[发明专利]用户兴趣画像方法及相关设备

权利要求书

1.一种用户兴趣画像方法，其特征在于，所述用户兴趣画像方法包括：

获取多个网站、多个兴趣标签和用户的识别信息；

根据所述识别信息判断所述多个网站是否存在所述用户的注册信息，得到存在所述用户的注册信息的多个目标网站；

根据所述多个网站是否存在所述用户的注册信息的判断结果生成所述用户的注册特征向量；

采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值；

从每个目标网站爬取所述用户的多个目标命名实体；

用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值；

基于统计方法计算每个兴趣标签的第三概率值；

将每个兴趣标签的第一概率值、第二概率值和第三概率值中的最大值确定为该兴趣标签的目标概率值；

将目标概率值大于第一预设阈值的兴趣标签确定为所述用户的兴趣标签。

2.如权利要求1所述的用户兴趣画像方法，其特征在于，所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息包括：

在所述多个网站中的指定网站搜索所述识别信息；

若所述指定网站的搜索结果中包括所述识别信息，则所述指定网站存在所述用户的注册信息；

若所述指定网站的搜索结果中不包括所述识别信息，则所述指定网站不存在所述用户的注册信息。

3.如权利要求1所述的用户兴趣画像方法，其特征在于，所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息包括：

根据所述识别信息从所述多个网站中的指定网站授权的接口查询所述用户的注册信息；

若所述指定网站返回所述用户的注册信息，所述指定网站存在所述用户的注册信息；

若所述指定网站没有返回所述用户的注册信息或返回值为空，所述指定网站不存在所述用户的注册信息。

4.如权利要求1所述的用户兴趣画像方法，其特征在于，所述采用聚类方法根据所述用户的注册特征向量确定所述用户的每个兴趣标签的第一概率值包括：

获取多个第一历史用户；

根据所述多个第一历史用户的注册特征向量对所述多个第一历史用户进行聚类，得到多个用户簇和每个用户簇的中心向量；

根据所述用户的注册特征向量和每个用户簇的中心向量的距离确定所述用户所属的目标用户簇；

将所述目标用户簇中每个目标用户有关指定兴趣标签的概率值的均值确定为所述用户的指定兴趣标签的第一概率值，或将所述目标用户簇中指定兴趣标签的概率值大于第二预设阈值的目标用户的数量与所述目标用户簇中目标用户的总数量的比值确定为所述用户的指定兴趣标签的第一概率值。

5.如权利要求1所述的用户兴趣画像方法，其特征在于，所述用训练好的神经网络根据所述多个目标命名实体和每个目标命名实体所属的目标网站计算每个兴趣标签的第二概率值包括：

将每个目标命名实体和该目标命名实体所属的目标网站编码为该目标命名实体的特征向量；

将每个目标命名实体的特征向量输入所述训练好的神经网络，得到该目标命名实体对应的每个兴趣标签的概率值；

计算所述多个命名实体对应的每个兴趣标签的概率值的均值，得到所述兴趣标签的第二概率值。

6.如权利要求1所述的用户兴趣画像方法，其特征在于，所述基于统计方法计算每个兴趣标签的第三概率值包括：

获取在所述多个目标网站存在注册信息的多个第二历史用户，每个第二历史用户的用户兴趣画像包括该第二历史用户的多个标签；

统计用户兴趣画像中存在该兴趣标签的第二历史用户的第一数量；

统计所述多个第二历史用户的第二数量；

计算所述第一数量与所述第二数量的比值，将所述第一数量与所述第二数量的比值作为所述第三概率值。

7.如权利要求1-6中任一项所述的用户兴趣画像方法，其特征在于，在所述根据所述识别信息判断所述多个网站是否存在所述用户的注册信息之前，所述用户兴趣画像方法还包括：获取所述用户的授权。