[发明专利]用户分类方法、装置、电子设备及存储介质

权利要求书

1.一种用户分类方法，其特征在于，所述方法包括：

根据用户文本数据，获取每个词类的词类特征，其中，所述词类是基于所述用户文本数据中的关键词聚类得到的；

根据生成的词类特征，以及每个用户与词类之间的关系，生成每个用户的词类特征向量，其中，所述词类特征向量为N维的向量，N为词类的总数；

根据每个用户的词类特征向量，获取每个用户关于预设各主题的概率分布；

对于每个用户，根据预设的词类与预设各业务场景的映射关系、词类在预设各主题下的概率分布，以及所述用户关于预设各主题的概率分布，生成所述用户关于预设各业务场景的概率分布。

2.根据权利要求1所述的方法，其特征在于，所述对于每个用户，根据预设的词类与预设各业务场景的映射关系、词类在预设各主题下的概率分布，以及所述用户关于预设各主题的概率分布，生成所述用户关于预设各业务场景的概率分布，包括：

对于每个用户，将词类在预设各主题下的概率分布，与所述用户关于预设各主题的概率分布进行相乘，得到所述用户关于预设各主题下各词类的概率分布；

根据预设的词类与预设各业务场景的映射关系，以及所述用户关于预设各主题下各词类的概率分布，生成所述用户关于预设各业务场景下预设各主题的概率分布；

将所述用户关于预设各业务场景下预设各主题的概率分布，与所述用户关于预设各主题的概率分布进行相乘，生成所述用户关于预设各业务场景的概率分布。

3.根据权利要求1或2所述的方法，其特征在于，所述根据用户文本数据，获取每个词类的词类特征，包括：

对用户文本数据中每个词类下各关键词对应的用户行为特征进行处理，得到每个词类下各关键词对应的各用户行为特征的权重，将每个词类下各关键词对应的各用户行为特征与对应的权重进行加权求和，得到每个词类下各关键词的综合特征，其中，所述用户行为特征包括：用户数、天数、次数和时长；

对用户文本数据中每个词类下各关键词对应的用户行为与预设的多个画像标签进行处理，得到每个词类下各关键词对应的画像标签的行为偏好，将各关键词对应的行为偏好，确定为对应关键词的词权重；

对于每个词类，将所述词类下各关键词的综合特征与对应的词权重进行加权求和，得到所述词类的词类特征。

4.根据权利要求3所述的方法，其特征在于，所述生成所述用户关于预设各业务场景的概率分布之后，还包括：

对于每个主题下的每个词类，将所述词类下各关键词的词权重与对应词类在所述主题下的概率分布进行相乘，得到所述词类下各关键词在所述主题下的概率分布；

获取所述主题下各关键词的用户覆盖率和点击率；

对于所述主题下的每个关键词，将所述关键词在所述主题下的概率、用户覆盖率和点击率进行相乘，得到所述主题下所述关键词的推荐系数；

按照关键词的推荐系数降序，输出包含对应关键词的业务文案建议。

5.根据权利要求1所述的方法，其特征在于，所述生成所述用户关于预设各业务场景的概率分布之后，还包括：

获取预设的画像标签集合，所述画像标签集合中包含多个画像标签；

根据所述用户关于预设各业务场景的概率分布，计算所述各业务场景与所述画像标签集合内各画像标签的相关性；

将相关性较高的画像标签作为所述用户的人群描述信息。

6.一种用户分类装置，其特征在于，所述装置包括：

第一获取模块，用于根据用户文本数据，获取每个词类的词类特征，其中，所述词类是基于所述用户文本数据中的关键词聚类得到的；

第一生成模块，用于根据生成的词类特征，以及每个用户与词类之间的关系，生成每个用户的词类特征向量，其中，所述词类特征向量为N维的向量，N为词类的总数；

第二获取模块，用于根据每个用户的词类特征向量，获取每个用户关于预设各主题的概率分布；

第二生成模块，用于对于每个用户，根据预设的词类与预设各业务场景的映射关系、词类在预设各主题下的概率分布，以及所述用户关于预设各主题的概率分布，生成所述用户关于预设各业务场景的概率分布。