用户画像标签的生成方法及系统实用新型专利

专利申请类型:实用新型专利;
地区:山东-青岛；
源自:青岛高价值专利检索信息库;

专利名称：用户画像标签的生成方法及系统

专利类型：实用新型专利

专利申请号：CN202410683002.9

专利申请（专利权）人：青岛益生康健科技股份有限公司
权利人地址：山东省青岛市黄岛区峨眉山路396号37栋

专利发明（设计）人：王志鸿,李国强,郑卫华,柯静,纪成刚,杨洁,王义坤,邵延哪,金良

专利摘要：本申请实施例涉及计算机技术领域，公开了用户画像标签的生成方法及系统，该方法根据用户在不同外界环境下的历史行为数据生成在不同外界环境下的用户画像标签，当不同环境下用户画像标签的特征标签属性关联度较大时，则将不同外界环境下的用户画像标签进行聚合处理得到目标用户画像标签；当不同环境下用户画像标签的特征标签属性关联度较小时，形成不同外界环境下的用户画像标签，以方便内容推送方在不同环境下根据对应的用户画像标签进行对应内容的推送，如此，通过综合考虑不同外界环境的历史行为数据以及标签属性之间的属性关联度以形成目标用户画像标签，大大提高了标签生成的准确性和丰富性。

主权利要求：
1.用户画像标签的生成方法，其特征在于，所述方法包括：
获取用户在第一外界环境及第二外界环境下的历史行为数据，其中，所述第一外界环境与第二外界环境为相对立的外界环境；
根据预设的内容推送规则，对用户在第一外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第一特征标签，以及对用户在第二外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第二特征标签；
根据所述第一特征标签生成用户在第一外界环境下的用户画像标签，以及根据所述第二特征标签生成用户在第二外界环境下的用户画像标签；
根据属性特征判断所述第一特征标签与第二特征标签之间的属性关联度；
确定所述第一特征标签与第二特征标签之间的属性关联度大于或等于预设关联度阈值，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行聚合处理以得到目标用户画像标签；
所述获取用户在第一外界环境及第二外界环境下的历史行为数据，包括：通过用户的数据日记获取第一外界环境和第二外界环境的识别信息；
根据所述识别信息从数据日记中筛选出用户在第一外界环境和第二外界环境下的历史行为数据；
所述识别信息为第一时间信息，所述根据所述识别信息从数据日记中筛选出用户在第一外界环境和第二外界环境下的历史行为数据，包括：通过所述第一时间信息将第一外界环境及第二外界环境识别为工作日时间以及非工作日时间；
从数据日记中筛选出用户在工作日时间和非工作日时间下的历史行为数据作为所述第一外界环境和第二外界环境下的历史行为数据；
所述识别信息为第二时间信息，所述根据所述识别信息从数据日记中筛选出用户在第一外界环境和第二外界环境下的历史行为数据，包括：通过所述第二时间信息将第一外界环境及第二外界环境识别为白昼时间以及黑夜时间；
从数据日记中筛选出用户在白昼时间和黑夜时间下的历史行为数据作为所述第一外界环境和第二外界环境下的历史行为数据。
2.如权利要求1所述的用户画像标签的生成方法，其特征在于，所述根据属性特征判断所述第一特征标签与第二特征标签之间的属性关联度之后，还包括：确定所述第一特征标签与第二特征标签之间的属性关联度小于预设关联度阈值，将用户在第一外界环境下的用户画像标签作为第一外界环境下的目标用户画像标签，将用户在第二外界环境下的用户画像标签作为第二外界环境下的目标用户画像标签。
3.如权利要求1所述的用户画像标签的生成方法，其特征在于，所述根据属性特征判断所述第一特征标签与第二特征标签之间的属性关联度，包括：获取第一特征标签与第二特征标签的多个属性特征；
基于关联度预测模型对所述第一特征标签与第二特征标签的多个属性特征进行关联预测分析以得到属性关联度，其中，所述关联度预测模型满足如下表达式：L(i)]*P0+B01（n≤3）
L(i)]*P0+B02（n>3）
式中，n为第一特征标签与第二特征标签的属性特征总个数， 为第i个属性特征的权重系数，L(i)为第一特征标签与第二特征标签在第i个属性特征下的相似度，P0为关联度调整因子，0
B02。
4.如权利要求1所述的用户画像标签的生成方法，其特征在于，所述根据预设的内容推送规则，对用户在第一外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第一特征标签，包括：根据预设的内容推送规则确定一个或多个目标维度；
基于所述一个或多个目标维度对用户在第一外界环境下的历史行为数据进行特征提取以得到所述第一特征标签；和/或，所述根据预设的内容推送规则，对用户在第二外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第二特征标签，包括：根据预设的内容推送规则确定一个或多个目标维度；
基于所述一个或多个目标维度对用户在第二外界环境下的历史行为数据进行特征提取以得到所述第二特征标签。
5.如权利要求1所述的用户画像标签的生成方法，其特征在于，所述对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行聚合处理以得到目标用户画像标签，包括：按照预设的聚合处理规则，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行属性特征聚合处理以得到目标用户画像标签，其中，属性特征聚合处理为第一特征标签的属性特征与第二特征标签的属性特征进行聚合。
6.如权利要求5所述的用户画像标签的生成方法，其特征在于，所述按照预设的聚合处理规则，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行属性特征聚合处理以得到目标用户画像标签，包括：按照关联度排序规则，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行属性特征聚合处理以得到多个目标用户画像标签，其中，所述多个目标用户画像标签按照属性特征关联度排序得到第一目标用户画像标签及第二目标用户画像标签。
7.用户画像标签的生成系统，其特征在于，包括存储器及处理器，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行如权利要求1至6任一项所述的方法。 说明书 : 用户画像标签的生成方法及系统技术领域[0001] 本发明涉及计算机技术领域，具体涉及用户画像标签的生成方法及系统。背景技术[0002] 随着大数据和人工智能技术的快速发展，用户画像标签形成机制也在不断演进和改进。传统的用户画像标签生成方法主要依赖于用户的基础信息和简单的行为数据，难以全面、准确地反映用户的真实需求和特征。因此，如何改进用户画像标签的生成方法，提高标签的准确性和丰富性，成为了当前企业和研究机构面临的重要问题。发明内容[0003] 本发明的主要目的是提供用户画像标签的生成方法及系统，旨在解决现有技术中用户画像标签难以全面、准确地反映用户的真实需求和特征的技术问题。[0004] 为实现上述目的，第一方面，本申请实施例中提供了用户画像标签的生成方法，所述方法包括：[0005] 获取用户在第一外界环境及第二外界环境下的历史行为数据，其中，所述第一外界环境与第二外界环境为相对立的外界环境；[0006] 根据预设的内容推送规则，对用户在第一外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第一特征标签，以及对用户在第二外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第二特征标签；[0007] 根据所述第一特征标签生成用户在第一外界环境下的用户画像标签，以及根据所述第二特征标签生成用户在第二外界环境下的用户画像标签；[0008] 根据属性特征判断所述第一特征标签与第二特征标签之间的属性关联度；[0009] 确定所述第一特征标签与第二特征标签之间的属性关联度大于或等于预设关联度阈值，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行聚合处理以得到目标用户画像标签。[0010] 在一种可能的实现方式中，所述根据属性特征判断所述第一特征标签与第二特征标签之间的属性关联度之后，还包括：[0011] 确定所述第一特征标签与第二特征标签之间的属性关联度小于预设关联度阈值，将用户在第一外界环境下的用户画像标签作为第一外界环境下的目标用户画像标签，将用户在第二外界环境下的用户画像标签作为第二外界环境下的目标用户画像标签。[0012] 在一种可能的实现方式中，所述根据属性特征判断所述第一特征标签与第二特征标签之间的属性关联度，包括：[0013] 获取第一特征标签与第二特征标签的多个属性特征；[0014] 基于关联度预测模型对所述第一特征标签与第二特征标签的多个属性特征进行关联预测分析以得到属性关联度，其中，所述关联度预测模型满足如下表达式：[0015][0016] n为第一特征标签与第二特征标签的属性特征总个数， 为第i个属性特征的权重系数，L(i)为第一特征标签与第二特征标签在第i个属性特征下的相似度，P0为关联度调整因子，0
B02。[0017] 在一种可能的实现方式中，所述根据预设的内容推送规则，对用户在第一外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第一特征标签，包括：[0018] 根据预设的内容推送规则确定一个或多个目标维度；[0019] 基于所述一个或多个目标维度对用户在第一外界环境下的历史行为数据进行特征提取以得到所述第一特征标签；和/或，[0020] 所述根据预设的内容推送规则，对用户在第二外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第二特征标签，包括：[0021] 根据预设的内容推送规则确定一个或多个目标维度；[0022] 基于所述一个或多个目标维度对用户在第二外界环境下的历史行为数据进行特征提取以得到所述第二特征标签。[0023] 在一种可能的实现方式中，所述对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行聚合处理以得到目标用户画像标签，包括：[0024] 按照预设的聚合处理规则，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行属性特征聚合处理以得到目标用户画像标签，其中，属性特征聚合处理为第一特征标签的属性特征与第二特征标签的属性特征进行聚合。[0025] 在一种可能的实现方式中，所述按照预设的聚合处理规则，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行属性特征聚合处理以得到目标用户画像标签，包括：[0026] 按照关联度排序规则，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行属性特征聚合处理以得到多个目标用户画像标签，其中，所述多个目标用户画像标签按照属性特征关联度排序得到第一目标用户画像标签及第二目标用户画像标签。[0027] 在一种可能的实现方式中，所述获取用户在第一外界环境及第二外界环境下的历史行为数据，包括：[0028] 通过用户的数据日记获取第一外界环境和第二外界环境的识别信息；[0029] 根据所述识别信息从数据日记中筛选出用户在第一外界环境和第二外界环境下的历史行为数据。[0030] 在一种可能的实现方式中，所述识别信息为第一时间信息，所述根据所述识别信息从数据日记中筛选出用户在第一外界环境和第二外界环境下的历史行为数据，包括：[0031] 通过所述第一时间信息将第一外界环境及第二外界环境识别为工作日时间以及非工作日时间；[0032] 从数据日记中筛选出用户在工作日时间和非工作日时间下的历史行为数据作为所述第一外界环境和第二外界环境下的历史行为数据。[0033] 在一种可能的实现方式中，所述识别信息为第二时间信息，所述根据所述识别信息从数据日记中筛选出用户在第一外界环境和第二外界环境下的历史行为数据，包括：[0034] 通过所述第二时间信息将第一外界环境及第二外界环境识别为白昼时间以及黑夜时间；[0035] 从数据日记中筛选出用户在白昼时间和黑夜时间下的历史行为数据作为所述第一外界环境和第二外界环境下的历史行为数据。[0036] 第二方面，本申请实施例中还提供了用户画像标签的生成系统，包括存储器及处理器，所述存储器用于存储程序代码，所述处理器用于调用所述程序代码，以执行如第一方面所述的方法。[0037] 区别于现有技术，本申请实施例提供的用户画像标签的生成方法，首先获取用户在第一外界环境及第二外界环境下的历史行为数据，然后根据预设的内容推送规则，对用户在第一外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第一特征标签，以及对用户在第二外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第二特征标签；再根据第一特征标签生成用户在第一外界环境下的用户画像标签，以及根据第二特征标签生成用户在第二外界环境下的用户画像标签；若根据属性特征判断第一特征标签与第二特征标签之间的属性关联度大于或等于预设关联度阈值，则对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行聚合处理以得到目标用户画像标签。也即，根据用户在不同外界环境下的历史行为数据生成在不同外界环境下的用户画像标签，当不同环境下用户画像标签的特征标签属性关联度较大时，则将不同外界环境下的用户画像标签进行聚合处理得到目标用户画像标签。如此，通过综合考虑不同外界环境的历史行为数据以及标签属性之间的属性关联度以形成目标用户画像标签，大大提高了标签生成的准确性和丰富性。附图说明[0038] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。[0039] 图1为本申请一些实施例中用户画像标签的生成方法的流程示意图；[0040] 图2为本申请一些实施例中第一外界环境下画像标签生成过程示意图；[0041] 图3为本申请一些实施例中第二外界环境下画像标签生成过程示意图；[0042] 图4为本申请一些实施例中用户画像标签聚合处理得到目标画像标签的过程示意图；[0043] 图5为本申请一些实施例中用户画像标签聚合处理得到多个目标画像标签的过程示意图；[0044] 图6为本申请一些实施例中用户画像标签的生成系统的硬件结构示意图。[0045] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式[0046] 随着大数据和人工智能技术的快速发展，用户画像标签形成机制也在不断演进和改进。传统的用户画像标签生成方法主要依赖于用户的基础信息和简单的行为数据，难以全面、准确地反映用户的真实需求和特征。因此，如何改进用户画像标签的生成方法，提高标签的准确性和丰富性，成为了当前企业和研究机构面临的重要问题。[0047] 示例性的，用户在不同环境（对立环境）下可能存在不同的喜好或者便好，换句话说，用户在不同的环境下真实需求或特征可能不相同，因此，按照整体分析得到用户画像标签存在准确性较差，无法准确适配不同环境下的用户真实需求。[0048] 针对上述问题，本申请提出了用户画像标签的生成方法，该方法应用于APP根据用户画像标签进行相关内容的推送，本申请用户画像标签的生成方法的总体思路是：本申请的技术方案根据用户在不同外界环境下的历史行为数据生成在不同外界环境下的用户画像标签，当不同环境下的用户画像标签的特征标签属性关联度较大时，说明不同环境下用户的偏好比较接近，此时将不同外界环境下的用户画像标签进行聚合处理得到目标用户画像标签，如此，仅需对这一目标用户画像标签进行管理，降低了系统对用户画像标签的管理负担，提高了管理效率；当不同环境下的用户画像标签的特征标签属性关联度较小时，说明不同环境下用户的偏好差异较大，此时将不同环境下的用户画像标签分别作为对应环境下的目标用户画像标签，从而提高标签的准确性和丰富性，进而为相关内容的准确推送提供了基础。[0049] 如图1‑图5所示，以下将主要描述用户画像标签的生成方法的具体步骤，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。请参阅附图1，该方法包括如下步骤：[0050] S100、获取用户在第一外界环境及第二外界环境下的历史行为数据，其中，所述第一外界环境与第二外界环境为相对立的外界环境；[0051] 本申请的第一外界环境与第二外界环境为相对立的外界环境，例如白天与夜晚，或者工作日与休息日；或者光线强度大于预设值的环境以及光线强度小于预设值的环境，或者下雨天与非下雨天等相对立的外界环境。[0052] 需要说明的是，历史行为数据可以是消费行为、点击行为、浏览行为、分享行为、收藏行为、截屏保存行为、多次重复浏览行为等等。[0053] 在一实施例中，所述步骤S100:获取用户在第一外界环境及第二外界环境下的历史行为数据，包括：[0054] S110、通过用户的数据日记获取第一外界环境和第二外界环境的识别信息；[0055] S120、根据所述识别信息从数据日记中筛选出用户在第一外界环境和第二外界环境下的历史行为数据。[0056] 具体地，首先根据环境区别特征在用户数据日记中获取环境识别信息，然后再根据识别信息从数据日记中筛选出用户在第一外界环境和第二外界环境下的历史行为数据。[0057] 环境识别信息可以是时间信息、光线强度信息、风速信息、雨量信息等，本申请实施例以时间信息来对第一外界环境及第二外界环境进行区分。[0058] 在一实施例中，环境识别信息为第一时间信息，如上班作息时间信息，具体地，如周一至周五为上班时间，周六至周日为非上班时间。所述步骤120:根据所述识别信息从数据日记中筛选出用户在第一外界环境和第二外界环境下的历史行为数据，包括：[0059] S1210、通过所述第一时间信息将第一外界环境及第二外界环境识别为工作日时间以及非工作日时间；[0060] S1220、从数据日记中筛选出用户在工作日时间和非工作日时间下的历史行为数据作为所述第一外界环境和第二外界环境下的历史行为数据。[0061] 具体地，本申请实施例根据数据日记中的工作作息时间区分得到工作日时间和非工作日时间下的历史行为数据。[0062] 在另一实施例中，环境识别信息为第二时间信息，如太阳“出现”时间信息，具体地，如6:00‑18:00为太阳“出现”时间，定义为白天时间，18:00‑6:00为太阳“消失”时间，定义为夜晚时间。所述步骤120:根据所述识别信息从数据日记中筛选出用户在第一外界环境和第二外界环境下的历史行为数据，包括：[0063] S1230、通过所述第二时间信息将第一外界环境及第二外界环境识别为白昼时间以及黑夜时间；[0064] S1240、从数据日记中筛选出用户在白昼时间和黑夜时间下的历史行为数据作为所述第一外界环境和第二外界环境下的历史行为数据。[0065] 具体地，本申请实施例根据数据日记中的太阳升起、下山时间区分得到白昼时间和黑夜时间下的历史行为数据。[0066] S200、根据预设的内容推送规则，对用户在第一外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第一特征标签，以及对用户在第二外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第二特征标签；[0067] 可以理解，不同的内容推送规则下，用户画像也大概率不相同；例如追求曝光度的内容推送规则，用户画像对应的用户行为可能是点击量或者分享量；追求成交量的内容推送规则，用户画像对应的用户行为可能是下单消费。[0068] 在一实施例中，所述步骤S200:根据预设的内容推送规则，对用户在第一外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第一特征标签，包括：[0069] S210、根据预设的内容推送规则确定一个或多个目标维度；[0070] S220、基于所述一个或多个目标维度对用户在第一外界环境下的历史行为数据进行特征提取以得到所述第一特征标签。[0071] 具体地，本申请实施例首先根据预设的内容推送规则确定一个或多个目标维度，然后基于所述一个或多个目标维度对用户在第一外界环境下的历史行为数据进行特征提取以得到所述第一特征标签。[0072] 示例性的，例如某个APP的内容推送规则为追求曝光消费，此时的目标维度可以为消费维度或者曝光维度；例如某用户在夜晚环境下喜欢购物消费，尤其喜欢购买保健产品（例如牙齿护理器硬件产品）和低端日用品（垃圾袋、橡皮筋等日用产品），此时进行特征提取得到的第一特征标签为“保健产品消费”及“低端日用品消费”。[0073] 在一实施例中，所述步骤S200:根据预设的内容推送规则，对用户在第二外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第二特征标签，包括：[0074] S230、根据预设的内容推送规则确定一个或多个目标维度；[0075] S240、基于所述一个或多个目标维度对用户在第二外界环境下的历史行为数据进行特征提取以得到所述第二特征标签。[0076] 具体地，本申请实施例首先根据预设的内容推送规则确定一个或多个目标维度，然后基于所述一个或多个目标维度对用户在第二外界环境下的历史行为数据进行特征提取以得到所述第二特征标签。[0077] 示例性的，同样以某个APP的内容推送规则为追求曝光消费进行说明，此时的目标维度同样可以为消费维度或者曝光维度；例如，某用户在白天环境下喜欢阅读保健产品类文章或保健服务类文章，此时进行特征提取得到的第二特征标签为“保健产品类文章阅读”及“保健服务类文章阅读”。[0078] S300、根据所述第一特征标签生成用户在第一外界环境下的用户画像标签，以及根据所述第二特征标签生成用户在第二外界环境下的用户画像标签；[0079] 在得到第一特征标签之后，将所述第一特征标签输入画像模型中生成用户在第一外界环境下的用户画像标签，从而在后续的内容推送中，可以根据该用户画像标签进行内容推送，尤其可以在第一外界环境下根据该用户画像标签进行内容推送，从而提高内容推送的准确性。[0080] 同理，在第二特征标签之后，将所述第二特征标签输入画像模型中生成用户在第二外界环境下的用户画像标签，从而在后续的内容推送中，可以根据该用户画像标签进行内容推送，尤其可以在第二外界环境下根据该用户画像标签进行内容推送，从而提高内容推送的准确性。[0081] 可以理解，当第一外界环境下的用户画像标签与第二外界环境下的用户画像标签关联比较大时，将用户的画像标签分为两个或者更多个，不便利用户画像标签的统一管理，提高了计算机对画像标签的管理难度，因此，在第一外界环境下的用户画像标签与第二外界环境下的用户画像标签关联比较大时，可以将多个不同环境下的用户画像标签进行整合，以在满足用户画像标签准确性的情况下，降低用户画像标签的管理难度，提高管理效率。[0082] S400、根据属性特征判断所述第一特征标签与第二特征标签之间的属性关联度；[0083] 可以理解，第一特征标签、第二特征标签中可以有一个标签元素，也可以有多个标签元素，如上所述，当进行特征提取后得到的第一特征标签为“保健产品消费”及“低端日用品消费”时，该特征标签具有两个标签元素；当进行特征提取后得到的第一特征标签为“保健产品消费”时，该特征标签仅有一个标签元素，并且每个标签元素具有一个或多个属性特征。[0084] 所述步骤S400：根据属性特征判断所述第一特征标签与第二特征标签之间的属性关联度，包括：[0085] S410、获取第一特征标签与第二特征标签的多个属性特征；[0086] S420、基于关联度预测模型对所述第一特征标签与第二特征标签的多个属性特征进行关联预测分析以得到属性关联度，其中，所述关联度预测模型满足如下表达式：[0087][0088] 式中，n为第一特征标签与第二特征标签的属性特征总个数， 为第i个属性特征的权重系数，L(i)为第一特征标签与第二特征标签在第i个属性特征下的相似度，P0为关联度调整因子，0
B02。[0089] 具体地，首先获取第一特征标签与第二特征标签的多个属性特征，例如第一特征标签为“保健产品消费”及“低端日用品消费”，第二特征标签为“保健产品类文章阅读”及“保健服务类文章阅读”，此时第一特征标签、第二特征标签共包括“保健”、“产品”、“日用”、“服务”等属性特征，此时则可以通过关联度预测模型进行属性关联度计算得到属性关联度，属性关联度越大，说明第一特征标签与第二特征标签存在相同或相似属性的概率越大，例如上述第一特征标签、第二特征标签均存在“保健”及“产品”属性，如果属性特征的权重系数均相同的情况下，第一特征标签、第二特征标签的属性关联度为（100*0.25+100*0.25+0*0.25+0*0.25）*P0+B02，即属性关联度基数为50。最终的关联度数值通过属性关联度基数、关联度调整因子及关联度校正值计算得到，例如关联度调整因子为0.01，关联度校正值为0.2时，此时计算得到的关联度数值为50*0.01+0.2=0.7。[0090] 可以理解，当第一特征标签与第二特征标签的属性特征总个数越大时，参与计算的样本数越多，计算得到的属性关联度准确性越高，此时需要对关联度进行校正的关联度校正值越小，反之，需要对关联度进行校正的关联度校正值越大，本申请实施例中，在第一特征标签与第二特征标签的属性特征总个数小于或等于3个时，关联度校正值为B01（例如0.3），在第一特征标签与第二特征标签的属性特征总个数大于3个时，关联度校正值为B02（例如0.1），如此，通过对第一特征标签与第二特征标签中的多个属性特征进行相似度分析及关联度校正，从而准确得到第一特征标签与第二特征标签的属性关联度，大大提高了不同特征标签间属性关联度计算的准确性。[0091] S500、确定所述第一特征标签与第二特征标签之间的属性关联度大于或等于预设关联度阈值，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行聚合处理以得到目标用户画像标签。[0092] 可以理解，如图4所示，当第一特征标签与第二特征标签之间的属性关联度大于或等于预设关联度阈值时，说明用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签存在高度相似性，此时对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行聚合处理以得到目标用户画像标签（图4中的画像标签C），此情况下计算机系统只需对该目标用户画像标签进行管理以根据该目标用户画像标签推送相关内容，从而大大降低了计算机系统的管理难度及提高了对用户画像标签的管理效率。[0093] 如图2和图3所示，当第一特征标签与第二特征标签之间的属性关联度小于预设关联度阈值时，说明用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签存在较大的差异，此时将用户在第一外界环境下的用户画像标签作为第一外界环境下的目标用户画像标签（图2中的画像标签A），将用户在第二外界环境下的用户画像标签作为第二外界环境下的目标用户画像标签（图3中的画像标签B），从而在不同环境下根据对应的用户画像标签进行对应内容的推送，提高了用户画像标签的准确性和丰富性。[0094] 在一实施例中，所述步骤S500:对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行聚合处理以得到目标用户画像标签，包括：[0095] S510、按照预设的聚合处理规则，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行属性特征聚合处理以得到目标用户画像标签，其中，属性特征聚合处理为第一特征标签的属性特征与第二特征标签的属性特征进行聚合。[0096] 具体地，可以根据第一特征标签的属性特征与第二特征标签的属性特征进行聚合，例如，第一特征标签为“保健产品消费”及“低端日用品消费”，第二特征标签为“保健产品类文章阅读”及“保健服务类文章阅读”，此时可以根据“保健”属性对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行属性特征聚合处理得到“阅读保健产品文章、保健产品消费”的目标用户画像标签，在得到该目标用户画像标签后，系统可以根据该目标用户画像标签推送内含有售卖链接的保健产品讲解类文章，如此，聚合得到的目标用户画像标签，同时能够满足不同环境下的内容推送需求，即能够同时满足用户在不同环境下的用户真实需求。[0097] 在其他实施例中，所述步骤S510:按照预设的聚合处理规则，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行属性特征聚合处理以得到目标用户画像标签，包括：[0098] S5110、按照关联度排序规则，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行属性特征聚合处理以得到多个目标用户画像标签，其中，所述多个目标用户画像标签按照属性特征关联度排序得到第一目标用户画像标签及第二目标用户画像标签。[0099] 具体地，如图5所示，可以按照特征属性间的关联度原则对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行属性特征聚合处理以得到多个目标用户画像标签，例如，第一特征标签为“保健产品消费”及“低端日用品消费”，第二特征标签为“保健产品类文章阅读”及“保健服务类文章阅读”，由于第一特征标签与第二特征标签均含有“保健产品”这一属性特征，说明第一特征标签与第二特征标签在“保健产品”这一属性特征上的关联度较高；并且第一特征标签中含有“保健产品”这一属性特征，第二特征标签中含有“保健服务”，说明第一特征标签与第二特征标签在“保健产品”或“保健服务”这一属性特征上存在一定关联（即均涉及保健），但是关联度稍低，此时，则可以聚合形成第一目标用户画像标签（图5中的画像标签C1）‑‑‑“阅读保健产品文章、保健产品消费”以及第二目标用户画像标签（图5中的画像标签C2）‑‑‑“保健服务文章、保健产品消费”，从而根据APP的内置内容进行推送优先级配置，例如，优先考虑第一目标用户画像标签以进行相关内容推送；如此，可以进一步提高用户画像标签的准确性和丰富性。[0100] 基于此，本申请的用户画像标签的生成方法，根据用户在不同外界环境下的历史行为数据生成在不同外界环境下的用户画像标签，当不同环境下用户画像标签的特征标签属性关联度较大时，则将不同外界环境下的用户画像标签进行聚合处理得到目标用户画像标签；当不同环境下用户画像标签的特征标签属性关联度较小时，将用户在第一外界环境下的用户画像标签作为第一外界环境下的目标用户画像标签，将用户在第二外界环境下的用户画像标签作为第二外界环境下的目标用户画像标签，从而在不同环境下根据对应的用户画像标签进行对应内容的推送，如此，通过综合考虑不同外界环境的历史行为数据以及标签属性之间的属性关联度以形成目标用户画像标签，大大提高了标签生成的准确性和丰富性。[0101] 本申请实施例还提供了一种用户画像标签生成系统，请参阅附图6，图6为本申请一些实施例中用户画像标签的生成系统的硬件结构示意图；该用户画像标签生成系统包括存储器110及处理器120，所述存储器110用于存储程序代码，所述处理器120用于调用所述程序代码，以执行如上述所述的方法。[0102] 其中，处理器120用于提供计算和控制能力，以控制用户画像标签生成系统执行相应任务，例如，控制用户画像标签生成系统执行上述任一方法实施例中的用户画像标签的生成方法，所述方法包括：获取用户在第一外界环境及第二外界环境下的历史行为数据，其中，所述第一外界环境与第二外界环境为相对立的外界环境；根据预设的内容推送规则，对用户在第一外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第一特征标签，以及对用户在第二外界环境下的历史行为数据进行标签处理以形成一个或多个目标维度下的第二特征标签；根据所述第一特征标签生成用户在第一外界环境下的用户画像标签，以及根据所述第二特征标签生成用户在第二外界环境下的用户画像标签；根据属性特征判断所述第一特征标签与第二特征标签之间的属性关联度；确定所述第一特征标签与第二特征标签之间的属性关联度大于或等于预设关联度阈值，对用户在第一外界环境下的用户画像标签及用户在第二外界环境下的用户画像标签进行聚合处理以得到目标用户画像标签。

专利地区：山东

专利申请日期：2024-05-30

专利公开日期：2024-08-02

专利公告号：CN118246964B

以上信息来自国家知识产权局，如信息有误请联系我方更正！
该专利所有权非本平台所有，我方无法提供专利权所有者联系方式，请勿联系我方。

网址：用户画像标签的生成方法及系统实用新型专利 https://m.mxgxt.com/news/view/1472315

相关内容

益生康健申请用户画像标签的生成方法及系统专利，大大提高了标签生成的准确性和丰富性
基于ETC数据的用户画像生成管理方法及系统
用户画像是什么？用户画像的标签类型
用户画像标签
超全用户画像标签构建方法，大厂出品！
用户画像有哪些标签?手把手教你做用户画像
众星北斗申请基于用户画像的礼物推荐方法及系统专利，生成个性化的礼物推荐列表
用户标签、用户生命周期，甚至AI模型的运营方法论
什么是用户画像和标签？
一种公司用户画像的生成方法与流程

随便看看