[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

说明书

本申请公开了一种基于深度学习实现的用户画像优化方法，获取目标用户的初级用户画像；获取目标用户在预设时段内的交互行为信息；根据初级用户画像生成第一特征向量；根据交互行为信息生成第二特征向量；对第一特征向量与第二特征向量进行拼接处理，以得到目标特征向量；调用用户画像优化模型对目标特征向量进行用户画像优化处理，以输出目标用户所对应的优化用户画像。本申请还提供了相关装置、设备及介质。本申请结合初级用户画像以及用户在预设时段内的交互行为信息，挖掘出更多的用户行为特征和用户基本特征，利用深度学习模型学习这些特征之间的关联，从而有利于预测得到更准确的用户画像。

技术领域

本申请涉及人工智能领域，尤其涉及基于深度学习的用户画像优化方法、装置及存储介质。

背景技术

用户行为的分析和建模在社会研究中具有重要意义，无处不在的计算和通信技术使得人们能够大规模的访问和共享信息。而信息的分享和通知功能，允许用户和其他成员之间保持联系，而这些信息也帮助用户形成显性和隐性的组织。

一个组织对应于一个级别信息，以家庭组织为例，家庭组织对应的家庭级别信息包括“1人”，“2至3人”，“3至5人”，以及“5人以上”。目前，可采用人工经验的方法确定级别信息，即根据业务经验和个人基础画像设定的识别规则，例如，认为年龄在20至24岁的用户，其对应的家庭级别信息为“3至5人”。

然而，基于人工经验确定级别信息的规则，不仅能够使用的规则数量非常有限，而且无法捕捉规则之间交叉的高维特征信息，例如，特征A是“女性”，特征B是“20至25岁”，但无法根据特征A和特征B确定“年轻女性”这一特征，也无法确定每个规则的最优参数，从而导致组织级别的预测结果并不准确。

发明内容

本申请实施例提供了基于深度学习的用户画像优化方法、装置及存储介质，结合初级用户画像以及用户在预设时段内的交互行为信息，能够挖掘出更多的用户行为特征和用户基本特征，再利用深度学习模型学习这些特征之间的关联，从而有利于预测得到更准确的用户画像。

有鉴于此，本申请一方面提供一种基于深度学习的用户画像优化方法，包括：

获取目标用户的初级用户画像，其中，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，用户基础信息表示用户相关的信息，设备基础信息表示终端设备相关的信息，地理位置信息表示用户的位置信息；

获取目标用户在预设时段内的交互行为信息，其中，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，接入点轨迹信息表示终端设备的接入顺序；

根据初级用户画像以及交互行为信息，生成目标特征向量，其中，目标特征向量是由第一特征向量以及第二特征向量拼接后得到的，第一特征向量为基于初级用户画像生成的，第二特征向量为基于交互行为信息生成的；

调用用户画像优化模型对目标特征向量进行用户画像优化处理，以输出目标用户所对应的优化用户画像。

本申请另一方面提供一种用户画像优化装置，包括：

获取模块，用于获取目标用户的初级用户画像，其中，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，用户基础信息表示用户相关的信息，设备基础信息表示终端设备相关的信息，地理位置信息表示用户的位置信息；

获取模块，还用于获取目标用户在预设时段内的交互行为信息，其中，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，接入点轨迹信息表示终端设备的接入顺序；

生成模块，用于根据初级用户画像生成第一特征向量；

生成模块，还用于根据交互行为信息生成第二特征向量；

生成模块，还用于对第一特征向量与第二特征向量进行拼接处理，以得到目标特征向量；