[发明专利]标签预测生成方法及装置

说明书

本发明提供一种标签预测生成方法及装置。该方法包括：选取目标标签，并确定目标标签的历史标签时间序列的起始时间点，目标标签为待预测的标签，确定与目标标签存在因果关系的变量，变量包括标签和/或属性，根据预设的时间序列预测出目标标签在目标时间点的值，预设的时间序列包括目标标签的历史标签时间序列和变量的历史时间序列，或者，预设的时间序列包括变量的历史时间序列，变量的历史时间序列的起始时间点与目标标签的历史标签时间序列的起始时间点相同，目标时间点为当前时间点或当前时间点之后的时间点。从而，可以生成当前时间点的标签，也可以预测未来时间点的标签，使得用户画像具有前瞻性，可以更好地支持营销推荐。

技术领域

本发明涉及通信技术领域，尤其涉及一种标签预测生成方法及装置。

背景技术

用户画像，即用户信息标签化，是个性化推荐、精准营销等差异化服务的基础。用户画像的核心工作就是为用户打标签，标签是用户某种特征的符号表示，每个标签都规定了观察、认识和描述用户的一个角度。用户画像是用户的全息图谱，通过多维度标签描述用户的整体特征，用户的整体特征如包括基本属性、购买能力、行为特征、兴趣爱好、社交网络等。

现有的一种用户标签生成方法为：收集用户当前属性数据，属性数据包括静态数据和动态数据，静态数据就是用户相对稳定的信息，如性别、地域、职业、消费等级等，动态数据就是用户不停变化的行为信息，如浏览网页、搜索商品、发表评论、接触渠道等。通过剖析静态数据和动态数据，根据预设规则或者算法生成相应的标签，标签代表用户对该内容有兴趣、偏好、需求等。进一步地，还可以根据用户当前属性数据的地点和时间点，计算标签的权重。

可以看出，上述标签生成方法仅考虑用户当前属性数据，所生成的标签只能反映当前时间点的行为特征，有一定的局限性。

发明内容

本发明提供一种标签预测生成方法及装置，既可以生成当前时间点的标签，也可以预测未来时间点的标签，使得用户画像具有前瞻性，可以更好地支持营销推荐。

第一方面，本发明实施例提供一种标签预测生成方法，包括：

选取目标标签，并确定目标标签的历史标签时间序列的起始时间点，目标标签为待预测的标签，确定出与目标标签存在因果关系的变量，变量包括标签和/或属性，根据预设的时间序列预测出目标标签在目标时间点的值，预设的时间序列包括目标标签的历史标签时间序列和变量的历史时间序列，或者，预设的时间序列包括变量的历史时间序列，变量的历史时间序列的起始时间点与目标标签的历史标签时间序列的起始时间点相同，目标时间点为当前时间点或当前时间点之后的时间点。从而可以生成当前时间点的标签，也可以预测未来时间点的标签，使得用户画像具有前瞻性，可以更好地支持营销推荐。

在一种可能的设计中，确定出与目标标签存在因果关系的变量，包括：根据格兰杰因果检验确定出与目标标签存在因果关系的变量。

在一种可能的设计中，预设的时间序列包括目标标签的历史标签时间序列和变量的历史时间序列时，根据目标标签的历史标签时间序列和变量的历史时间序列预测出目标标签在目标时间点的值，包括：根据目标标签的历史标签时间序列和变量的历史时间序列建立数据模型；将变量在目标时间点的预测值作为输入，根据数据模型生成目标标签在目标时间点的值。

在一种可能的设计中，根据格兰杰因果检验确定出与目标标签存在因果关系的变量之前，还包括：选择与目标标签相关联的属性，和/或，根据语义关系或者根据目标标签所属的维度选择与目标标签相关联的标签；对选择的属性和标签进行去重处理，得到待格兰杰因果检验的变量。

在一种可能的设计中，目标标签的历史标签时间序列或变量的历史时间序列的类型为非数值类型时，根据目标标签的历史标签时间序列和变量的历史时间序列建立数据模型之前，还包括：对目标标签的历史标签时间序列和变量的历史时间序列进行数值化变换。