[发明专利]基于知识图谱的用户动态个性化画像方法

说明书

本发明公开了一种基于知识图谱的用户动态个性化画像方法，包括：实时采集所要画像用户的用户数据，输入命名实体识别模型以获取用户数据中的实体和相应的实体关系；基于知识融合技术对实体进行数据归类，得到用户多维的行为数据；针对行为数据进行字段筛选后构建面向用户画像的知识图谱；将知识图谱中实体采用词向量表示，计算词语之间的欧式距离；根据欧式距离确定知识图谱中语义相近的实体以及词语与实体之间的相关性，根据相关性构建用户行为标签表；根据实时采集数据的迭代处理更新用户行为标签表，并构建用户的动态个性化画像。通过本发明的技术方案，得到了用户的动态个性化画像，保证了用户画像的精准性和实时性。

技术领域

本发明涉及用户画像技术领域，尤其涉及一种基于知识图谱的用户动态个性化画像方法。

背景技术

目前，随着大数据技术的广泛应用，不同领域都利用大数据来对其用户进行相应的分析，以便得到其用户人群的特征和属性，来进一步扩展用户。对此，针对用户人群的画像技术就受到重视而发展起来。

但现有的针对用户的画像方法，对于不同人群、不同用户采用相同的算法，采用的语料和数据也是来自多渠道、多领域的数据，只能简单反映用户的画像，无法体系的、系统的、精准的反映出针对不同领域用户人群的个性化画像，而且，由于用户的兴趣点和关注点等更新、变化速度较快，现有技术无法快速、动态地更新其用户画像，对于用户画像的精准度和实时性均有影响。

发明内容

针对上述问题，本发明提供了一种基于知识图谱的用户动态个性化画像方法，通过对用户画像所采集到的数据进行知识图谱的构建，从而能够对用户数据中的实体、实体关系和属性等进行挖掘和分析，并利用可视化技术形象展示，与用户画像技术也能进行有机的结合，此外，通过词向量空间中欧式距离的计算，来得到当前用户的数据中的语义相近实体，从而通过向量相似性得到最能代表当前用户的特征标签，再通过对用户数据的实时采集更新，从而得到用户的动态个性化画像，保证了用户画像的精准性和实时性。

为实现上述目的，本发明提供了一种基于知识图谱的用户动态个性化画像方法，包括：实时采集所要画像用户的用户数据；将所述用户数据输入命名实体识别模型以获取所述用户数据中的实体和相应的实体关系；基于知识融合技术对所述实体进行数据归类，得到所述用户多维的行为数据；针对所述行为数据进行字段筛选后构建面向用户画像的知识图谱；将所述知识图谱中实体采用词向量表示，在词向量空间中计算词语之间的欧式距离；根据所述欧式距离确定所述知识图谱中语义相近的实体以及词语与所述实体之间的相关性，根据所述相关性构建用户行为标签表；根据实时采集数据的迭代处理更新所述用户行为标签表，并构建所述用户的动态个性化画像。

在上述技术方案中，优选地，所述实时采集所要画像用户的用户数据具体包括：通过数据抓取工具针对所述用户的多终端、多系统和多领域数据进行实时动态抓取。

在上述技术方案中，优选地，所述将所述用户数据输入命名实体识别模型以获取所述用户数据中的实体和相应的实体关系具体包括：将所述用户数据输入基于深度学习的命名实体识别模型中；所述命名实体识别模型对所述用户数据进行实体识别和关系抽取，得到所述用户数据中的实体和相应实体之间的实体关系。

在上述技术方案中，优选地，所述基于知识融合技术对所述实体进行数据归类得到所述用户多维的行为数据具体包括：采用基于跨模态共享子空间学习理论的知识融合技术对所述命名实体识别模型获取得到的所述实体进行分类，得到多维度的实体分类作为所述用户的行为数据。

在上述技术方案中，优选地，所述将所述知识图谱中实体采用词向量表示，在词向量空间中计算词语之间的欧式距离具体包括：利用深度语义模型将所述知识图谱中的实体采用词向量进行表示，形成词向量空间；利用知识图谱的实体之间的语义相似性和逻辑相关性，在所述词向量空间中计算相关词语之间的欧式距离。