一种用户画像构建方法、装置、设备及可读存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115905655A(43)申请公布日2023.04.04(21)申请号202211398883.7(22)申请日2022.11.09(71)申请人太保科技有限公司地址200010上海市黄浦区中山南路1号11层(名义楼层)11V6室(72)发明人胡怀予叶文慧何逸宁申雅文朱丙坤何雪海(74)专利代理机构北京集佳知识产权代理有限公司11227专利代理师卫三娟(51)Int.Cl.G06F16/906(2019.01)G06Q40/12(2023.01)G06N20/20(2019.01)权利要求书2页说明书9页附图2页(54)发明名称一种用户画像构建方法、装置、设备及可读存储介质(57)摘要本申请提供了一种用户画像构建方法。在执行所述方法时，先获取用户数据，后基于层次分析模型和机器学习模型对所述用户数据分别进行分析得到分析结果，然后根据预先设定的权重系数基于所述分析结果得到评分值，最后根据预先设定的规则基于所述评分值得到评级结果，以实现用户画像构建。这样，通过使用了层次分析法模型和机器学习模型融合的方法，使得用户画像构建既量化融合了专家经验，又利用了大量数据，达到了合理量化用户数据，构建客观的用户画像的效果。如此，可以提高用户画像构建的合理性和可靠性，提升用户画像构建的效率。CN115905655ACN115905655A权利要求书1/2页1.一种用户画像构建方法，其特征在于，包括：获取用户数据；基于层次分析模型和机器学习模型对所述用户数据分别进行分析得到分析结果；根据预先设定的分配系数基于所述分析结果得到评分值；根据预先设定的规则基于所述评分值得到评级结果。2.根据权利要求1所述的方法，其特征在于，所述获取数据，包括：获取原始数据；对所述原始数据进行预处理得到处理后的标准化数据。3.根据权利要求1所述的方法，其特征在于，所述基于层次分析模型和机器学习模型对所述用户数据分别进行分析得到分析结果，包括：基于所述数据筛选建立指标体系；所述指标体系包括多种不同的指标；根据专家评分构建所述各指标判断矩阵；利用层次分析法对所述矩阵进行一致性检验并计算各指标权重系数；基于所述各指标权重系数计算各维度的评分，得到层次分析模型分析结果。4.根据权利要求3所述的方法，其特征在于，所述基于所述各指标权重系数计算各维度的评分，得到层次分析模型分析结果包括：对各指标进行百分位标准化处理得到标准化指标值；通过标准化指标值与指标权重的加权平均得出初始分数；基于所述初始分数进行min‑max归一化得到归一化数值；基于所述归一化数值计算各维度的评分，得到层次分析模型分析结果。5.根据权利要求1所述的方法，其特征在于，所述基于层次分析模型和机器学习模型对所述用户数据分别进行分析得到分析结果，包括：通过特征的稳定性、相关性、共线性以及变量的信息量基于所述数据筛选入模特征；基于所述入模特征利用机器学习模型预测数据概率；根据所述概率转化得到机器学习模型分析结果。6.根据权利要求5所述的方法，其特征在于，所述通过特征的稳定性、相关性、共线性以及变量的信息量基于所述数据筛选入模特征前包括：利用贝叶斯优化进行调参；所述贝叶斯优化自定义目标函数为：Target＝offks+|offks‑devks|*λ其中，offks为训练集好坏样本区分程度的参数，devks为测试集好坏样本区分程度的参数，λ为权重系数。7.根据权利要求1所述的方法，其特征在于，基于所述层次分析模型对所述用户数据进行分析得到分析结果包括层次分析模型指标，基于所述机器学习模型对所述用户数据进行分析得到分析结果包括机器学习模型指标，所述根据预先设定的分配系数基于所述分析结果得到评分值，包括：根据所述层次分析模型指标和机器学习模型指标得到评分值所述评分值S通过以下公式计算得到：s＝s1×λ+s2×(1‑λ)2CN115905655A权利要求书2/2页其中，所述s1为层次分析模型指标，所述s2为机器学习模型指标，所述λ为层次分析模型分占整体评分值的分配系数。8.一种用户画像构建装置，其特征在于，包括：获取模块，用于获取用户数据；分析模块，用于基于层次分析模型和机器学习模型对所述用户数据分别进行分析得到分析结果；第一确定模块，用于根据预先设定的分配系数基于所述分析结果得到评分值；第二确定模块，用于根据预先设定的规则基于所述评分值得到评级结果。9.一种电子设备，其特征在于，所述设备包括存储器和处理器，所述存储器用于存储指令或代码，所述处理器用于执行所述指令或代码，以使所述设备执行权利要求1至7任一项所述的用户画像构建方法。10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有代码，当所述代码被运行时，运行所述代码的设备实现权利要求1‑7任一项所述的用