[发明专利]小区画像构建方法、装置及存储介质

权利要求书

1.一种小区画像构建方法，其特征在于，包括：

获取小区的基础公开数据和扩展统计数据；

对所述基础公开数据进行分类，得到与所述小区对应的多维度基础标签；

基于所述扩展统计数据，得到与所述小区对应的多维度扩展标签；

根据所述多维度基础标签和所述多维度扩展标签，生成与所述小区对应的小区画像；

其中，所述基础公开数据为与所述小区关联的静态数据，所述扩展统计数据为与所述小区关联的周期性更新的数据。

2.如权利要求1所述的方法，其特征在于，根据所述多维度基础标签和所述多维度扩展标签，生成与所述小区对应的小区画像，包括：

根据与所述小区对应的历史关注度标签和预先先建立的基于时间衰减函数构建的衰减模型，得到与所述小区对应的关注度标签；

根据所述关注度标签、所述多维度基础标签和所述多维度扩展标签，生成与所述小区对应的小区画像；

其中，所述关注度标签为表征用户对目标商品的关注度的标签。

3.如权利要求1所述的方法，其特征在于，所述基于所述小区的扩展统计数据，得到与所述小区对应的多维度扩展标签，包括：

根据k-近邻算法、所述小区的扩展统计数据、多个相邻小区的扩展统计数据和与所述多个相邻小区一一对应的多个多维度扩展标签，得到与所述小区对应的多维度扩展标签。

4.如权利要求3所述的方法，其特征在于，所述根据k-近邻算法、所述小区的扩展统计数据、多个相邻小区的扩展统计数据和与所述多个相邻小区一一对应的多个多维度扩展标签，得到与所述小区对应的多维度扩展标签，包括:

根据k-近邻算法、所述小区的扩展统计数据、多个相邻小区的扩展统计数据，计算出多个相邻小区中每个相邻小区的扩展统计数据与所述小区的扩展统计数据的矢量距离；

每个矢量距离对应的权重以及与所述多个相邻小区一一对应的多个多维度扩展标签，得到与所述小区对应的多维度扩展标签。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

对所述基础公开数据和所述扩展统计数据进行数据清洗；

所述对所述基础公开数据进行分类，得到与所述小区对应的多维度基础标签，包括：

对数据清洗后的基础公开数据进行分类，得到与所述小区对应的多维度基础标签；

所述基于所述扩展统计数据，得到与所述小区对应的多维度扩展标签，包括：

通过聚类算法对数据清洗后的扩展统计数据进行聚类，得到与所述小区对应的多维度扩展标签。

6.如权利要求1所述的方法，其特征在于，所述根据所述多维度基础标签和所述多维度扩展标签，生成与所述小区对应的小区画像，包括：

根据所述多维度基础标签、所述多维度扩展标签和预先建立的评分模型，得到与所述小区对应的评分标签；

根据所述多维度基础标签、所述多维度扩展标签和所述评分标签，生成与所述小区对应的小区画像；

其中，所述评分标签用于表征所述小区对目标商品的接受程度。

7.一种小区画像构建装置，其特征在于，包括：

获取单元，用于获取小区的基础公开数据和扩展统计数据；

分类单元，用于所述基础公开数据进行分类，得到与所述小区对应的多维度基础标签；

确定单元，用于基于所述扩展统计数据，得到与所述小区对应的多维度扩展标签；

生成单元，用于根据所述多维度基础标签和所述多维度扩展标签，生成与所述小区对应的小区画像；

其中，所述基础公开数据为与所述小区关联的静态数据，所述扩展统计数据为与所述小区关联的周期性更新的数据。