[发明专利]一种基于大数据建立用户画像的方法及系统

说明书

本发明公开了一种基于大数据建立用户画像的方法及系统，属于大数据应用技术领域。本发明的基于大数据建立用户画像的方法包括以下步骤：S1：构建用户画像标签体系。S2：对数据进行预处理。S3：样本自动标注。S4：用户数据采样样本不平衡处理。S5：特征工程。S6：模型训练。采用多分类模型和二分类模型相结合。S7：模型优化。该发明的基于大数据建立用户画像的方法及系统能够提高用户画像准确度，从而可以构建个性化智能推荐系统、精准营销及精准广告，具有很好的推广应用价值。

技术领域

本发明涉及大数据应用技术领域，具体提供一种基于大数据建立用户画像的方法及系统。

背景技术

随着大数据时代的到来，整合的用户数据越来越多，信息量越来越大，如何有效利用积累的数据，获取更精准更有价值的数据信息，并将得到的有价值的数据信息通过有效标签化的展示方式呈现，进而建立精准用户画像，是现在大数据领域所面临的问题。现有技术中用户画像更多的是人工干预打标签的方式，耗费人力多，被打上标签跟打标签者主要偏好性差别大，标签准确性堪忧。

发明内容

本发明的技术任务是针对上述存在的问题，提供一种能够提高用户画像准确度，从而可以构建个性化智能推荐系统、精准营销及精准广告的基于大数据建立用户画像的方法。

本发明进一步的技术任务是提供一种基于大数据建立用户画像的系统。

为实现上述目的，本发明提供了如下技术方案：

一种基于大数据建立用户画像的方法，所述方法包括以下步骤：

S1：构建用户画像标签体系

将用户数据归一化到目标有效的标签体系，标签分为结构化和非结构化，结构化标签有明确层级关联父子分类关系，标签规整，非结构化标签没有层级关系，标签分散；

S2：对数据进行预处理；

S3：样本自动标注

采用样本半监督学习自动标注；

S4：用户数据采样样本不平衡处理

对于数据层采样样本进行过采样或欠采样处理，对于算法层采样样本进行代价敏感和集成学习处理；

S5：特征工程

样本集合构建完成，从样本中提取特征，根据特定数据类型，做特征分类；

S6：模型训练

采用多分类模型和二分类模型相结合；

S7：模型优化

分析模型是过拟合或欠拟合，并对模型进行优化。

所述用户画像就是根据用户的数据抽象出的标签化的用户模型，即用户数据标签化，也就是提炼数据并打上标签。对数据预处理后，提取采样样本，对用户画像标签建模，结合机器学习、深度学习包括深度强化学习、迁移学习、自然语言处理等方法不断优化结果，提高用户画像准确度。