用户行为数据、用户成长数据、访问深度、问卷调研、用户访谈、用户参与度数据和用户点击数据,访问深度、问卷调研、用户访谈做为内部数据进行加密存储采集相关数据,用户集当中每个用户对应不同ID,可视化特征集中基础特征包括年龄、性别、职业、地域;,网络特征包括上网时长、时间、影响因素,使用特征包括使用频次、时间、时长;隐藏特征集包括目的、偏好、需求、频次、场景、历史搜索词列表;第二步,通过数据处理单元对数据进行处理,数据进行清洗、分词、自定义词处理,例如:分词处理前:国际黄金走势,分词处理后:黄金,将分类的特征词存储至分词数据库当中;第三步,对各类分词数据库中词类进行特征提取,经过TF-IDF算法从中选取关键词作为特征;第四步,经过语义转换单元将特征文本转换为计算机语言;第五步,对每一个标签,在特征数据库中选择与该标签相关的用户特征,生成不同类型用户画像。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种用户画像构建***,其特征在于,包括:
数据采集单元,通过Thrift从不同数据源当中采集数据,根据用户的ID建立用户集;
数据处理单元,对数据集当中的用户数据进行处理,经过处理过后的数据保存至分词数据库当中;
特征抽取单元,对分布存储在数据库当中的数据提取特征,并存储至特征数据库当中;
语义转换单元,将特征数据库当中的语言词汇转换为计算机语言;
用户画像生成,进行标签定义和模型特征构建,通过数据的关联和规则的定义构建整体的画像模型。
2.根据权利要求1所述的一种用户画像构建***,其特征在于,所述数据采集单元的数据源包括行业数据、用户总体数据、总体浏览数据、总体内容数据、用户属性数据、用户行为数据、用户成长数据、访问深度、问卷调研、用户访谈、用户参与度数据和用户点击数据,所述访问深度、问卷调研、用户访谈做为内部数据进行加密存储。
3.根据权利要求2所述的一种用户画像构建***,其特征在于,所述用户集的数据分为可视化特征集和隐藏特征集,所述可视化特征集包括基础特征、网络特征和使用特征,所述隐藏特征集包括目的、偏好、需求、频次、场景、历史搜索词列表。
4.根据权利要求1所述的一种用户画像构建***,其特征在于,所述数据处理单元包括:
数据清洗模块,对用户集当中的空词进行删除处理,同时检测分词数据库中的错误和不一致,排除和改正错误数据;
分词处理模块,对描述的文档进行划分;
自定义词模块,根据分类要求自行划分词类,同时采用XML的数据交换框架实现数据交换。
5.根据权利要求4所述的一种用户画像构建***,其特征在于,所述分词处理模块中首先采用结巴分词,之后采用正则表达式和去停用词进行精准分词,所述自定义词当中模糊音词、近义词和联想词均概括为同一类。
7.根据权利要求1所述的一种用户画像构建***,其特征在于,所述画像模型包括基本属性的画像、基于消费行为的画像、基于时间空间的画像、基于使用动机的画像、基于使用行为的画像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111191345.6A CN113901318A (zh) | 2021-10-13 | 2021-10-13 | 一种用户画像构建*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111191345.6A CN113901318A (zh) | 2021-10-13 | 2021-10-13 | 一种用户画像构建*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113901318A true CN113901318A (zh) | 2022-01-07 |
Family
ID=79191772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111191345.6A Pending CN113901318A (zh) | 2021-10-13 | 2021-10-13 | 一种用户画像构建*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113901318A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114048283A (zh) * | 2022-01-11 | 2022-02-15 | 北京仁科互动网络技术有限公司 | 用户画像生成方法、装置、电子设备及存储介质 |
CN116821287A (zh) * | 2023-08-28 | 2023-09-29 | 湖南创星科技股份有限公司 | 基于知识图谱和大语言模型的用户心理画像***及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578292A (zh) * | 2017-09-19 | 2018-01-12 | 上海财经大学 | 一种用户画像构建*** |
CN111597330A (zh) * | 2019-02-21 | 2020-08-28 | 中国科学院信息工程研究所 | 一种基于支持向量机的面向智能专家推荐的用户画像方法 |
CN112990973A (zh) * | 2021-03-22 | 2021-06-18 | 山东顺能网络科技有限公司 | 线上店铺画像构建方法及*** |
CN113032556A (zh) * | 2019-12-25 | 2021-06-25 | 厦门铠甲网络股份有限公司 | 一种基于自然语言处理形成用户画像的方法 |
-
2021
- 2021-10-13 CN CN202111191345.6A patent/CN113901318A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578292A (zh) * | 2017-09-19 | 2018-01-12 | 上海财经大学 | 一种用户画像构建*** |
CN111597330A (zh) * | 2019-02-21 | 2020-08-28 | 中国科学院信息工程研究所 | 一种基于支持向量机的面向智能专家推荐的用户画像方法 |
CN113032556A (zh) * | 2019-12-25 | 2021-06-25 | 厦门铠甲网络股份有限公司 | 一种基于自然语言处理形成用户画像的方法 |
CN112990973A (zh) * | 2021-03-22 | 2021-06-18 | 山东顺能网络科技有限公司 | 线上店铺画像构建方法及*** |
Non-Patent Citations (2)
Title |
---|
王英: "高校科研用户画像特征分析及案例研究", 《图书馆理论与实践》, no. 4, 31 August 2020 (2020-08-31), pages 2 - 3 * |
许鹏程: "数据驱动下数字图书馆用户画像模型构建", 《图书情报工作》, vol. 63, no. 3, 31 March 2019 (2019-03-31), pages 2 - 3 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114048283A (zh) * | 2022-01-11 | 2022-02-15 | 北京仁科互动网络技术有限公司 | 用户画像生成方法、装置、电子设备及存储介质 |
CN116821287A (zh) * | 2023-08-28 | 2023-09-29 | 湖南创星科技股份有限公司 | 基于知识图谱和大语言模型的用户心理画像***及方法 |
CN116821287B (zh) * | 2023-08-28 | 2023-11-17 | 湖南创星科技股份有限公司 | 基于知识图谱和大语言模型的用户心理画像***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359244B (zh) | 一种个性化信息推荐方法和装置 | |
CN107705066B (zh) | 一种商品入库时信息录入方法及电子设备 | |
US8380727B2 (en) | Information processing device and method, program, and recording medium | |
CN113011186B (zh) | 命名实体识别方法、装置、设备及计算机可读存储介质 | |
CN110728541A (zh) | 信息流媒体广告创意推荐方法及装置 | |
WO2015148422A1 (en) | Recommendation system with dual collaborative filter usage matrix | |
CN107291840B (zh) | 一种用户属性预测模型构建方法和装置 | |
CN107357793A (zh) | 信息推荐方法和装置 | |
CN113901318A (zh) | 一种用户画像构建*** | |
CN112231569A (zh) | 新闻推荐方法、装置、计算机设备及存储介质 | |
CN110633398A (zh) | 中心词的确认方法、搜索方法、装置和存储介质 | |
US20220414741A1 (en) | Systems and methods for managing a personalized online experience | |
CN111460267B (zh) | 对象识别方法、装置和*** | |
CN112926308B (zh) | 匹配正文的方法、装置、设备、存储介质以及程序产品 | |
CN112990973A (zh) | 线上店铺画像构建方法及*** | |
CN105701182A (zh) | 信息推送方法和装置 | |
CN115147130A (zh) | 问题预测方法、设备、存储介质及程序产品 | |
CN116127013A (zh) | 一种个人敏感信息知识图谱查询方法和装置 | |
CN110795613A (zh) | 商品搜索方法、装置、***及电子设备 | |
CN108470289B (zh) | 基于电商购物平台的虚拟物品发放方法及设备 | |
CN114912011A (zh) | 一种基于内容提取与评分预测的视频推荐方法 | |
CN117420998A (zh) | 一种客户端ui交互组件生成方法、装置、终端及介质 | |
CN116756281A (zh) | 知识问答方法、装置、设备和介质 | |
Al-Saffar et al. | Survey on Implicit Feedbacks Extraction based on Yelp Dataset using Collaborative Filtering | |
CN116484872A (zh) | 基于预训练与注意力的多模态方面级情感判断方法和*** |
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 |