用户画像方法、装置和计算机可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113742532A(43)申请公布日2021.12.03(21)申请号202110254509.9(22)申请日2021.03.09(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人张乐中闫家润(74)专利代理机构中国贸促会专利商标事务所有限公司11038代理人李昊许蓓(51)Int.Cl.G06F16/901(2019.01)G06F16/9035(2019.01)G06Q30/06(2012.01)权利要求书2页说明书9页附图4页(54)发明名称用户画像方法、装置和计算机可读存储介质(57)摘要本发明公开了一种用户画像方法、装置和计算机可读存储介质，涉及大数据技术领域。用户画像方法包括：根据物品间的关联关系，构建多条物品关联序列，其中，每个物品关联序列中的元素表示具有关联关系的物品的向量，每个物品的向量包括相应物品在多个标签维度的标签值所对应的、初始的向量；将物品关联序列输入到词语转向量模型中，获得每个物品的嵌入向量；根据每个物品的嵌入向量，构建每个标签维度的标签值与嵌入向量之间的对应关系；基于待画像用户的操作所涉及的物品的嵌入向量，确定待画像用户的画像向量；根据画像向量与每个标签值的嵌入向量之间的相似度，确定用于描述待画像用户的标签值。本发明能够提升用户画像的准确度。CN113742532ACN113742532A权利要求书1/2页1.一种用户画像方法，包括：根据物品间的关联关系，构建多条物品关联序列，其中，每个物品关联序列中的元素表示具有关联关系的物品的向量，每个物品的向量包括相应物品在多个标签维度的标签值所对应的、初始的向量；将所述物品关联序列输入到词语转向量模型中，获得每个物品的嵌入向量，其中，所述物品的嵌入向量包括所述物品的每个标签维度的标签值的嵌入向量；根据所述每个物品的嵌入向量，构建每个标签维度的标签值与嵌入向量之间的对应关系；基于待画像用户的操作所涉及的物品的嵌入向量，确定所述待画像用户的画像向量；根据所述画像向量与每个标签值的嵌入向量之间的相似度，确定用于描述所述待画像用户的标签值。2.根据权利要求1所述的用户画像方法，其中，所述根据物品间的关联关系，构建多条物品关联序列包括：从用户数据中获取多个操作行为序列，其中，每个操作行为序列中的元素为同一用户依次操作的物品的向量，所述物品的向量包括所述物品多个标签维度的标签值所对应的、初始的向量；根据所述多个操作行为序列，构建多条物品关联序列。3.根据权利要求2所述的用户画像方法，其中，所述用户数据为会话数据，所述会话数据包括用户操作的物品以及操作时间，所述操作行为序列中的物品为用户连续操作、并且操作的时间间隔小于预设值的物品。4.根据权利要求2所述的用户画像方法，其中，所述根据所述多个操作行为序列，构建多条物品关联序列包括：根据所述多个操作行为序列中物品的相邻关系，构建图结构，其中，所述图结构中的节点表示物品，并且在所述操作行为序列中相邻的两个物品所对应的节点之间具有边；基于所述图结构进行多次随机游走，获得多个物品关联序列，其中，每个物品关联序列中的元素表示游走过程中被访问的物品的向量。5.根据权利要求4所述的用户画像方法，其中，在所述图结构中，边的权重根据其所连接的两个节点所对应的物品在所述多个操作行为序列中相邻的次数确定，并且，随机游走的概率与边的权重成正相关关系。6.根据权利要求1所述的用户画像方法，其中，所述词语转向量模型为Word2Vec模型，并且，所述Word2Vec模型的目标函数包括正样本计算项、负样本计算项和全局计算项，其中，所述全局计算项根据所述物品关联序列中产生了下单行为的物品的向量确定。7.根据权利要求1所述的用户画像方法，其中，所述基于待画像用户的操作所涉及的物品的嵌入向量，确定所述待画像用户的画像向量包括：获取待画像用户的操作行为序列，其中，每个操作行为序列中的元素为所述待画像用户依次操作的物品的嵌入向量，所述元素包括所述物品多个标签维度的标签值所对应的嵌入向量、与相应标签维度的预设权重的乘积；根据所述操作行为序列，确定所述待画像用户的画像向量。8.根据权利要求7所述的用户画像方法，其中，所述根据所述操作行为序列，确定所述2CN113742532A权利要求书2/2页待画像用户的画像向量包括：通过对所述待画像用户的操作行为序列中的各个元素进行加权求和，获得中间向量；根据每个标签维度所对应的预设权重，对所述中间向量中每个标签值对应的向量进行加权，获得所述待画像用户的画像向量。9.根据权利要求8所述的用户画像方法，其中，对于所述待画像用户的操作行