[发明专利]用户兴趣识别方法、装置、电子设备及存储介质

说明书

本发明的实施方式提供了一种用户兴趣识别方法、装置、电子设备及计算机可读存储介质，涉及计算机技术领域。该用户兴趣识别方法包括：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而构建；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。本发明实施例的技术方案，能够提高兴趣识别的准确性。

背景技术

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

随着大数据的发展，兴趣偏好对推荐结果是否准确至关重要。因此，需要准确地构建用户画像来识别用户的兴趣偏好。

相关技术中，一般是基于人工构造的标签体系来生成用户画像，从而进行兴趣识别。对于系统内的数据，通过人工和算法打上各种维度的标签，通过分析数据上的标签来归纳用户的兴趣。常见的分析用户兴趣的方法是时间衰减法，即对用户给予正反馈的物品的标签归入用户兴趣偏好，并随着时间进行加权和衰减。

发明内容

但是，相关技术中，通过标签识别兴趣的方案，其扩展性较差，且使用标签描述时存在信息损耗和不完整的问题，因此不能全面地确定用户兴趣；另外，识别用户兴趣时存在一定偏差，导致准确性较低。

为此，非常需要一种改进的用户兴趣识别方法，以利于准确识别用户兴趣。

在本上下文中，本发明的实施方式期望提供一种用户兴趣识别方法、用户兴趣识别装置、电子设备及计算机存储介质。

根据本发明的一个方面，提供一种用户兴趣识别方法，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而构建；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。

在本发明的一种示例性实施例中，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。

在本发明的一种示例性实施例中，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。

在本发明的一种示例性实施例中，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。

在本发明的一种示例性实施例中，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。

在本发明的一种示例性实施例中，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；从所述第一行为序列数据中，获取能够用于表示长期兴趣画像的多个参考行为数据构建所述用户画像模型。