[发明专利]用户兴趣识别方法、装置、电子设备及存储介质

权利要求书

1.一种用户兴趣识别方法，其特征在于，包括：

获取目标用户的当前行为数据；

确定所述当前行为数据与用户画像模型中包含的所有参考行为数据的相关度，所述用户画像模型通过用于表示所述目标用户的长期兴趣画像的多个参考行为数据形成的集合而构建，所述多个所述参考行为数据为从第一行为序列数据中，根据所述长期兴趣画像中需要包含的兴趣类别以及各兴趣类别的数量组成的类别信息而确定；

将所述相关度与相关度阈值进行对比，根据所述相关度大于所述相关度阈值的参考行为数据的数量是否满足数量条件，确定当前行为数据是否属于长期兴趣画像。

2.根据权利要求1所述的用户兴趣识别方法，其特征在于，所述确定所述当前行为数据与用户画像模型中包含的所有参考行为数据的相关度，包括：

对所述当前行为数据进行特征提取得到当前行为特征；

对所述用户画像模型中的每个参考行为数据进行特征提取，得到参考行为特征；

根据所述当前行为特征和所述参考行为特征进行相似度计算，确定所述当前行为数据与每个所述参考行为数据之间的所述相关度。

3.根据权利要求1所述的用户兴趣识别方法，其特征在于，所述将所述相关度与相关度阈值进行对比，以识别所述当前行为数据是否属于长期兴趣画像，包括：

若与所述当前行为数据之间的相关度大于所述相关度阈值的参考行为数据的数量满足数量条件，则确定所述当前行为数据属于所述长期兴趣画像。

4.根据权利要求3所述的用户兴趣识别方法，其特征在于，还包括：

若与所述当前行为数据之间的相关度大于所述相关度阈值的参考行为数据的数量不满足数量条件，则确定所述当前行为数据属于实时兴趣画像。

5.根据权利要求1所述的用户兴趣识别方法，其特征在于，所述方法还包括：

若所述当前行为数据属于长期兴趣画像，根据第一概率确定是否使用所述当前行为数据对所述用户画像模型进行更新；

若确定使用所述当前行为数据对所述用户画像模型进行更新，则根据第二概率从所述用户画像模型的所有参考行为数据中，随机确定一个参考行为数据作为目标行为数据；

根据所述当前行为数据对所述目标行为数据进行替换，得到更新后的用户画像模型。

6.根据权利要求1所述的用户兴趣识别方法，其特征在于，在确定所述当前行为数据与用户画像模型中包含的所有参考行为数据的相关度之前，所述方法还包括：

获取第一预设时长内的所述目标用户的多个历史行为数据；

对所述多个历史行为数据进行清洗操作，得到第一行为序列数据。

7.根据权利要求1所述的用户兴趣识别方法，其特征在于，所述根据所述长期兴趣画像中需要包含的兴趣类别以及各兴趣类别的数量组成的类别信息，确定多个所述参考行为数据，包括：

确定每个兴趣类别的历史行为数据出现一次的概率以及未出现的概率；

在确定每个兴趣类别的历史行为数据出现一次的概率与未出现的概率之和小于概率阈值时，确定预设数量；

从所述第一行为序列数据中，确定出所述预设数量的历史行为数据作为多个所述参考行为数据。

8.根据权利要求1所述的用户兴趣识别方法，其特征在于，在得到所述用户画像模型之后，所述方法还包括：

获取第二预设时长内的历史行为数据；

对所述第二预设时长内的历史行为数据进行清洗操作，得到第二行为序列数据；

从所述第二行为序列数据中，根据长期兴趣画像中需要包含的兴趣类别以及各兴趣类别的数量组成的类别信息，获取多个参考行为数据作为重建的用户画像模型。