[发明专利]基于深度学习的用户画像优化方法、装置及存储介质

权利要求书

1.一种基于深度学习的用户画像优化方法，其特征在于，包括：

获取目标用户的初级用户画像，其中，所述初级用户画像包括用户基础信息、设备基础信息以及地理位置信息中的至少一种，所述用户基础信息表示用户相关的信息，所述设备基础信息表示终端设备相关的信息，所述地理位置信息表示用户的位置信息；

获取所述目标用户在预设时段内的交互行为信息，其中，所述交互行为信息包括兴趣点信息、接入点轨迹信息、应用流量信息以及应用时间信息中的至少一种，所述接入点轨迹信息表示所述终端设备的接入顺序；

根据所述初级用户画像生成第一特征向量；

根据所述交互行为信息生成第二特征向量；

对所述第一特征向量与所述第二特征向量进行拼接处理，以得到所述目标特征向量；

调用用户画像优化模型对所述目标特征向量进行用户画像优化处理，以输出所述目标用户所对应的优化用户画像；

所述调用用户画像优化模型对所述目标特征向量进行用户画像优化处理，以输出所述目标用户所对应的优化用户画像，包括：

调用所述用户画像优化模型所包括的嵌入层对所述目标特征向量进行嵌入特征向量提取处理，得到M个嵌入特征向量，其中，所述M个嵌入特征向量中的每个嵌入特征向量具有相等的维度数，所述M为大于1的整数；

调用所述用户画像优化模型所包括的交互层对所述M个嵌入特征向量进行注意力特征向量提取处理，得到M个注意力特征向量；

调用所述用户画像优化模型所包括的残差网络对所述M个注意力特征向量进行残差特征向量提取处理，得到M个残差特征向量；

调用所述用户画像优化模型所包括的输出层对所述M个残差特征向量进行概率分布计算处理，得到目标概率分布；

根据所述目标概率分布确定所述目标用户所对应的优化用户画像。

2.根据权利要求1所述的用户画像优化方法，其特征在于，所述获取目标用户的初级用户画像之前，所述方法还包括：

接收所述终端设备发送的业务请求，其中，所述业务请求携带所述目标用户的标识；

所述获取目标用户的初级用户画像，包括：

根据所述业务请求，从第一数据库中获取所述目标用户的所述初级用户画像，其中，所述第一数据库用于存储至少一个用户所对应的初级用户画像；

所述获取所述目标用户在预设时段内的交互行为信息，包括：

根据所述业务请求，从第二数据库中获取所述目标用户在所述预设时段内的所述交互行为信息，其中，所述第二数据库用于存储至少一个用户在不同时间窗口以及时间段内的交互行为信息。

3.根据权利要求1所述的用户画像优化方法，其特征在于，所述初级用户画像包括所述用户基础信息、所述设备基础信息以及所述地理位置信息，所述用户基础信息包括至少一类画像属性标签，所述设备基础信息包括至少一类设备属性标签，所述地理位置信息包括至少一类位置属性标签；

所述根据所述初级用户画像生成所述第一特征向量，包括：

针对于所述初级用户画像中的每类画像属性标签，对所述每类画像属性标签所对应的属性内容进行独热编码，以得到所述每类画像属性标签的独热编码向量，其中，所述每类画像属性标签的独热编码向量包含于所述第一特征向量；

针对于所述初级用户画像中的每类设备属性标签，对所述每类设备属性标签所对应的属性内容进行独热编码，以得到所述每类设备属性标签的独热编码向量，其中，所述每类设备属性标签的独热编码向量包含于所述第一特征向量；

针对于所述初级用户画像中的每类位置属性标签，对所述每类位置属性标签所对应的属性内容进行独热编码，以得到所述每类位置属性标签的独热编码向量，其中，所述每类位置属性标签的独热编码向量包含于所述第一特征向量。

4.根据权利要求1所述的用户画像优化方法，其特征在于，所述设备基础信息包括设备固定信息以及设备变量信息；

所述根据所述初级用户画像生成所述第一特征向量，包括：

对所述设备固定信息进行特征缩放处理，以得到已缩放特征，其中，所述已缩放特征包含于所述第一特征向量；

根据变量划分规则确定所述设备变量信息所对应的合并编码特征，其中，所述合并编码特征包含于所述第一特征向量。