[发明专利]一种基于用户活动地址的用户画像的方法、装置和系统

说明书

本发明提供一种基于用户活动地址的用户画像的方法和对应的系统，该方法通过获取和分析用户的物理地理位置或/和IP地址，分析用户在不同时段使用的物理地理位置或/和IP地址相对于用户活动地址的含义，通过分析用户使用该物理地理位置或/和IP地址的时段和对应的频次，最后进一步输入人工神经网络训练或推理机，获得最终的基于用户活动地址的用户画像结果，从而能够自动构建出较为准确的用户画像，与现有技术需要采集大量用户数据的方法相比，提高了构建用户画像的智能化程度。

技术领域

本发明涉及数据通信领域，具体而言，涉及一种基于用户活动地址的用户画像的方法、装置和系统。

背景技术

移动终端用户画像通常是刻画移动终端用户特征的标签集合。其中，标签集合包括移动终端用户的家庭地址、日常住址、学习单位、工作单位、常去就餐场所、休闲娱乐场所、旅游地等子特征标签集。

目前，采集所述移动终端用户画像子特征标签集的方式，主要包括手动填写、根据用户的网页浏览记录、上网踪迹等线上行为获取等。这些方式，存在“操作麻烦、数据不够精准”的问题。

有鉴于此，本发明提出一种基于用户活动地址的用户画像的方法。通过移动终端用户在一定时段内在活动地址的活动频次，计算用户的家庭地址、日常住址、学习单位、工作单位、常去就餐场所、休闲娱乐场所、旅游地等用户画像的子特征标签集，从而降低了数据采集的操作成本，提高了数据精确度。

发明内容

本发明的目的是提供一种基于用户活动地址的用户画像的方法，利用该方法可以自动构建出较为精确、细致的用户画像。

本发明所采用的技术方案是：

一方面，本发明提供一种基于用户活动地址的用户画像的方法，包括：

步骤1：

(1.1)预设基于时段标签和频次阈值的用户活动地址的用户画像标签库，其中所述用户活动地址是指在同一个或在设定的距离阈值内的多个相近的物理地理位置或/和IP地址；

(1.2)预先通过候选的基于用户活动地址的用户画像数据样本建立人工神经网络，并利用学习训练模块对神经网络进行训练，直至网络收敛；或者通过候选的基于用户活动地址的用户画像数据样本建立知识库，所述知识库为知识图谱；

步骤2：预设所述相近的物理地理位置或/和IP地址距离阈值；

步骤3：

(3.1)计算获得用户在同一个或在设定的距离阈值内的多个相近的物理地理位置或/和IP地址的时段标签、频次数据；

所述步骤(3.1)的具体实现过程是：获取用户使用移动终端上网时的物理地理位置或/和IP地址，根据用户使用同一个或在设定的距离阈值内的多个相近的物理地理位置或/和IP地址的时段，获得对应的时段标签，并统计该用户在该时段内使用相应的物理地理位置或/和IP地址的频次；

(3.2)匹配预设的基于时段标签和频次阈值的用户活动地址的用户画像标签库，计算基于用户活动地址的用户画像数据候选项；如获得1个候选项，则将其采用为用户画像结果。如获得多个候选项，则进入步骤4；

所述步骤(3.2)的具体实现过程是：根据步骤(3.1)获得的时段标签和频次数据，匹配步骤(1.1)预设的基于时段标签和频次阈值的用户活动地址的用户画像标签库，以用户画像标签库中对应的标签作为基于用户活动地址的用户画像标签候选项，用户在同一时段使用不同的物理地理位置或/和IP地址时，可以获得多个基于用户活动地址的用户画像标签候选项，将所述基于用户活动地址的用户画像的标签候选项，及对应的用户活动地址、用户使用用户活动地址的时段标签、一次使用的时间长度、时段内的使用频率、次数、累计时间长度，组成基于用户活动地址的用户画像数据候选项；