WO2021196474A1 - 用户兴趣画像方法及相关设备 - Google Patents
用户兴趣画像方法及相关设备 Download PDFInfo
- Publication number
- WO2021196474A1 WO2021196474A1 PCT/CN2020/105900 CN2020105900W WO2021196474A1 WO 2021196474 A1 WO2021196474 A1 WO 2021196474A1 CN 2020105900 W CN2020105900 W CN 2020105900W WO 2021196474 A1 WO2021196474 A1 WO 2021196474A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- user
- target
- probability value
- interest
- registration information
- Prior art date
Links
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
- G06F16/35—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06F40/295—Named entity recognition
Definitions
- user interests need to be profiled.
- User interest portraits need to extract user interest tags (such as travel, programming learning, etc.).
- the inventor realized that the existing user interest portrait methods extract user interest tags based on the user’s social and usage habits on a certain platform. Single data and data defects lead to low accuracy in extracting user interest tags. How to accurately extract user interest tags has become an urgent problem to be solved.
- the second determining module 208 is configured to determine the maximum value of the first probability value, the second probability value and the third probability value of each tag of interest as the target probability value of the tag of interest.
- FIG. 3 is a schematic diagram of the computer equipment provided in the fourth embodiment of the application.
- the computer device 30 includes a memory 301, a processor 302, and computer-readable instructions 303 stored in the memory 301 and running on the processor 302, such as a user interest portrait program.
- the processor 302 executes the computer-readable instruction 303, the steps in the embodiment of the user interest portrait method described above are implemented, for example, steps 101-109 shown in FIG. 1:
- the memory 301 may include a hard disk, a memory, a plug-in hard disk, a smart memory card (Smart Media Card, SMC), a Secure Digital (SD) card, a flash memory card (Flash Card), at least one disk storage device, flash memory Devices, read-only memory (Read-Only Memory, ROM), random access memory (Random Access Memory, RAM), or other non-volatile/volatile storage devices.
- the functional modules in the various embodiments of the present application may be integrated into one processing module, or each module may exist alone physically, or two or more modules may be integrated into one module.
- the above-mentioned integrated modules can be implemented in the form of hardware, or in the form of hardware plus software functional modules.
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种用户兴趣画像方法及相关设备,涉及人工智能技术领域。所述用户兴趣画像方法根据多个网站是否存在用户的注册信息的判断结果生成用户的注册特征向量;采用聚类方法根据用户的注册特征向量确定用户的每个兴趣标签的第一概率值;从每个目标网站爬取用户的多个目标命名实体;用训练好的神经网络计算每个兴趣标签的第二概率值;基于统计方法计算每个兴趣标签的第三概率值;将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。该方法提升了抽取用户的兴趣标签的准确率。
Description
本申请要求于2020年03月31日提交中国专利局,申请号为202010243221.7申请名称为“用户兴趣画像方法及相关设备”的中国专利申请的优先权,其全部内容通过引用结合在本申请中。
本申请涉及人工智能技术领域,具体涉及一种用户兴趣画像方法、装置、计算机设备及计算机可读存储介质。
用户兴趣画像中的兴趣爱好是现代金融场景中重要的数据,被广泛运用于营销、服务甚至风控等多个领域。
在人工智能和自然语言处理技术领域,需要对用户兴趣进行画像。用户兴趣画像需要抽取用户的兴趣标签(如旅游、编程学***台上的用户的社交、使用习惯数据抽取用户的兴趣标签,容易因数据单一、数据缺陷导致抽取用户兴趣标签的准确率低。如何准确抽取用户的兴趣标签成为亟待解决的问题。
发明内容
鉴于以上内容,有必要提出一种用户兴趣画像方法、装置、计算机设备及计算机可读存储介质,其可以根据用户在各个网站的注册信息抽取出用户的兴趣标签。
本申请的第一方面提供一种用户兴趣画像方法,所述用户兴趣画像方法包括:
获取多个网站、多个兴趣标签和用户的识别信息;
根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站;
根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量;
采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值;
从每个目标网站爬取所述用户的多个目标命名实体;
用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值;
基于统计方法计算每个兴趣标签的第三概率值;
将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;
将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
本申请的第二方面提供一种用户兴趣画像装置,所述用户兴趣画像装置包括:
获取模块,用于获取多个网站、多个兴趣标签和用户的识别信息;
判断模块,用于根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站;
生成模块,用于根据所述多个网站是否存在所述用户的注册信息的判断结果生成所 述用户的注册特征向量;
第一确定模块,用于采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值;
爬取模块,用于从每个目标网站爬取所述用户的多个目标命名实体;
第一计算模块,用于用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值;
第二计算模块,用于基于统计方法计算每个兴趣标签的第三概率值;
第二确定模块,用于将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;
第三确定模块,用于将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
本申请的第三方面提供一种计算机设备,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机可读指令以实现以下步骤:
获取多个网站、多个兴趣标签和用户的识别信息;
根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站;
根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量;
采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值;
从每个目标网站爬取所述用户的多个目标命名实体;
用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值;
基于统计方法计算每个兴趣标签的第三概率值;
将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;
将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
本申请的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现以下步骤:
获取多个网站、多个兴趣标签和用户的识别信息;
根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站;
根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量;
采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值;
从每个目标网站爬取所述用户的多个目标命名实体;
用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值;
基于统计方法计算每个兴趣标签的第三概率值;
将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;
将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
本申请通过与所述用户的兴趣关联的网站和所述用户在所述目标网站中的目标命名实体确定所述用户的兴趣标签,可以提升识别用户的兴趣标签准确率;通过聚类方法得到的兴趣标签的第一概率值、神经网络得到的兴趣标签的第二概率值和通过基于统计得 到的兴趣标签的第三概率值可以确定兴趣标签的目标概率值,可以降低出现偏差的风险。因此,本申请根据用户在各个网站的注册信息抽取出用户的兴趣标签,提升了抽取用户的兴趣标签的准确率。
图1是本申请实施例提供的用户兴趣画像方法的流程图。
图2是本申请实施例提供的用户兴趣画像装置的结构图。
图3是本申请实施例提供的计算机设备的示意图。
为了能够更清楚地理解本申请的上述目的、特征和优点,下面结合附图和具体实施例对本申请进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
优选地,本申请的用户兴趣画像方法应用在一个或者多个计算机设备中。所述计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable Gate Array,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
本申请可用于众多通用或专用的计算机***环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器***、基于微处理器的***、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何***或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
实施例一
图1是本申请实施例一提供的用户兴趣画像方法的流程图。所述用户兴趣画像方法应用于计算机设备,用于根据用户在各个网站的注册信息抽取出用户的兴趣标签。
所述用户兴趣画像方法具体包括以下步骤,根据不同的需求,该流程图中步骤的顺序可以改变,某些可以省略。
101,获取多个网站、多个兴趣标签和用户的识别信息。
在一具体实施例中,所述多个网站可以包括网易云音乐、网易云课堂、百度贴吧、CSDN、微博、小红书、携程等。
所述多个兴趣标签可以包括健身、教育、母婴、旅游等。有不同兴趣的用户可能在 使用与兴趣相关联的网站(即与用户的兴趣相关联的网站存在用户的注册信息),用户的兴趣与用户注册的网站之间存在关联。如旅游与携程相关联,教育与网易云课堂相关联。
可以接收所述用户输入的识别信息或接收用户识别装置传输的用户的识别信息。
在一具体实施例中,所述识别信息包括手机号、身份证号、加密手机号或加密身份证号。
例如,可以接收所述用户通过键盘输入的手机号或身份证号,或接收文字识别装置传输的用户的身份证号,文字识别装置可以识别用户的身份证上的身份证号。可以通过哈希加密或MD5加密算法对手机号进行加密,得到加密手机号、对身份证号进行加密,得到加密身份证号。
在另一实施例中,所述识别信息还可以包括指纹信息、虹膜信息或人脸信息等。
102,根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站。
在一具体实施例中,所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息包括:
根据所述识别信息从所述多个网站中的指定网站授权的接口查询所述用户的注册信息;
若所述指定网站返回所述用户的注册信息,所述指定网站存在所述用户的注册信息;
若所述指定网站没有返回所述用户的注册信息或返回值为空,所述指定网站不存在所述用户的注册信息。
例如,向CSDN的注册信息查询接口查询用户A的注册信息(查询参数为用户A的电话号码);若CSDN返回用户A的注册信息(如用户A的注册时间,注册状态、用户名等),则CSDN存在用户A的注册信息。
在另一实施例中,所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息包括:
用所述识别信息向所述多个网站中的指定网站注册新账户;
若所述指定网站提示所述用户已注册,则所述指定网站存在所述用户的注册信息;
若所述指定网站提示输入注册验证信息,则所述指定网站不存在所述用户的注册信息。
例如,可以通过用户A的电话号码向CSDN请求注册新账户;若CSDN提示输入注册验证信息(如CSDN下发给用户A的电话号码的验证码),则CSDN不存在用户A的注册信息。
在另一实施例中,所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息包括:
在所述多个网站中的指定网站搜索所述识别信息;
若所述指定网站的搜索结果中包括所述识别信息,则所述指定网站存在所述用户的注册信息;
若所述指定网站的搜索结果中不包括所述识别信息,则所述指定网站不存在所述用户的注册信息。
103,根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量。
例如,生成的用户A的注册特征向量为(1,1,0,1,0),其中,从左至右的第一个维度的1表示网易云音乐存在用户A的注册信息;第二个维度的1表示百度贴吧存在用户A的注册信息;第三个维度的0表示CSDN不存在用户A的注册信息;第四个维度的1表示微博存在用户A的注册信息;第五个维度的0表示小红书不存在用户A的注册信息。
104,采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值。
在一具体实施例中,所述采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值包括:
(1)获取多个第一历史用户。
(2)根据所述多个第一历史用户的注册特征向量对所述多个第一历史用户进行聚类,得到多个用户簇和每个用户簇的中心向量。
(3)根据所述用户的注册特征向量和每个用户簇的中心向量的距离确定所述用户所属的目标用户簇。例如,聚类得到两个用户簇(分别为第一用户簇和第二用户簇),用户的注册特征向量与第一用户簇的中心向量的欧氏距离为num1,用户的注册特征向量与第二用户簇的中心向量的欧氏距离为num2,num1大于num2,则将第二用户簇确定为目标用户簇。
(4)将所述目标用户簇中每个目标用户有关指定兴趣标签的概率值的均值确定为所述用户的指定兴趣标签的第一概率值,或将所述目标用户簇中指定兴趣标签的概率值大于第二预设阈值的目标用户的数量与所述目标用户簇中目标用户的总数量的比值确定为所述用户的指定兴趣标签的第一概率值。例如,目标用户簇中包括3个用户,指定兴趣标签为旅游,3个用户的旅游兴趣标签的概率值分别为0.5、0.6、0.4,则用户的旅游兴趣标签的第一概率值为0.5。所述第二预设阈值是根据实验数据调整的预设值。
105,从每个目标网站爬取所述用户的多个目标命名实体。
可以从每个目标网站爬取所述用户的多个网页文本,该目标网站的多个网页文本包括所述用户在该目标网站的社交信息、行为信息,从该目标网站的多个网页文本抽取该目标网站的多个目标命名实体。例如,目标网站为网易云音乐,多个网页文本包括用户A关注或分享的歌单,从多个网页文本进行命名实体抽取,得到的多个目标命名实体为民谣、校园等(被抽取出民谣、校园的用户被发现普遍喜爱“旅游”)。再如,目标网站为小红书,多个网页文本包括用户B关注或分享的海淘经验,从多个网页文本进行命名实体抽取,得到的多个目标命名实体为奶粉、婴儿车等(被抽取出奶粉、婴儿车的用户被发现普遍倾向于“母婴”)。再如,目标网站为网易云课堂,多个网页文本包括用户B关注或分享的视频介绍,从多个网页文本进行命名实体抽取,得到的多个目标命名实体为JAVA、SPRING等(被抽取出JAVA、SPRING的用户被发现普遍倾向于“编程教育”)。
106,用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值。
在一具体实施例中,所述用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值包括:
将每个目标命名实体和该目标命名实体所属的目标网站编码为该目标命名实体的特征向量;
将每个目标命名实体的特征向量输入所述训练好的神经网络,得到该目标命名实体对应的每个兴趣标签的概率值;
计算所述多个命名实体对应的每个兴趣标签的概率值的均值,得到所述兴趣标签的第二概率值。
例如,两个命名实体分别为JAVA、SPRING,JAVA对应“编程教育”(兴趣标签)的概率值为0.9,SPRING对应编程教育(兴趣标签)的概率值为0.7,则“编程教育”(兴趣标签)的第二概率值为0.8。
所述将每个目标命名实体和该目标命名实体所属的目标网站编码为该目标命名实体的特征向量包括:
根据预设编码器(如one-hot编码器、word2vec编码器)将该目标命名实体编码为第一中间向量;
根据所述预设编码器将该目标命名实体所属的目标网站编码为第二中间向量;
连接所述第一中间向量和所述第二中间向量,或将所述第一中间向量和所述第二中间向量的进行元素相乘,得到该目标命名实体的特征向量。
训练所述神经网络可以包括:
获取一个训练样本和该训练样本的标签,该训练样本包括一个目标命名实体和该目标命名实体所属的目标网站编码;
根据预设编码表将该目标命名实体编码为第一向量,根据预设编码表将该目标命名实体所属的目标网站编码为第二向量;
拼接所述第一向量和所述第二向量得到该目标命名实体的特征向量;
将该目标命名实体的特征向量输入初始化参数值的神经网络,得到输出向量;
根据所述输出向量和该训练样本的标签通过反向传播算法优化所述神经网络的参数值。
107,基于统计方法计算每个兴趣标签的第三概率值。
所述基于统计方法计算每个兴趣标签的第三概率值包括:
获取在所述多个目标网站存在注册信息的多个第二历史用户,每个第二历史用户的用户兴趣画像包括该第二历史用户的多个标签;
统计用户兴趣画像中存在该兴趣标签的第二历史用户的第一数量;
统计所述多个第二历史用户的第二数量;
计算所述第一数量与所述第二数量的比值,将所述第一数量与所述第二数量的比值作为所述第三概率值。
例如,获取在网易云音乐和携程存在注册信息的4个第二历史用户(分别为用户A、用户B、用户C、用户D);统计用户兴趣画像中存在“旅游”(兴趣标签)的第二历史用户的第一数量为3;第二历史用户的第二数量为4;“旅游”(兴趣标签)的第三概率值为0.75。
108,将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值。
例如,“旅游”(兴趣标签)的第一概率值为0.65,“旅游”(兴趣标签)的第三概率值为0.70,“旅游”(兴趣标签)的第三概率值为0.75,则将0.75确定为“旅游”(兴趣标签)的目标概率值。
109,将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
例如,“旅游”(兴趣标签)的目标概率值为0.75,“编程教育”(兴趣标签)的目标概率值为0.85,所述第一预设阈值为0.80,则将“编程教育”确定为所述用户的兴趣标签。
实施例一的用户兴趣画像方法通过与所述用户的兴趣关联的网站和所述用户在所述目标网站中的目标命名实体确定所述用户的兴趣标签,可以提升识别用户的兴趣标签准确率;通过聚类方法得到的兴趣标签的第一概率值、神经网络得到的兴趣标签的第二概率值和通过基于统计得到的兴趣标签的第三概率值可以确定兴趣标签的目标概率值,可以降低出现偏差的风险。因此,本申请根据用户在各个网站的注册信息抽取出用户的兴趣标签,提升了抽取用户的兴趣标签的准确率,用抽取的用户的兴趣标签描述用户兴趣画像,提升了描述用户兴趣画像的准确率。
在另一实施例中,在所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息之前,所述用户兴趣画像方法还包括:获取所述用户的授权。
在所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息之前,可以给用户下发授权选项框,接收用户在所述授权选项框中勾选的授权选项。
实施例二
图2是本申请实施例二提供的用户兴趣画像装置的结构图。所述用户兴趣画像装置20应用于计算机设备。所述用户兴趣画像装置20用于根据用户在各个网站的注册信息抽取出用户的兴趣标签。
如图2所示,所述用户兴趣画像装置20可以包括获取模块201、判断模块202、生成模块203、第一确定模块204、爬取模块205、第一计算模块206、第二计算模块207、第二确定模块208、第三确定模块209。
获取模块201,用于获取多个网站、多个兴趣标签和用户的识别信息。
在一具体实施例中,所述多个网站可以包括网易云音乐、网易云课堂、百度贴吧、CSDN、微博、小红书、携程等。
所述多个兴趣标签可以包括健身、教育、母婴、旅游等。有不同兴趣的用户可能在使用与兴趣相关联的网站(即与用户的兴趣相关联的网站存在用户的注册信息),用户的兴趣与用户注册的网站之间存在关联。如旅游与携程相关联,教育与网易云课堂相关联。
可以接收所述用户输入的识别信息或接收用户识别装置传输的用户的识别信息。
在一具体实施例中,所述识别信息包括手机号、身份证号、加密手机号或加密身份证号。
例如,可以接收所述用户通过键盘输入的手机号或身份证号,或接收文字识别装置传输的用户的身份证号,文字识别装置可以识别用户的身份证上的身份证号。可以通过哈希加密或MD5加密算法对手机号进行加密,得到加密手机号、对身份证号进行加密,得到加密身份证号。
在另一实施例中,所述识别信息还可以包括指纹信息、虹膜信息或人脸信息等。
判断模块202,用于根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站。
在一具体实施例中,所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息包括:
根据所述识别信息从所述多个网站中的指定网站授权的接口查询所述用户的注册信息;
若所述指定网站返回所述用户的注册信息,所述指定网站存在所述用户的注册信息;
若所述指定网站没有返回所述用户的注册信息或返回值为空,所述指定网站不存在所述用户的注册信息。
例如,向CSDN的注册信息查询接口查询用户A的注册信息(查询参数为用户A的电话号码);若CSDN返回用户A的注册信息(如用户A的注册时间,注册状态、用户名等),则CSDN存在用户A的注册信息。
在另一实施例中,所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息包括:
用所述识别信息向所述多个网站中的指定网站注册新账户;
若所述指定网站提示所述用户已注册,则所述指定网站存在所述用户的注册信息;
若所述指定网站提示输入注册验证信息,则所述指定网站不存在所述用户的注册信息。
例如,可以通过用户A的电话号码向CSDN请求注册新账户;若CSDN提示输入注册验证信息(如CSDN下发给用户A的电话号码的验证码),则CSDN不存在用户A的注册信息。
在另一实施例中,所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息包括:
在所述多个网站中的指定网站搜索所述识别信息;
若所述指定网站的搜索结果中包括所述识别信息,则所述指定网站存在所述用户的 注册信息;
若所述指定网站的搜索结果中不包括所述识别信息,则所述指定网站不存在所述用户的注册信息。
生成模块203,用于根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量。
例如,生成的用户A的注册特征向量为(1,1,0,1,0),其中,从左至右的第一个维度的1表示网易云音乐存在用户A的注册信息;第二个维度的1表示百度贴吧存在用户A的注册信息;第三个维度的0表示CSDN不存在用户A的注册信息;第四个维度的1表示微博存在用户A的注册信息;第五个维度的0表示小红书不存在用户A的注册信息。
第一确定模块204,用于采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值。
在一具体实施例中,所述采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值包括:
(1)获取多个第一历史用户。
(2)根据所述多个第一历史用户的注册特征向量对所述多个第一历史用户进行聚类,得到多个用户簇和每个用户簇的中心向量。
(3)根据所述用户的注册特征向量和每个用户簇的中心向量的距离确定所述用户所属的目标用户簇。例如,聚类得到两个用户簇(分别为第一用户簇和第二用户簇),用户的注册特征向量与第一用户簇的中心向量的欧氏距离为num1,用户的注册特征向量与第二用户簇的中心向量的欧氏距离为num2,num1大于num2,则将第二用户簇确定为目标用户簇。
(4)将所述目标用户簇中每个目标用户有关指定兴趣标签的概率值的均值确定为所述用户的指定兴趣标签的第一概率值,或将所述目标用户簇中指定兴趣标签的概率值大于第二预设阈值的目标用户的数量与所述目标用户簇中目标用户的总数量的比值确定为所述用户的指定兴趣标签的第一概率值。例如,目标用户簇中包括3个用户,指定兴趣标签为旅游,3个用户的旅游兴趣标签的概率值分别为0.5、0.6、0.4,则用户的旅游兴趣标签的第一概率值为0.5。所述第二预设阈值是根据实验数据调整的预设值。
爬取模块205,用于从每个目标网站爬取所述用户的多个目标命名实体。
可以从每个目标网站爬取所述用户的多个网页文本,该目标网站的多个网页文本包括所述用户在该目标网站的社交信息、行为信息,从该目标网站的多个网页文本抽取该目标网站的多个目标命名实体。例如,目标网站为网易云音乐,多个网页文本包括用户A关注或分享的歌单,从多个网页文本进行命名实体抽取,得到的多个目标命名实体为民谣、校园等(被抽取出民谣、校园的用户被发现普遍喜爱“旅游”)。再如,目标网站为小红书,多个网页文本包括用户B关注或分享的海淘经验,从多个网页文本进行命名实体抽取,得到的多个目标命名实体为奶粉、婴儿车等(被抽取出奶粉、婴儿车的用户被发现普遍倾向于“母婴”)。再如,目标网站为网易云课堂,多个网页文本包括用户B关注或分享的视频介绍,从多个网页文本进行命名实体抽取,得到的多个目标命名实体为JAVA、SPRING等(被抽取出JAVA、SPRING的用户被发现普遍倾向于“编程教育”)。
第一计算模块206,用于用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值。
在一具体实施例中,所述用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值包括:
将每个目标命名实体和该目标命名实体所属的目标网站编码为该目标命名实体的特征向量;
将每个目标命名实体的特征向量输入所述训练好的神经网络,得到该目标命名实体 对应的每个兴趣标签的概率值;
计算所述多个命名实体对应的每个兴趣标签的概率值的均值,得到所述兴趣标签的第二概率值。例如,两个命名实体分别为JAVA、SPRING,JAVA对应“编程教育”(兴趣标签)的概率值为0.9,SPRING对应编程教育(兴趣标签)的概率值为0.7,则“编程教育”(兴趣标签)的第二概率值为0.8。
所述将每个目标命名实体和该目标命名实体所属的目标网站编码为该目标命名实体的特征向量包括:
根据预设编码器(如one-hot编码器、word2vec编码器)将该目标命名实体编码为第一中间向量;
根据所述预设编码器将该目标命名实体所属的目标网站编码为第二中间向量;
连接所述第一中间向量和所述第二中间向量,或将所述第一中间向量和所述第二中间向量的进行元素相乘,得到该目标命名实体的特征向量。
训练所述神经网络可以包括:
获取一个训练样本和该训练样本的标签,该训练样本包括一个目标命名实体和该目标命名实体所属的目标网站编码;
根据预设编码表将该目标命名实体编码为第一向量,根据预设编码表将该目标命名实体所属的目标网站编码为第二向量;
拼接所述第一向量和所述第二向量得到该目标命名实体的特征向量;
将该目标命名实体的特征向量输入初始化参数值的神经网络,得到输出向量;
根据所述输出向量和该训练样本的标签通过反向传播算法优化所述神经网络的参数值。
第二计算模块207,用于基于统计方法计算每个兴趣标签的第三概率值。
所述基于统计方法计算每个兴趣标签的第三概率值包括:
获取在所述多个目标网站存在注册信息的多个第二历史用户,每个第二历史用户的用户兴趣画像包括该第二历史用户的多个标签;
统计用户兴趣画像中存在该兴趣标签的第二历史用户的第一数量;
统计所述多个第二历史用户的第二数量;
计算所述第一数量与所述第二数量的比值,将所述第一数量与所述第二数量的比值作为所述第三概率值。
例如,获取在网易云音乐和携程存在注册信息的4个第二历史用户(分别为用户A、用户B、用户C、用户D);统计用户兴趣画像中存在“旅游”(兴趣标签)的第二历史用户的第一数量为3;第二历史用户的第二数量为4;“旅游”(兴趣标签)的第三概率值为0.75。
第二确定模块208,用于将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值。
例如,“旅游”(兴趣标签)的第一概率值为0.65,“旅游”(兴趣标签)的第三概率值为0.70,“旅游”(兴趣标签)的第三概率值为0.75,则将0.75确定为“旅游”(兴趣标签)的目标概率值。
第三确定模块209,用于将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
例如,“旅游”(兴趣标签)的目标概率值为0.75,“编程教育”(兴趣标签)的目标概率值为0.85,所述第一预设阈值为0.80,则将“编程教育”确定为所述用户的兴趣标签。
实施例二的用户兴趣画像装置20通过与所述用户的兴趣关联的网站和所述用户在所述目标网站中的目标命名实体确定所述用户的兴趣标签,可以提升识别用户的兴趣标签准确率;通过聚类方法得到的兴趣标签的第一概率值、神经网络得到的兴趣标签的第 二概率值和通过基于统计得到的兴趣标签的第三概率值可以确定兴趣标签的目标概率值,可以降低出现偏差的风险。因此,本申请根据用户在各个网站的注册信息抽取出用户的兴趣标签,提升了抽取用户的兴趣标签的准确率,用抽取的用户的兴趣标签描述用户兴趣画像,提升了描述用户兴趣画像的准确率。
在另一实施例中,所述获取模块还用于在所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息之前,获取所述用户的授权。
在所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息之前,可以给用户下发授权选项框,接收用户在所述授权选项框中勾选的授权选项。
实施例三
本实施例提供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可读指令,所述计算机可读存储介质可以是非易失性,也可以是易失性。该计算机可读指令被处理器执行时实现上述用户兴趣画像方法实施例中的步骤,例如图1所示的步骤101-109:
101,获取多个网站、多个兴趣标签和用户的识别信息;
102,根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站;
103,根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量;
104,采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值;
105,从每个目标网站爬取所述用户的多个目标命名实体;
106,用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值;
107,基于统计方法计算每个兴趣标签的第三概率值;
108,将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;
109,将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
或者,该计算机可读指令被处理器执行时实现上述装置实施例中各模块的功能,例如图2中的模块201-209:
获取模块201,用于获取多个网站、多个兴趣标签和用户的识别信息;
判断模块202,用于根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站;
生成模块203,用于根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量;
第一确定模块204,用于采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值;
爬取模块205,用于从每个目标网站爬取所述用户的多个目标命名实体;
第一计算模块206,用于用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值;
第二计算模块207,用于基于统计方法计算每个兴趣标签的第三概率值;
第二确定模块208,用于将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;
第三确定模块209,用于将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
实施例四
图3为本申请实施例四提供的计算机设备的示意图。所述计算机设备30包括存储器301、处理器302以及存储在所述存储器301中并可在所述处理器302上运行的计算机可读指令303,例如用户兴趣画像程序。所述处理器302执行所述计算机可读指令303时实现上述用户兴趣画像方法实施例中的步骤,例如图1所示的步骤101-109:
101,获取多个网站、多个兴趣标签和用户的识别信息;
102,根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站;
103,根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量;
104,采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值;
105,从每个目标网站爬取所述用户的多个目标命名实体;
106,用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值;
107,基于统计方法计算每个兴趣标签的第三概率值;
108,将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;
109,将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
或者,该计算机可读指令被处理器执行时实现上述装置实施例中各模块的功能,例如图2中的模块201-209:
获取模块201,用于获取多个网站、多个兴趣标签和用户的识别信息;
判断模块202,用于根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站;
生成模块203,用于根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量;
第一确定模块204,用于采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值;
爬取模块205,用于从每个目标网站爬取所述用户的多个目标命名实体;
第一计算模块206,用于用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值;
第二计算模块207,用于基于统计方法计算每个兴趣标签的第三概率值;
第二确定模块208,用于将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;
第三确定模块209,用于将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
示例性的,所述计算机可读指令303可以被分割成一个或多个模块,所述一个或者多个模块被存储在所述存储器301中,并由所述处理器302执行,以完成本方法。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机可读指令303在所述计算机设备30中的执行过程。例如,所述计算机可读指令303可以被分割成图2中的获取模块201、判断模块202、生成模块203、第一确定模块204、爬取模块205、第一计算模块206、第二计算模块207、第二确定模块208、第三确定模块209,各模块具体功能参见实施例二。
所述计算机设备30可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。本领域技术人员可以理解,所述示意图3仅仅是计算机设备30的示例,并不构成对计算机设备30的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述计算机设备30还可以包括输入输出设备、网络接入设备、总线等。
所称处理器302可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器302也可以是任何常规的处理器等,所述处理器302是所述计算机设备30的控制中心,利用各种接口和线路连接整个计算机设备30的各个部分。
所述存储器301可用于存储所述计算机可读指令303,所述处理器302通过运行或执行存储在所述存储器301内的计算机可读指令或模块,以及调用存储在存储器301内的数据,实现所述计算机设备30的各种功能。所述存储器301可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备30的使用所创建的数据等。此外,存储器301可以包括硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)或其他非易失性/易失性存储器件。
所述计算机设备30集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是非易失性,也可以是易失性。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机可读指令来指令相关的硬件来完成,所述的计算机可读指令可存储于一计算机可读存储介质中,该计算机可读指令在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机可读指令可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机可读指令的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、只读存储器(ROM)、随机存取存储器(RAM)。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施例所述用户兴趣画像方法的部分步骤。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他模块或步骤,单数不排除复数。***权利要求中陈述的多个模块或装置也可以由一个模块或装置通过软件或者硬件来实现。第一, 第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本申请的技术方案而非限制,尽管参照较佳实施例对本申请进行了详细说明,本领域的普通技术人员应当理解,可以对本申请的技术方案进行修改或等同替换,而不脱离本申请技术方案的精神和范围。
Claims (20)
- 一种用户兴趣画像方法,所述用户兴趣画像方法包括:获取多个网站、多个兴趣标签和用户的识别信息;根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站;根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量;采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值;从每个目标网站爬取所述用户的多个目标命名实体;用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值;基于统计方法计算每个兴趣标签的第三概率值;将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
- 如权利要求1所述的用户兴趣画像方法,其中,所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息包括:在所述多个网站中的指定网站搜索所述识别信息;若所述指定网站的搜索结果中包括所述识别信息,则所述指定网站存在所述用户的注册信息;若所述指定网站的搜索结果中不包括所述识别信息,则所述指定网站不存在所述用户的注册信息。
- 如权利要求2所述的用户兴趣画像方法,其中,所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息包括:根据所述识别信息从所述多个网站中的指定网站授权的接口查询所述用户的注册信息;若所述指定网站返回所述用户的注册信息,所述指定网站存在所述用户的注册信息;若所述指定网站没有返回所述用户的注册信息或返回值为空,所述指定网站不存在所述用户的注册信息。
- 如权利要求1所述的用户兴趣画像方法,其中,所述采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值包括:获取多个第一历史用户;根据所述多个第一历史用户的注册特征向量对所述多个第一历史用户进行聚类,得到多个用户簇和每个用户簇的中心向量;根据所述用户的注册特征向量和每个用户簇的中心向量的距离确定所述用户所属的目标用户簇;将所述目标用户簇中每个目标用户有关指定兴趣标签的概率值的均值确定为所述用户的指定兴趣标签的第一概率值,或将所述目标用户簇中指定兴趣标签的概率值大于第二预设阈值的目标用户的数量与所述目标用户簇中目标用户的总数量的比值确定为所述用户的指定兴趣标签的第一概率值。
- 如权利要求1所述的用户兴趣画像方法,其中,所述用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值包括:将每个目标命名实体和该目标命名实体所属的目标网站编码为该目标命名实体的特征向量;将每个目标命名实体的特征向量输入所述训练好的神经网络,得到该目标命名实体对应的每个兴趣标签的概率值;计算所述多个命名实体对应的每个兴趣标签的概率值的均值,得到所述兴趣标签的第二概率值。
- 如权利要求1所述用户兴趣画像方法,其中,所述基于统计方法计算每个兴趣标签的第三概率值包括:获取在所述多个目标网站存在注册信息的多个第二历史用户,每个第二历史用户的用户兴趣画像包括该第二历史用户的多个标签;统计用户兴趣画像中存在该兴趣标签的第二历史用户的第一数量;统计所述多个第二历史用户的第二数量;计算所述第一数量与所述第二数量的比值,将所述第一数量与所述第二数量的比值作为所述第三概率值。
- 如权利要求1至6中任一项所述用户兴趣画像方法,其中,在所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息之前,所述用户兴趣画像方法还包括:获取所述用户的授权。
- 一种用户兴趣画像装置,其中,所述用户兴趣画像装置包括:获取模块,用于获取多个网站、多个兴趣标签和用户的识别信息;判断模块,用于根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站;生成模块,用于根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量;第一确定模块,用于采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值;爬取模块,用于从每个目标网站爬取所述用户的多个目标命名实体;第一计算模块,用于用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值;第二计算模块,用于基于统计方法计算每个兴趣标签的第三概率值;第二确定模块,用于将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;第三确定模块,用于将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
- 一种计算机设备,其中,所述计算机设备包括处理器,所述处理器用于执行存储器中存储的计算机可读指令以实现以下步骤:获取多个网站、多个兴趣标签和用户的识别信息;根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站;根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量;采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值;从每个目标网站爬取所述用户的多个目标命名实体;用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值;基于统计方法计算每个兴趣标签的第三概率值;将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
- 如权利要求9所述的计算机设备,其中,所述处理器执行所述存储器中存储的计算机可读指令以实现所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息时,包括:在所述多个网站中的指定网站搜索所述识别信息;若所述指定网站的搜索结果中包括所述识别信息,则所述指定网站存在所述用户的注册信息;若所述指定网站的搜索结果中不包括所述识别信息,则所述指定网站不存在所述用户的注册信息。
- 如权利要求9所述的计算机设备,其中,所述处理器执行所述存储器中存储的计算机可读指令以实现所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息时,包括:根据所述识别信息从所述多个网站中的指定网站授权的接口查询所述用户的注册信息;若所述指定网站返回所述用户的注册信息,所述指定网站存在所述用户的注册信息;若所述指定网站没有返回所述用户的注册信息或返回值为空,所述指定网站不存在所述用户的注册信息。
- 如权利要求9所述的计算机设备,其中,所述处理器执行所述存储器中存储的计算机可读指令以实现所述采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值时,包括:获取多个第一历史用户;根据所述多个第一历史用户的注册特征向量对所述多个第一历史用户进行聚类,得到多个用户簇和每个用户簇的中心向量;根据所述用户的注册特征向量和每个用户簇的中心向量的距离确定所述用户所属的目标用户簇;将所述目标用户簇中每个目标用户有关指定兴趣标签的概率值的均值确定为所述用户的指定兴趣标签的第一概率值,或将所述目标用户簇中指定兴趣标签的概率值大于第二预设阈值的目标用户的数量与所述目标用户簇中目标用户的总数量的比值确定为所述用户的指定兴趣标签的第一概率值。
- 如权利要求9所述的计算机设备,其中,所述处理器执行所述存储器中存储的计算机可读指令以实现所述用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值时,包括:将每个目标命名实体和该目标命名实体所属的目标网站编码为该目标命名实体的特征向量;将每个目标命名实体的特征向量输入所述训练好的神经网络,得到该目标命名实体对应的每个兴趣标签的概率值;计算所述多个命名实体对应的每个兴趣标签的概率值的均值,得到所述兴趣标签的第二概率值。
- 如权利要求9所述的计算机设备,其中,所述处理器执行所述存储器中存储的计算机可读指令以实现所述基于统计方法计算每个兴趣标签的第三概率值时,包括:获取在所述多个目标网站存在注册信息的多个第二历史用户,每个第二历史用户的用户兴趣画像包括该第二历史用户的多个标签;统计用户兴趣画像中存在该兴趣标签的第二历史用户的第一数量;统计所述多个第二历史用户的第二数量;计算所述第一数量与所述第二数量的比值,将所述第一数量与所述第二数量的比值作为所述第三概率值。
- 如权利要求9至14中任一项所述的计算机设备,其中,在所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息之前,所述处理器执行所述存储器中存储的计算机可读指令还用以实现以下步骤:获取所述用户的授权。
- 一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,其中,所述计算机可读指令被处理器执行时实现以下步骤:获取多个网站、多个兴趣标签和用户的识别信息;根据所述识别信息判断所述多个网站是否存在所述用户的注册信息,得到存在所述用户的注册信息的多个目标网站;根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量;采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值;从每个目标网站爬取所述用户的多个目标命名实体;用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值;基于统计方法计算每个兴趣标签的第三概率值;将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值;将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。
- 如权利要求16所述的存储介质,其中,所述计算机可读指令被所述处理器执行以实现所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息时,包括:在所述多个网站中的指定网站搜索所述识别信息;若所述指定网站的搜索结果中包括所述识别信息,则所述指定网站存在所述用户的注册信息;若所述指定网站的搜索结果中不包括所述识别信息,则所述指定网站不存在所述用户的注册信息。
- 如权利要求16所述的存储介质,其中,所述计算机可读指令被所述处理器执行以实现所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息时,包括:根据所述识别信息从所述多个网站中的指定网站授权的接口查询所述用户的注册信息;若所述指定网站返回所述用户的注册信息,所述指定网站存在所述用户的注册信息;若所述指定网站没有返回所述用户的注册信息或返回值为空,所述指定网站不存在所述用户的注册信息。
- 如权利要求16所述的存储介质,其中,所述计算机可读指令被所述处理器执行以实现所述采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值时,包括:获取多个第一历史用户;根据所述多个第一历史用户的注册特征向量对所述多个第一历史用户进行聚类,得到多个用户簇和每个用户簇的中心向量;根据所述用户的注册特征向量和每个用户簇的中心向量的距离确定所述用户所属的目标用户簇;将所述目标用户簇中每个目标用户有关指定兴趣标签的概率值的均值确定为所述用户的指定兴趣标签的第一概率值,或将所述目标用户簇中指定兴趣标签的概率值大于 第二预设阈值的目标用户的数量与所述目标用户簇中目标用户的总数量的比值确定为所述用户的指定兴趣标签的第一概率值。
- 如权利要求16所述的存储介质,其中,所述计算机可读指令被所述处理器执行以实现所述用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值时,包括:将每个目标命名实体和该目标命名实体所属的目标网站编码为该目标命名实体的特征向量;将每个目标命名实体的特征向量输入所述训练好的神经网络,得到该目标命名实体对应的每个兴趣标签的概率值;计算所述多个命名实体对应的每个兴趣标签的概率值的均值,得到所述兴趣标签的第二概率值。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010243221.7A CN111552865A (zh) | 2020-03-31 | 2020-03-31 | 用户兴趣画像方法及相关设备 |
CN202010243221.7 | 2020-03-31 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2021196474A1 true WO2021196474A1 (zh) | 2021-10-07 |
Family
ID=72003804
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2020/105900 WO2021196474A1 (zh) | 2020-03-31 | 2020-07-30 | 用户兴趣画像方法及相关设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111552865A (zh) |
WO (1) | WO2021196474A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114489447A (zh) * | 2022-03-28 | 2022-05-13 | 山东大学 | 基于用户行为的文字处理控制方法、***和可读存储介质 |
CN114840743A (zh) * | 2022-03-01 | 2022-08-02 | 深圳市小秤砣科技有限公司 | 一种模型推荐方法、装置、电子设备及可读存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883269B (zh) * | 2021-02-26 | 2024-05-31 | 上海连尚网络科技有限公司 | 一种用于调整标签数据信息的方法与设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106874435A (zh) * | 2017-01-25 | 2017-06-20 | 北京航空航天大学 | 用户画像构建方法和装置 |
US20180007092A1 (en) * | 2009-11-20 | 2018-01-04 | International Business Machines Corporation | Broadcast notifications using social networking systems |
CN108596655A (zh) * | 2018-04-10 | 2018-09-28 | 四川金亿信财务咨询有限公司 | 一种基于广告签到信息的统计推广*** |
CN109408735A (zh) * | 2018-10-11 | 2019-03-01 | 杭州飞弛网络科技有限公司 | 一种陌生人社交用户画像的生成方法与*** |
CN109992632A (zh) * | 2019-01-14 | 2019-07-09 | 江苏智途科技股份有限公司 | 一种基于大数据的空间数据智能分发服务方法 |
CN110298029A (zh) * | 2019-05-22 | 2019-10-01 | 平安科技(深圳)有限公司 | 基于用户语料的好友推荐方法、装置、设备及介质 |
-
2020
- 2020-03-31 CN CN202010243221.7A patent/CN111552865A/zh active Pending
- 2020-07-30 WO PCT/CN2020/105900 patent/WO2021196474A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180007092A1 (en) * | 2009-11-20 | 2018-01-04 | International Business Machines Corporation | Broadcast notifications using social networking systems |
CN106874435A (zh) * | 2017-01-25 | 2017-06-20 | 北京航空航天大学 | 用户画像构建方法和装置 |
CN108596655A (zh) * | 2018-04-10 | 2018-09-28 | 四川金亿信财务咨询有限公司 | 一种基于广告签到信息的统计推广*** |
CN109408735A (zh) * | 2018-10-11 | 2019-03-01 | 杭州飞弛网络科技有限公司 | 一种陌生人社交用户画像的生成方法与*** |
CN109992632A (zh) * | 2019-01-14 | 2019-07-09 | 江苏智途科技股份有限公司 | 一种基于大数据的空间数据智能分发服务方法 |
CN110298029A (zh) * | 2019-05-22 | 2019-10-01 | 平安科技(深圳)有限公司 | 基于用户语料的好友推荐方法、装置、设备及介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114840743A (zh) * | 2022-03-01 | 2022-08-02 | 深圳市小秤砣科技有限公司 | 一种模型推荐方法、装置、电子设备及可读存储介质 |
CN114840743B (zh) * | 2022-03-01 | 2023-02-07 | 深圳市小秤砣科技有限公司 | 一种模型推荐方法、装置、电子设备及可读存储介质 |
CN114489447A (zh) * | 2022-03-28 | 2022-05-13 | 山东大学 | 基于用户行为的文字处理控制方法、***和可读存储介质 |
CN114489447B (zh) * | 2022-03-28 | 2022-07-12 | 山东大学 | 基于用户行为的文字处理控制方法、***和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111552865A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021196474A1 (zh) | 用户兴趣画像方法及相关设备 | |
US10726208B2 (en) | Consumer insights analysis using word embeddings | |
US11238339B2 (en) | Predictive neural network with sentiment data | |
US9997157B2 (en) | Knowledge source personalization to improve language models | |
CN110069709B (zh) | 意图识别方法、装置、计算机可读介质及电子设备 | |
Zhang et al. | A high-order possibilistic $ C $-means algorithm for clustering incomplete multimedia data | |
WO2021068563A1 (zh) | 样本数据处理方法、装置、计算机设备及存储介质 | |
US11120093B1 (en) | System and method for providing a content item based on computer vision processing of images | |
JP2017518588A (ja) | 会話理解システムのためのセッションコンテキストモデリング | |
WO2020233360A1 (zh) | 一种产品测评模型的生成方法及设备 | |
KR102523160B1 (ko) | 딥러닝 기반의 문서 유사도 측정 모델을 이용한 중복 문서 탐지 방법 및 시스템 | |
CN111026319A (zh) | 一种智能文本处理方法、装置、电子设备及存储介质 | |
CN111026320B (zh) | 多模态智能文本处理方法、装置、电子设备及存储介质 | |
WO2021196825A1 (zh) | 摘要生成方法、装置、电子设备及介质 | |
WO2020164272A1 (zh) | 上网设备的识别方法、装置及存储介质、计算机设备 | |
US11030539B1 (en) | Consumer insights analysis using word embeddings | |
Rodrigues et al. | Real‐Time Twitter Trend Analysis Using Big Data Analytics and Machine Learning Techniques | |
CN114090794A (zh) | 基于人工智能的事理图谱构建方法及相关设备 | |
US10296635B2 (en) | Auditing and augmenting user-generated tags for digital content | |
CN115375361A (zh) | 一种在线广告投放目标人群的选择方法、装置及电子设备 | |
WO2021147404A1 (zh) | 依存关系分类方法及相关设备 | |
KR102387829B1 (ko) | 법률 컨텐츠 제공을 위한 클라이언트 단말과 프로바이더 단말 간의 매칭 방법 | |
CN113627186B (zh) | 基于人工智能的实体关系检测方法及相关设备 | |
WO2021135330A1 (zh) | 图像样本选择方法及相关设备 | |
CN111597453B (zh) | 用户画像方法、装置、计算机设备及计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 20928900 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
32PN | Ep: public notification in the ep bulletin as address of the adressee cannot be established |
Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 23.01.2023) |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 20928900 Country of ref document: EP Kind code of ref document: A1 |