CN115689648B - 应用于定向投放的用户信息处理方法及*** - Google Patents
应用于定向投放的用户信息处理方法及*** Download PDFInfo
- Publication number
- CN115689648B CN115689648B CN202211333305.5A CN202211333305A CN115689648B CN 115689648 B CN115689648 B CN 115689648B CN 202211333305 A CN202211333305 A CN 202211333305A CN 115689648 B CN115689648 B CN 115689648B
- Authority
- CN
- China
- Prior art keywords
- information
- interactive
- knowledge
- data set
- description knowledge
- 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
Classifications
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供的应用于定向投放的用户信息处理方法及***,通过获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识,再进行互动画像编码,得到原始数据集互动画像描述知识,之后将至少两个不同的信息分析要素的互动信息描述知识进行整合得到互动信息整合描述知识并以此对每一信息分析要素对应的原始数据集互动画像描述知识进行参数调节,获得目标数据集互动画像描述知识,然后将不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行互动画像解析,得到整合用户互动画像信息,以此对目标商品进行定向投放。基于本申请实施例得到的整合用户画像信息准确,利于目标商品的精准投放。
Description
技术领域
本申请涉及互联网、人工智能领域,具体而言,涉及一种应用于定向投放的用户信息处理方法及***。
背景技术
随着互联网技术的快速发展,互联网平台的用户数量得到指数性增长。得益于庞大的用户基数,互联网运营平台,如电商平台、短视频平台等通过投放推荐信息(如商品广告、推广视频)的方式可以获取到可观的收益。但是,推荐信息的投放需要考虑其转化率,例如商品的点击购买比、推广视频的点击关注比等,如果转化率长期较低,一来影响用户对平台的粘性和正向印象,二来影响推送需求方对运营平台的运营能力的认可与选择。那么,如何针对固定的用户进行定向投放,是互联网平台致力于研究的方向,而分析用户的各类数据得到用户画像,依据用户画像进行定向投放是目前的主流,但是目前的定向投放的准确性上还有提升的空间,亟待解决。
发明内容
本发明的目的在于提供一种应用于定向投放的用户信息处理方法及***,以改善目前的定向投放的准确性问题。
为了达到以上的目的,本申请实施例是这样实现的:
第一方面,本申请实施例提供了一种应用于定向投放的用户信息处理方法,应用于信息处理***,所述方法包括:
响应于用户信息处理指令,获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识;
对每一所述信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识;
将所述至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识;
依据所述互动信息整合描述知识对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对所述待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识;
将所述不同信息分析要素的目标数据集互动画像描述知识和所述互动信息整合描述知识进行互动画像解析,得到所述待处理用户互动信息数据集的整合用户互动画像信息;
依据所述整合用户互动画像信息对目标商品进行定向投放。
进一步地,所述对每一所述信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识,包括:
将对应于每一所述信息分析要素的互动信息描述知识对应传播至预设互动画像描述知识域中,获得各个信息分析要素的互动信息描述知识在所述预设互动画像描述知识域中的描述知识散布结果;
依据每一所述信息分析要素的互动信息描述知识在预设互动画像描述知识域中的描述知识散布结果,确定每一所述互动信息描述知识的推荐系数;
依据每一所述互动信息描述知识的推荐系数,确定所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识;
所述将所述至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识,包括:
对至少两个不同的信息分析要素的互动信息描述知识进行卷积过滤处理,获得各个信息分析要素的互动信息描述知识对应的过滤描述知识;
对每一所述信息分析要素的过滤描述知识进行显著描述知识整合,获得各个所述信息分析要素对应的整合显著描述知识;
将每一所述信息分析要素对应的整合显著描述知识进行知识融合,得到融合描述知识;
对所述融合描述知识进行回归分析,得到所述互动信息整合描述知识。
进一步地,所述依据所述互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对所述待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识,包括:
将所述互动信息整合描述知识和当下信息分析要素对应的原始数据集互动画像描述知识进行知识融合,得到所述当下信息分析要素对应的融合描述知识;
依据所述当下信息分析要素对应的互动画像编码信息,将所述当下信息分析要素对应的融合描述知识进行描述知识映射,得到映射描述知识;
将所述映射描述知识进行描述知识变换操作,得到变换描述知识;
将所述变换描述知识和所述原始数据集互动画像描述知识进行知识整合,得到所述目标数据集互动画像描述知识。
进一步地,所述将所述不同信息分析要素的目标数据集互动画像描述知识和所述互动信息整合描述知识进行互动画像解析,得到所述待处理用户互动信息数据集的整合用户互动画像信息,包括:
将所述不同信息分析要素的目标数据集互动画像描述知识和所述互动信息整合描述知识进行知识融合操作,得到知识融合后的互动信息描述知识,其中,所述知识融合后的互动信息描述知识涵盖多层次互动信息分块矩阵;
对所述知识融合后的互动信息描述知识的互动信息分块矩阵进行画像标签回归分析,得到每一层次的互动信息分块矩阵对应的标签分析结果;
将所述标签分析结果进行整合,得到所述整合用户互动画像信息。
进一步地,所述待处理用户互动信息数据集包括一个或多个用户互动信息数据组;所述获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识,包括:获取待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识;
所述对每一信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识,包括:对每一用户互动信息数据组的每一信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集的每一用户互动信息数据组在至少两个不同的信息分析要素的原始数据集互动画像描述知识;
所述将所述至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识,包括:将所述待处理用户互动信息数据集的用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识进行知识整合,获得各个用户互动信息数据组对应的互动信息整合描述知识;
所述依据所述互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对所述待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识,包括:依据用户互动信息数据组对应的互动信息整合描述知识,对所述用户互动信息数据组的每一所述信息分析要素对应的原始数据集互动画像描述知识进行更新操作,获得各个所述用户互动信息数据组在至少两个不同的信息分析要素的目标数据集互动画像描述知识;将每一所述信息分析要素中用户互动信息数据组对应的目标数据集互动画像描述知识进行知识整合,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的目标数据集互动画像描述知识。
进一步地,所述获取待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识,包括:
获取所述待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的用户互动信息;
对所述用户互动信息数据组在至少两个不同的信息分析要素的用户互动信息进行描述知识抽取,得到所述用户互动信息数据组在至少两个不同的信息分析要素的原始互动信息描述知识;
对所述用户互动信息数据组在至少两个不同的信息分析要素的所述原始互动信息描述知识进行描述知识一致性处理,得到所述待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识。
进一步地,所述获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识,包括:依据用户互动画像确定模型获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识;
所述对每一信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识,包括:依据所述用户互动画像确定模型对每一信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识;
所述将所述至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识,包括:依据所述用户互动画像确定模型对每一信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识;
所述依据所述互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对所述待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识,包括:依据所述用户互动画像确定模型依据所述互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对所述待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识;
将所述不同信息分析要素的目标数据集互动画像描述知识和所述互动信息整合描述知识进行互动画像解析,得到所述待处理用户互动信息数据集的整合用户互动画像信息。
进一步地,所述方法还包括:
获取待调校用户互动画像确定模型和用户互动信息样本在至少两个不同的信息分析要素的用户互动信息;
依据所述待调校用户互动画像确定模型对所述用户互动信息样本在至少两个不同的信息分析要素的用户互动信息进行处理,得到所述用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识、所述用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识和所述用户互动信息样本的整合用户互动画像信息;
依据所述用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识、所述用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识和所述用户互动信息样本的整合用户互动画像信息确定目标代价;
依据所述目标代价对所述待调校用户互动画像确定模型进行参数调节,得到所述用户互动画像确定模型。
进一步地,所述依据所述用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识、所述用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识和所述用户互动信息样本的整合用户互动画像信息确定目标代价,包括:
依据所述用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识,获取互动信息描述知识代价;
依据所述用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识和所述整合用户互动画像信息,获取互动画像编码抑制代价;
依据所述用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识,获取互动画像描述知识代价;
依据所述整合用户互动画像信息获取整合画像代价;
将所述互动信息描述知识代价、所述互动画像编码抑制代价、所述互动画像描述知识代价和所述整合画像代价进行整合以获得所述目标代价。
第二方面,本申请实施例提供了一种信息处理***,包括处理器和存储器,所述存储器存储有计算机程序,当所述处理器执行所述计算机程序,实现以上所述的方法。
本申请实施例提供的应用于定向投放的用户信息处理方法及***,通过获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识,然后对每一信息分析要素的互动信息描述知识进行互动画像编码,获得待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识;再将至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识;然后依据互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识;接着将不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行互动画像解析,得到待处理用户互动信息数据集的整合用户互动画像信息,最后依据整合用户互动画像信息对目标商品进行定向投放。基于此,本申请实施例提供的方法可以获取到准确度高的整合用户画像信息,有利于通过整合用户画像信息对目标商品进行具有针对性地投放。
在后面的描述中,将部分地陈述其他的特征。在检查后面内容和附图时,本领域的技术人员将部分地发现这些特征,或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面,当前申请中的特征可以被实现和获得。
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是本申请实施例提供的一种应用于定向投放的用户信息处理方法的流程图。
图2是本申请实施例提供的信息处理装置的功能模块架构示意图。
图3是本申请实施例提供的一种信息处理***的组成示意图。
具体实施方式
下面结合本申请实施例中的附图对本申请实施例进行描述。本申请实施例的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释,而非旨在限定本申请。
本申请实施例中应用于定向投放的用户信息处理方法的执行主体为信息处理***,包括但不限于服务器、个人电脑、笔记本电脑、平板电脑等具备强数据处理能力的电子设备。优选的,信息处理***可以是服务器,包括但不限于单个网络服务器、多个网络服务器组成的服务器组或于云计算的由大量计算机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中,计算机设备可单独运行来实现本申请,也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本申请。其中,信息处理***所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。信息处理***可与用户终端设备进行通信,以获取用户终端设备上传的用户互动信息,用户终端设备可以是包括但不限于智能手机、个人电脑、平板电脑等预装有互联网平台应用程序的电子设备。
本申请实施例提供了一种应用于定向投放的用户信息处理方法,该方法应用于信息处理***。
本申请实施例提供的方法可应用于电商平台,旨在对待处理用户互动信息数据集进行处理分析,以获取其整合用户互动画像信息,并以整合用户互动画像信息为参考,对目标商品进行定向投放,例如将与整合用户互动画像信息匹配的目标商品向对应的用户账户进行链接投放,具体的,整合用户互动画像信息可以包含用户的基本画像信息(如年龄、性别、职业、收入等静态信息)和行为画像信息(如当前兴趣倾向信息,包括产品分类、品牌、价位等动态信息)。待处理用户互动信息数据集至少包括用户基本信息和用户行为信息,用户基本信息可以是用户注册信息;用户行为信息可以包括用户评价信息(如商品评价)、用户交互信息(如智能助手咨询信息、售后服务信息)、商品交互信息(如浏览、收藏、加购等行为信息)等,如此,可以理解的是,待处理用户互动信息数据集可以包含多个不同的信息分析要素(至少包括用户注册信息、用户评价信息、用户交互信息、商品交互信息),通过对各个不同的信息分析要素对应的用户互动信息进行分析,则获得对应的整合用户互动画像信息,最后基于该整合用户互动画像信息进行定向投放,下面对整个过程进行详细地介绍。如图1所示,该应用于定向投放的用户信息处理方法包括如下步骤S100~S160:
步骤S110:响应于用户信息处理指令,获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识。
如上所述,不同信息分析要素代表待处理用户互动信息数据集中包含的不同维度的信息,对待处理用户互动信息数据集在每一信息分析要素的用户互动信息进行描述知识抽取,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识(描述知识可以是基于专家模型挖掘得到的数据的特征,或者描述数组)。作为一种实施方式,可以依据机器学习或者深度学习模型进行描述知识的抽取,例如通过卷积神经网络、深度神经网络、循环神经网络等AI模型对待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识进行描述知识抽取,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识。本申请实施例依据结合待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识,得到待处理用户互动信息数据集的整合用户互动画像信息。为了将整合用户互动画像信息的可信度进行提升,对待处理用户互动信息数据集在至少两个不同的信息分析要素的用户互动信息进行描述知识抽取,获得待处理用户互动信息数据集在至少两个不同的信息分析要素的原始互动信息描述知识,以及对待处理用户互动信息数据集在至少两个不同的信息分析要素的原始互动信息描述知识进行描述知识一致性处理(如采用预设的归一化函数进行处理),使得原始互动信息描述知识规范化在固定的数值区间,以得到待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识。
上述实施过程中,获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识具体包括如下过程:获取待处理用户互动信息数据集在至少两个不同的信息分析要素的用户互动信息;对待处理用户互动信息数据集在至少两个不同的信息分析要素的用户互动信息进行描述知识抽取,得到用户互动信息数据组在至少两个不同的信息分析要素的原始互动信息描述知识;对待处理用户互动信息数据集在至少两个不同的信息分析要素的原始互动信息描述知识进行描述知识一致性处理,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识。具体地,对待处理用户互动信息数据集在至少两个不同的信息分析要素的原始互动信息描述知识进行描述知识一致性处理可以是把不同信息分析要素的原始互动信息描述知识全部映射至相同的知识域,以此消除不同分析要素带来的知识交流障碍。
在本申请的一种实施方式中,可以对待处理用户互动信息数据集在至少两个不同的信息分析要素的用户互动信息进行描述知识抽取,得到用户互动信息数据组在至少两个不同的信息分析要素的原始互动信息描述知识。
对于不同类型的互动信息,基于相匹配的抽取网络进行描述知识的抽取,举例而言,对于用户注册信息、用户评价信息、用户交互信息、商品交互信息等中的文本信息,可以采用预设的文本提取算法(评估函数,如TF-IDF、词频、互信息)进行文本描述知识的抽取,对于记录数据可以通过卷积神经网络进行卷积运算抽取对应的描述知识。
在本申请的一种实施方式中,可以对待处理用户互动信息数据集在至少两个不同的信息分析要素的原始互动信息描述知识进行描述知识一致性处理,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识。
在本申请的一种实施方式中,考虑到提升待处理用户互动信息数据集的整合用户互动画像信息的准确性,对于获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识的步骤,具体包括:获取待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识。例如,将待处理用户互动信息数据集进行分离,得到多个用户互动信息数据组,之后获取待处理用户互动信息数据集的每一用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识。
在本申请的一种实施方式中,获取待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识,包括:获取待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的用户互动信息;对用户互动信息数据组在至少两个不同的信息分析要素的用户互动信息进行描述知识抽取,得到用户互动信息数据组在至少两个不同的信息分析要素的原始互动信息描述知识;对用户互动信息数据组在至少两个不同的信息分析要素的原始互动信息描述知识进行描述知识一致性处理,得到待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识。
在本申请的一种实施方式中,可以依据用户互动画像确定模型获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识,或者依据用户互动画像确定模型获取待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识。
用户互动画像确定模型可以包括各种应用函数的模块,用户互动画像确定模型包括互动画像编码网络、互动信息整合网络和互动画像解析网络。
互动画像编码可以包括BERT、ANN和VAE,用于对每一信息分析要素的互动信息描述知识进行互动画像映射,获取待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识;互动信息整合网络可以包括Seq2seq模型(如transformer)、DNN模型,用于将至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识,并依据互动信息整合描述知识对每一信息分析要素对应的原始数据集互动画像描述知识进行调节,得到针对待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识;互动画像解析网络可以包含Seq2seq,用于将不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行互动画像解析,得到待处理用户互动信息数据集的整合用户互动画像信息。
步骤S120:对每一信息分析要素的互动信息描述知识进行互动画像编码,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识。
在本申请的一种实施方式中,对每一信息分析要素的互动信息描述知识进行互动画像编码,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识,之后将至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识,可以提升用户互动信息数据集的整合用户互动画像信息的准确性,因为基于对每一信息分析要素的互动信息描述知识进行互动画像编码,完成了对每一信息分析要素的互动信息描述知识深度更深的挖掘,信息更完整。之后,将至少两个不同的信息分析要素的互动信息描述知识进行知识整合得到互动信息整合描述知识,那么,在依据得到局部深层次互动信息的基础上,同时衡量了整体信息,对于互动信息的表意学习更加彻底和细致。
在本申请的一种实施方式中,对每一信息分析要素的互动信息描述知识进行互动画像编码,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识,可以依据用户互动画像确定模型对每一信息分析要素的互动信息描述知识进行互动画像编码,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识。
例如,依据用户互动画像确定模型中的互动画像编码网络对每一信息分析要素的互动信息描述知识进行互动画像编码,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识。
例如,互动画像编码网络包括深度潜变量表示模型(例如变分自编码器),依据深度潜变量表示模型对每一信息分析要素的互动信息描述知识进行互动画像编码,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识,深度潜变量表示模型依据编码模块将待处理数据建立潜变量并在其基础上将互动信息描述知识映射成原始数据集互动画像描述知识。
另外,对每一信息分析要素的互动信息描述知识进行互动画像编码,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识,具体包括:
将每一信息分析要素对应的互动信息描述知识对应传播至预设互动画像描述知识域中,获得各个信息分析要素的互动信息描述知识在预设互动画像描述知识域中的描述知识散布结果,即分布的情况;依据每一信息分析要素的互动信息描述知识在预设互动画像描述知识域中的描述知识散布结果,确定每一互动信息描述知识的推荐系数;依据每一互动信息描述知识的推荐系数,确定待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识。预设互动画像描述知识域是事先创建的关于互动信息描述知识和原始数据集互动画像描述知识匹配关系的域,在本申请的一种实施方式中,依据预设互动画像描述知识域矩阵将各个信息分析要素上互动信息描述知识对应传播至预设互动画像描述知识域中,获得各个信息分析要素的互动信息描述知识在预设互动画像描述知识域中的描述知识散布结果。
比如,依据预设互动画像描述知识域矩阵和各个信息分析要素的互动信息描述知识进行乘运算,获得每个信息分析要素的互动信息描述知识在预设互动画像描述知识域中的描述知识散布结果,之后依据各个信息分析要素的互动信息描述知识在预设互动画像描述知识域中的描述知识散布结果,获取每一互动信息描述知识的推荐系数,比方说,通过激励函数依据每一信息分析要素的互动信息描述知识在预设互动画像描述知识域中的描述知识散布结果,确定各个互动信息描述知识的推荐系数,再依据各个互动信息描述知识的推荐系数,确定待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识,互动信息描述知识的推荐系数可以表示哪一个互动信息描述知识最恰当。
在本申请的一种实施方式中,当待处理用户互动信息数据集被分割成多个用户互动信息数据组时,对每一信息分析要素的互动信息描述知识进行互动画像编码,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识的过程包括:对每一用户互动信息数据组的每一信息分析要素的互动信息描述知识进行互动画像编码,得到待处理用户互动信息数据集的每一用户互动信息数据组在至少两个不同的信息分析要素的原始数据集互动画像描述知识。如此,可以依据用户互动画像确定模型对每一用户互动信息数据组的每一信息分析要素的互动信息描述知识进行互动画像编码,得到待处理用户互动信息数据集的每一用户互动信息数据组在至少两个不同的信息分析要素的原始数据集互动画像描述知识,不同的信息分析要素的互动信息描述知识包括用户基本信息描述知识、用户评价信息描述知识、用户商品互动信息描述知识。深度潜变量表示模型可以包括第一深度潜变量表示模型、第二深度潜变量表示模型和第三深度潜变量表示模型,第一深度潜变量表示模型依据编码模块基于用户基本信息描述知识生成第一潜变量,第二深度潜变量表示模型依据编码模块基于用户评价信息描述知识生成第二潜变量,第三深度潜变量表示模型依据编码模块基于用户评价信息描述知识生成第三潜变量,之后依据激励函数对应传播到原始数据集互动画像描述知识。
步骤S130:将至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识。
在本申请的一种实施方式中,获得待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识后,需要为待处理用户互动信息数据集生成对用户互动信息数据集用户画像描述的信息,则将至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识。
在本申请的一种实施方式中,依据用户互动画像确定模型将至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识,比如依据用户互动画像确定模型中的互动信息整合网络将至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识,如依据用户互动画像确定模型的Seq2seq模型将至少两个不同的信息分析要素的互动信息描述知识进行知识整合得到互动信息整合描述知识。
在本申请的一种实施方式中,将至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识,具体包括:对至少两个不同的信息分析要素的互动信息描述知识进行卷积过滤处理,获得各个信息分析要素的互动信息描述知识对应的过滤描述知识;对每一信息分析要素的过滤描述知识进行显著描述知识整合,获得各个信息分析要素对应的整合显著描述知识;将每一信息分析要素对应的整合显著描述知识进行知识融合,得到融合描述知识;对融合描述知识进行回归分析,得到互动信息整合描述知识。
在本申请的一种实施方式中,可以依据相同的卷积矩阵对各个不同信息分析要素的互动信息描述知识进行卷积过滤处理,依据卷积过滤处理将各个信息分析要素的互动信息描述知识的信息进行整合,实现信息的交融。
在本申请的一种实施方式中,对各个信息分析要素的过滤描述知识进行显著描述知识整合通过自注意力机制实现,得到各个信息分析要素对应的整合显著描述知识,对每一信息分析要素的过滤描述知识进行显著描述知识整合,提升了不同的信息分析要素的信息的交融程度。
在本申请的一种实施方式中,可以将各个信息分析要素对应的整合显著描述知识进行知识融合以得到融合描述知识,对融合描述知识进行回归,得到互动信息整合描述知识,如依据线性回归器或全连接处理对融合描述知识进行预测,得到互动信息整合描述知识。
在本申请的一种实施方式中,当待处理用户互动信息数据集分离为各个用户互动信息数据组时,将至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识,具体包括:将待处理用户互动信息数据集的用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识进行知识整合,获得各个用户互动信息数据组对应的互动信息整合描述知识。比如依据Seq2seq模型将待处理用户互动信息数据集的每一用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识进行知识整合,获得各个用户互动信息数据组对应的互动信息整合描述知识,之后将各个用户互动信息数据组的互动信息整合描述知识进行知识融合,得到待处理用户互动信息数据集的互动信息整合描述知识。
步骤S140:依据互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识。
在本申请的一种实施方式中,可以依据互动信息整合描述知识对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识。依据互动信息整合描述知识对每一信息分析要素对应的原始数据集互动画像描述知识进行更新的过程,可以是依据互动信息整合描述知识对每一信息分析要素对应的原始数据集互动画像描述知识进行优化,如此提升目标数据集互动画像描述知识的表征性能,每一信息分析要素对应的目标数据集互动画像描述知识则可以更准确反映待处理用户互动信息数据集的用户画像。
在本申请的一种实施方式中,可以依据用户互动画像确定模型依据互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识,比方说依据用户互动画像确定模型中的互动信息整合网络依据互动信息整合描述知识对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识。
在本申请的一种实施方式中,依据互动信息整合描述知识对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识,具体包括:将互动信息整合描述知识和当下信息分析要素对应的原始数据集互动画像描述知识进行知识融合,得到当下信息分析要素对应的融合描述知识;依据当下信息分析要素对应的互动画像编码信息,将当下信息分析要素对应的融合描述知识进行描述知识映射,得到映射描述知识;将映射描述知识进行描述知识变换操作,得到变换描述知识;将变换描述知识和原始数据集互动画像描述知识进行知识整合,得到所述目标数据集互动画像描述知识。
举例来说,信息分析要素包括用户基本信息分析要素的原始数据集互动画像描述知识和用户行为信息分析要素的原始数据集互动画像描述知识,将互动信息整合描述知识和用户基本信息分析要素的原始数据集互动画像描述知识进行知识融合(如拼接或相加),得到用户基本信息分析要素对应的融合描述知识,接着依据用户基本信息分析要素对应的互动画像编码信息,将用户基本信息分析要素对应的融合描述知识进行描述知识映射,得到映射描述知识,用户基本信息分析要素的互动画像编码信息即用户基本信息分析要素对应的网络的参数信息,之后,将用户基本信息分析要素对应的映射描述知识依据预设的激励函数进行描述知识变换操作,得到变换描述知识,紧接着将变换描述知识和原始数据集互动画像描述知识进行知识整合,得到当下信息分析要素对应的目标数据集互动画像描述知识,例如,将用户基本信息分析要素的变换描述知识和原始数据集互动画像描述知识作积以获得用户基本信息分析要素对应的目标数据集互动画像描述知识。
在本申请的一种实施方式中,当待处理用户互动信息数据集分割为多个用户互动信息数据组时,依据互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识,具体包括:依据用户互动信息数据组对应的互动信息整合描述知识,对用户互动信息数据组的每一信息分析要素对应的原始数据集互动画像描述知识进行更新操作,获得各个用户互动信息数据组在至少两个不同的信息分析要素的目标数据集互动画像描述知识;将每一信息分析要素中用户互动信息数据组对应的目标数据集互动画像描述知识进行知识整合,得到待处理用户互动信息数据集在至少两个不同的信息分析要素的目标数据集互动画像描述知识。比如将互动信息整合描述知识和各个用户互动信息数据组对应的原始数据集互动画像描述知识进行知识融合,确定两者的匹配度,然后通过归一化处理获得目标数据集互动画像描述知识。
步骤S150:将不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行互动画像解析,得到待处理用户互动信息数据集的整合用户互动画像信息。
在本申请的一种实施方式中,依据不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行互动画像解析,得到待处理用户互动信息数据集的整合用户互动画像信息。
可选地,将不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行互动画像解析,得到待处理用户互动信息数据集的整合用户互动画像信息,具体包括:将不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行知识融合操作,得到知识融合后的互动信息描述知识,其中,知识融合后的互动信息描述知识涵盖多层次互动信息分块矩阵(例如数组、向量);对知识融合后互动信息描述知识的互动信息分块矩阵进行画像标签回归分析,得到每一层次(或每一维度)的互动信息分块矩阵对应的标签分析结果;将标签分析结果进行整合,得到整合用户互动画像信息。
比如,知识融合后互动信息描述知识是包含多个秩的数组,数组包括多个向量值,对知识融合后互动信息描述知识的每一互动信息分块矩阵进行画像标签回归分析,获得各个互动信息分块矩阵对应的标签分析结果。
举例来说,可以获取互动信息分块矩阵的分布信息,依据互动信息分块矩阵的分布信息确定互动信息分块矩阵为对应用户画像标签的几率,确定各个互动信息分块矩阵对应的用户画像标签,得到标签分析结果。另一种实施方式中,可以依据用户互动画像确定模型将不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行互动画像解析,得到待处理用户互动信息数据集的整合用户互动画像信息,比方说依据用户互动画像确定模型中的互动画像解析网络将不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行互动画像解析,得到待处理用户互动信息数据集的整合用户互动画像信息,比如依据Seq2seq模型将不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行互动画像解析,得到待处理用户互动信息数据集的整合用户互动画像信息。
在本申请的一种实施方式中,可以依据用户互动画像确定模型完成上述流程,那么,用户互动画像确定模型的调校过程可以包括:
获取待调校用户互动画像确定模型和用户互动信息样本在至少两个不同的信息分析要素的用户互动信息;依据待调校用户互动画像确定模型对用户互动信息样本在至少两个不同的信息分析要素的用户互动信息进行处理,得到用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识、用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识和用户互动信息样本的整合用户互动画像信息;依据用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识、用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识和用户互动信息样本的整合用户互动画像信息确定目标代价;依据目标代价对待调校用户互动画像确定模型进行参数调节得到用户互动画像确定模型。
在本申请的一种实施方式中,依据待调校用户互动画像确定模型对用户互动信息样本在至少两个不同的信息分析要素的用户互动信息进行处理,得到用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识、用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识和用户互动信息样本的整合用户互动画像信息,具体包括:依据待调校用户互动画像确定模型对用户互动信息样本在至少两个不同的信息分析要素的用户互动信息进行描述知识抽取,得到用户互动信息样本在至少两个不同的信息分析要素的原始互动信息描述知识;依据待调校用户互动画像确定模型对至少两个不同的信息分析要素的原始互动信息描述知识进行描述知识一致性处理,得到用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识;依据待调校用户互动画像确定模型对每一信息分析要素的互动信息描述知识进行互动画像编码,得到用户互动信息样本在至少两个不同的信息分析要素的原始数据集互动画像描述知识;依据待调校用户互动画像确定模型将至少两个不同的信息分析要素的原始数据集互动画像描述知识进行知识整合,得到用户互动信息样本对应的互动信息整合描述知识;依据待调校用户互动画像确定模型依据互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对用户互动信息样本的至少两个不同的信息分析要素的目标数据集互动画像描述知识;将不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行互动画像解析,得到用户互动信息样本的整合用户互动画像信息。
在本申请的一种实施方式中,可以基于待调校用户互动画像确定模型对至少两个不同的信息分析要素的用户互动信息处理过程中的得到的多个信息来获取目标代价以提升模型性能。依据多个信息获取目标代价,并依据目标代价对待调校用户互动画像确定模型进行调校,可以使待调校用户互动画像确定模型获取各个维度的信息响应,综合提升模型的能力。
在本申请的一种实施方式中,依据用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识、用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识和用户互动信息样本的整合用户互动画像信息确定目标代价,具体包括:依据用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识,获取互动信息描述知识代价;依据用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识和整合用户互动画像信息,获取互动画像编码抑制代价;依据用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识,获取互动画像描述知识代价;依据整合用户互动画像信息获取整合画像代价;将互动信息描述知识代价、互动画像编码抑制代价、互动画像描述知识代价和整合画像代价进行整合,得到目标代价。在本申请的一种实施方式中,依据待调校用户互动画像确定模型对至少两个不同的信息分析要素的原始互动信息描述知识进行描述知识一致性处理,得到用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识。比方说,待调校用户互动画像确定模型包括描述知识一致性处理函数,依据该描述知识一致性处理函数对至少两个不同的信息分析要素的原始互动信息描述知识进行描述知识一致性处理,得到用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识,互动信息描述知识代价可通过余弦距离进行计算得到。
在本申请的一种实施方式中,可以依据待调校用户互动画像确定模型对每一信息分析要素的互动信息描述知识进行互动画像描述知识,得到用户互动信息样本在至少两个不同的信息分析要素的原始数据集互动画像描述知识。例如用户互动画像确定模型可以包括深度潜变量表示模型,依据深度潜变量表示模型对每一信息分析要素的互动信息描述知识进行互动画像编码,得到用户互动信息样本在至少两个不同的信息分析要素的原始数据集互动画像描述知识,深度潜变量表示模型可以包括编码模块和解码模块,先通过编码模块依据互动信息描述知识生成编码结果域(用户互动信息编码后得到的互动信息描述知识所在的位置),然后依据解码模块依据编码结果域生成整合用户互动画像信息的分布信息,也即依据互动信息描述知识和整合用户互动画像信息对深度潜变量表示模型进行抑制,让深度潜变量表示模型可以生成准确的编码结果域,从而依据编码结果域获取到准确度高的原始数据集互动画像描述知识。
在本申请实施例中,依据用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识和整合用户互动画像信息,获取互动画像编码抑制代价,具体包括:获取待调校用户互动画像确定模型对应的编码结果域;对编码结果域、互动信息描述知识和整合用户互动画像信息进行分布信息确定,得到编码结果域对应的编码结果域分布信息、互动信息描述知识对应的互动信息描述知识分布信息以及整合用户互动画像信息对应的整合用户互动画像信息分布信息;获取编码结果域分布信息和互动信息描述知识分布信息之间的分布信息代价;对整合用户互动画像信息分布信息进行整理,得到整理结果;将分布信息代价和整理结果进行预设计算,得到互动画像编码抑制代价。
在本申请的一种实施方式中,可以依据待调校用户互动画像确定模型依据互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对用户互动信息样本的至少两个不同的信息分析要素的目标数据集互动画像描述知识。比方说,采取待调校用户互动画像确定模型的神经网络,依据互动信息整合描述知识对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对用户互动信息样本的至少两个不同的信息分析要素的目标数据集互动画像描述知识。本申请实施例可以获取互动画像描述知识代价,并依据互动画像描述知识代价对神经网络进行抑制,以提升目标数据集互动画像描述知识的准确性,进而提升整合用户互动画像信息的准确度。
在本申请的一种实施方式中,依据用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识,获取互动画像描述知识代价,具体包括:将至少两个不同的信息分析要素的目标数据集互动画像描述知识作为指数,在设定底数的基础上计算指数幂,得到第一指数幂,将目标数据集互动画像描述知识和用户互动信息负样本对应的目标数据集互动画像描述知识作为指数,在设定底数的基础上计算指数幂,获取第二指数幂,之后将第一指数幂和第二指数幂进行除运算即获取到互动画像描述知识代价。以上通过自监督对比学习,将表征信息不相干的训练样本距离进行分隔,对描述知识的学习更准确细致。在本申请的一种实施方式中,还依据整合用户互动画像信息获取整合画像代价,如采用获取整合用户互动画像信息和相应的标签信息的整合画像代价,该整合画像代价可以通过预设的代价函数获取,本申请对此不做限定。
步骤S160:依据整合用户互动画像信息对目标商品进行定向投放。
举例来说,目标商品具备相应的商品标签,整合用户互动画像信息具备对应的画像标签,当目标商品的商品标签与整合用户互动画像信息的画像标签一致,或者重合率满足预设阈值时(如达到80%),则将目标商品的推送信息推送至该用户互动画像信息对应的用户账户,可以理解,该用户互动画像信息对应的用户账户可以是一个或多个。
综上所述,本申请实施例提供的应用于定向投放的用户信息处理方法及***,通过获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识,然后对每一信息分析要素的互动信息描述知识进行互动画像编码,获得待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识;再将至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识;然后依据互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识;接着将不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行互动画像解析,得到待处理用户互动信息数据集的整合用户互动画像信息,最后依据整合用户互动画像信息对目标商品进行定向投放。结合待处理用户互动信息数据集在多个不同信息分析要素上的互动信息描述知识得到待处理用户互动信息数据集的整合用户互动画像信息,提升了获取的整合用户互动画像信息的精确度。另外,采用互动信息描述知识对各个信息分析要素对应的原始数据集互动画像描述知识进行更新,这样能够抽取到深层次互动信息,以获取整合用户互动画像信息,得到的用户互动画像刻画得更加准确,有利于定向投放的精准。
基于与图1中所示方法相同的原理,本申请实施例中还提供了一种信息处理装置10,如图2所示,该装置10包括:
知识获取模块11,用于响应于用户信息处理指令,获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识。
画像编码模块12,用于对每一所述信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识。
知识整合模块13,用于将所述至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识。
知识更新模块14,用于依据所述互动信息整合描述知识对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对所述待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识。
画像解析模块15,用于将所述不同信息分析要素的目标数据集互动画像描述知识和所述互动信息整合描述知识进行互动画像解析,得到所述待处理用户互动信息数据集的整合用户互动画像信息。
商品推送模块16,用于依据所述整合用户互动画像信息对目标商品进行定向投放。
上述实施例从虚拟模块的角度介绍了信息处理装置10,下述从实体模块的角度介绍一种信息处理***,具体如下所示:
本申请实施例提供了一种信息处理***,如图3所示,信息处理***100包括:处理器101和存储器103。其中,处理器101和存储器103相连,如通过总线102相连。可选地,电子设备100还可以包括收发器104。需要说明的是,实际应用中收发器104不限于一个,该电子设备100的结构并不构成对本申请实施例的限定。
处理器101可以是CPU,通用处理器,GPU,DSP,ASIC,FPGA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101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102可包括一通路,在上述组件之间传送信息。总线102可以是PCI总线或EISA总线等。总线102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103可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM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、CD-ROM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。
存储器103用于存储执行本申请方案的应用程序代码,并由处理器101来控制执行。处理器101用于执行存储器103中存储的应用程序代码,以实现前述任一方法实施例所示的内容。
本申请实施例提供了一种信息处理***,本申请实施例中的电子设备包括:一个或多个处理器;存储器;一个或多个计算机程序,其中一个或多个计算机程序被存储在存储器中并被配置为由一个或多个处理器执行,一个或多个程序被处理器执行时,实现以上所述的方法。本申请所提供的技术方案,通过获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识,然后对每一信息分析要素的互动信息描述知识进行互动画像编码,获得待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识;再将至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识;然后依据互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识;接着将不同信息分析要素的目标数据集互动画像描述知识和互动信息整合描述知识进行互动画像解析,得到待处理用户互动信息数据集的整合用户互动画像信息,最后依据整合用户互动画像信息对目标商品进行定向投放。结合待处理用户互动信息数据集在多个不同信息分析要素上的互动信息描述知识得到待处理用户互动信息数据集的整合用户互动画像信息,提升了获取的整合用户互动画像信息的精确度。另外,采用互动信息描述知识对各个信息分析要素对应的原始数据集互动画像描述知识进行更新,这样能够抽取到深层次互动信息,以获取整合用户互动画像信息,得到的用户互动画像刻画得更加准确,有利于定向投放的精准。。
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,当计算机程序在处理器上运行时,使得处理器可以执行前述方法实施例中相应的内容。
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。
以上所述仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (8)
1.一种应用于定向投放的用户信息处理方法,其特征在于,应用于信息处理***,所述方法包括:
响应于用户信息处理指令,获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识;其中,所述信息分析要素代表待处理用户互动信息数据集中包含的不同维度的信息,所述不同维度的信息包括用户的账户信息和交互信息;所述互动信息描述知识为对所述互动信息数据集进行特征挖掘得到的特征矢量;
对每一所述信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识;
将所述至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识;其中,所述知识整合的过程为采取拼接或相加实现;
依据所述互动信息整合描述知识对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对所述待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识;
将所述不同信息分析要素的目标数据集互动画像描述知识和所述互动信息整合描述知识进行互动画像解析,得到所述待处理用户互动信息数据集的整合用户互动画像信息;
依据所述整合用户互动画像信息对目标商品进行定向投放;
其中,所述对每一所述信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识,包括:
将对应于每一所述信息分析要素的互动信息描述知识对应传播至预设互动画像描述知识域中,获得各个信息分析要素的互动信息描述知识在所述预设互动画像描述知识域中的描述知识散布结果;
依据每一所述信息分析要素的互动信息描述知识在预设互动画像描述知识域中的描述知识散布结果,确定每一所述互动信息描述知识的推荐系数,其中,所述互动信息描述知识的推荐系数表示哪一个互动信息描述知识最恰当;
依据每一所述互动信息描述知识的推荐系数,确定所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识;
所述将所述至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识,包括:
对至少两个不同的信息分析要素的互动信息描述知识进行卷积过滤处理,获得各个信息分析要素的互动信息描述知识对应的过滤描述知识;
对每一所述信息分析要素的过滤描述知识进行显著描述知识整合,获得各个所述信息分析要素对应的整合显著描述知识;
将每一所述信息分析要素对应的整合显著描述知识进行知识整合,得到整合描述知识;
对所述整合描述知识进行回归分析,得到所述互动信息整合描述知识;
其中,所述依据所述互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对所述待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识,包括:
将所述互动信息整合描述知识和当下信息分析要素对应的原始数据集互动画像描述知识进行知识整合,得到所述当下信息分析要素对应的整合描述知识;
依据所述当下信息分析要素对应的互动画像编码信息,将所述当下信息分析要素对应的整合描述知识进行描述知识映射,得到映射描述知识;
将所述映射描述知识进行描述知识变换操作,得到变换描述知识;
将所述变换描述知识和所述原始数据集互动画像描述知识进行知识整合,得到所述目标数据集互动画像描述知识。
2.根据权利要求1所述的方法,其特征在于,所述将所述不同信息分析要素的目标数据集互动画像描述知识和所述互动信息整合描述知识进行互动画像解析,得到所述待处理用户互动信息数据集的整合用户互动画像信息,包括:
将所述不同信息分析要素的目标数据集互动画像描述知识和所述互动信息整合描述知识进行知识整合操作,得到知识整合后的互动信息描述知识,其中,所述知识整合后的互动信息描述知识涵盖多层次互动信息分块矩阵;
对所述知识整合后的互动信息描述知识的互动信息分块矩阵进行画像标签回归分析,得到每一层次的互动信息分块矩阵对应的标签分析结果;
将所述标签分析结果进行整合,得到所述整合用户互动画像信息。
3.根据权利要求1所述的方法,其特征在于,所述待处理用户互动信息数据集包括一个或多个用户互动信息数据组;所述获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识,包括:获取待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识;
所述对每一信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识,包括:对每一用户互动信息数据组的每一信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集的每一用户互动信息数据组在至少两个不同的信息分析要素的原始数据集互动画像描述知识;
所述将所述至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识,包括:将所述待处理用户互动信息数据集的用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识进行知识整合,获得各个用户互动信息数据组对应的互动信息整合描述知识;
所述依据所述互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对所述待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识,包括:依据用户互动信息数据组对应的互动信息整合描述知识,对所述用户互动信息数据组的每一所述信息分析要素对应的原始数据集互动画像描述知识进行更新操作,获得各个所述用户互动信息数据组在至少两个不同的信息分析要素的目标数据集互动画像描述知识;将每一所述信息分析要素中用户互动信息数据组对应的目标数据集互动画像描述知识进行知识整合,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的目标数据集互动画像描述知识。
4.根据权利要求3所述的方法,其特征在于,所述获取待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识,包括:
获取所述待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的用户互动信息;
对所述用户互动信息数据组在至少两个不同的信息分析要素的用户互动信息进行描述知识抽取,得到所述用户互动信息数据组在至少两个不同的信息分析要素的原始互动信息描述知识;
对所述用户互动信息数据组在至少两个不同的信息分析要素的所述原始互动信息描述知识进行描述知识一致性处理,得到所述待处理用户互动信息数据集的一个或多个用户互动信息数据组在至少两个不同的信息分析要素的互动信息描述知识。
5.根据权利要求1所述的方法,其特征在于,所述获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识,包括:依据用户互动画像确定模型获取待处理用户互动信息数据集在至少两个不同的信息分析要素的互动信息描述知识;
所述对每一信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识,包括:依据所述用户互动画像确定模型对每一信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识;
所述将所述至少两个不同的信息分析要素的互动信息描述知识进行知识整合,得到互动信息整合描述知识,包括:依据所述用户互动画像确定模型对每一信息分析要素的互动信息描述知识进行互动画像编码,得到所述待处理用户互动信息数据集在至少两个不同的信息分析要素的原始数据集互动画像描述知识;
所述依据所述互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对所述待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识,包括:依据所述用户互动画像确定模型依据所述互动信息整合描述知识,对每一信息分析要素对应的原始数据集互动画像描述知识进行更新,获得针对所述待处理用户互动信息数据集的至少两个不同的信息分析要素的目标数据集互动画像描述知识;
将所述不同信息分析要素的目标数据集互动画像描述知识和所述互动信息整合描述知识进行互动画像解析,得到所述待处理用户互动信息数据集的整合用户互动画像信息。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取待调校用户互动画像确定模型和用户互动信息样本在至少两个不同的信息分析要素的用户互动信息;
依据所述待调校用户互动画像确定模型对所述用户互动信息样本在至少两个不同的信息分析要素的用户互动信息进行处理,得到所述用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识、所述用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识和所述用户互动信息样本的整合用户互动画像信息;
依据所述用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识、所述用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识和所述用户互动信息样本的整合用户互动画像信息确定目标代价;
依据所述目标代价对所述待调校用户互动画像确定模型进行参数调节,得到所述用户互动画像确定模型。
7.根据权利要求6所述的方法,其特征在于,所述依据所述用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识、所述用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识和所述用户互动信息样本的整合用户互动画像信息确定目标代价,包括:
依据所述用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识,获取互动信息描述知识代价;
依据所述用户互动信息样本在至少两个不同的信息分析要素的互动信息描述知识和所述整合用户互动画像信息,获取互动画像编码抑制代价;
依据所述用户互动信息样本在至少两个不同的信息分析要素的目标数据集互动画像描述知识,获取互动画像描述知识代价;
依据所述整合用户互动画像信息获取整合画像代价;
将所述互动信息描述知识代价、所述互动画像编码抑制代价、所述互动画像描述知识代价和所述整合画像代价进行整合以获得所述目标代价。
8.一种信息处理***,其特征在于,包括处理器和存储器,所述存储器存储有计算机程序,当所述处理器执行所述计算机程序,实现如权利要求1~7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211333305.5A CN115689648B (zh) | 2022-10-28 | 2022-10-28 | 应用于定向投放的用户信息处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211333305.5A CN115689648B (zh) | 2022-10-28 | 2022-10-28 | 应用于定向投放的用户信息处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115689648A CN115689648A (zh) | 2023-02-03 |
CN115689648B true CN115689648B (zh) | 2023-07-28 |
Family
ID=85045295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211333305.5A Active CN115689648B (zh) | 2022-10-28 | 2022-10-28 | 应用于定向投放的用户信息处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115689648B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242687A (zh) * | 2020-01-13 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 一种广告数据分析方法、装置、电子设备及存储介质 |
CN112465591A (zh) * | 2020-05-10 | 2021-03-09 | 石伟 | 基于电子商务大数据的用户画像解析方法、***及平台 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113590928A (zh) * | 2021-01-19 | 2021-11-02 | 腾讯科技(深圳)有限公司 | 内容推荐方法、装置及计算机可读存储介质 |
CN114358007A (zh) * | 2022-01-11 | 2022-04-15 | 平安科技(深圳)有限公司 | 多标签识别方法、装置、电子设备及存储介质 |
CN114708979A (zh) * | 2022-03-23 | 2022-07-05 | 池洪伟 | 基于人工智能画像挖掘的推送优化方法及大数据*** |
CN114881685A (zh) * | 2022-04-20 | 2022-08-09 | 北京明略昭辉科技有限公司 | 广告投送方法、装置、电子装置及存储介质 |
CN114841161A (zh) * | 2022-05-20 | 2022-08-02 | 中国工商银行股份有限公司 | 事件要素抽取方法、装置、设备、存储介质和程序产品 |
-
2022
- 2022-10-28 CN CN202211333305.5A patent/CN115689648B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242687A (zh) * | 2020-01-13 | 2020-06-05 | 腾讯科技(深圳)有限公司 | 一种广告数据分析方法、装置、电子设备及存储介质 |
CN112465591A (zh) * | 2020-05-10 | 2021-03-09 | 石伟 | 基于电子商务大数据的用户画像解析方法、***及平台 |
Also Published As
Publication number | Publication date |
---|---|
CN115689648A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113508378B (zh) | 推荐模型的训练方法、推荐方法、装置及计算机可读介质 | |
CN109522942B (zh) | 一种图像分类方法、装置、终端设备和存储介质 | |
CN108280477B (zh) | 用于聚类图像的方法和装置 | |
CN113688304A (zh) | 搜索推荐模型的训练方法、搜索结果排序的方法及装置 | |
CN110008397B (zh) | 一种推荐模型训练方法及装置 | |
CN112418292B (zh) | 一种图像质量评价的方法、装置、计算机设备及存储介质 | |
EP4322031A1 (en) | Recommendation method, recommendation model training method, and related product | |
CN107545301B (zh) | 页面展示方法及装置 | |
CN110147502B (zh) | 基于大数据分析的产品推荐方法、装置、介质及服务器 | |
CN113869420B (zh) | 基于对比学习的文本推荐方法及相关设备 | |
CN117217284A (zh) | 一种数据处理方法及其装置 | |
CN116764236A (zh) | 游戏道具推荐方法、装置、计算机设备和存储介质 | |
CN110807693A (zh) | 专辑的推荐方法、装置、设备和存储介质 | |
CN112069412B (zh) | 信息推荐方法、装置、计算机设备及存储介质 | |
CN116611497B (zh) | 一种点击率预估模型训练方法和装置 | |
CN112364919A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN115689648B (zh) | 应用于定向投放的用户信息处理方法及*** | |
CN114155388B (zh) | 一种图像识别方法、装置、计算机设备和存储介质 | |
CN115080856A (zh) | 推荐方法及装置、推荐模型的训练方法及装置 | |
CN116776932A (zh) | 用户的电商行为识别方法及装置 | |
CN114529399A (zh) | 用户数据处理方法、装置、计算机设备和存储介质 | |
Yang et al. | Boundary-guided DCNN for building extraction from high-resolution remote sensing images | |
CN114417944B (zh) | 识别模型训练方法及装置、用户异常行为识别方法及装置 | |
US20230298326A1 (en) | Image augmentation method, electronic device and readable storage medium | |
CN116628236B (zh) | 多媒体信息的投放方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |