[发明专利]一种数据处理方法、装置及设备

权利要求书

1.一种数据处理方法，其特征在于，包括：

根据用户在场景下的历史行为数据以及所述历史行为数据中每条信息的各标签的权重获取所述用户在每个标签上的累计权重；

计算所述用户在所述每个标签上的累计权重与所述用户在所有标签上的总累计权重之间的比值，作为所述用户在所述每个标签的累计权重分布；

根据所述用户在所述每个标签上的累计权重分布以及所述场景下所有用户在所述每个标签上对应的总累计权重分布，确定所述用户在所述每个标签上的兴趣权重；

利用所述每个标签以及所述每个标签上所述用户的兴趣权重生成所述场景下所述用户的兴趣分布向量。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

针对场景集合中的每个场景，利用所述用户在所述场景下所述每个标签上的兴趣权重、所述用户在所述场景下在所有标签上的总累计权重以及所述用户在所述场景集合中所有场景下的总累计权重，确定所述用户在所述场景下在所述每个标签上的兴趣权重比例；

针对每个标签，计算所述用户在所述所有场景下在所述标签上的所述兴趣权重比例之和，作为所述用户在所述所有场景下在所述标签上的总兴趣权重；

利用所述每个标签以及所述用户在所述每个标签对应的所述总兴趣权重，生成所述用户在所述所有场景下的最终的兴趣分布向量。

3.根据权利要求2所述的方法，其特征在于，所述根据用户在场景下的历史行为数据以及所述历史行为数据中每条信息的各标签的权重获取所述用户在每个标签上的累计权重之前，所述方法还包括：

根据用户在场景下历史行为数据中每条信息的特征，将所述每条信息量化为标签向量，所述标签向量包括所述每条信息具有的标签以及所述每个标签的权重。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据用户在场景下的历史行为数据以及所述历史行为数据中每条行为信息的各标签的权重获取所述用户在每个标签上的累计权重，包括：

针对用户在场景下的历史行为数据中的每条信息，计算所述每条信息的每个标签的权重与所述每条信息对应的历史行为产生时刻距离当前时刻的衰减因子之间的乘积，作为所述每条信息的整体权重；

计算所述用户的历史行为对应的所有信息的整体权重之和，作为所述用户在所述每个标签上的累计权重。

5.根据权利要求4所述的方法，其特征在于，所述针对用户在场景下的历史行为数据中的每条信息，计算所述每条信息的每个标签的权重与所述每条信息对应的历史行为产生时刻距离当前时刻的衰减因子之间的乘积，作为所述每条信息的整体权重之前，所述方法还包括：

以预设周期获取用户在各场景下的历史行为数据。

6.一种数据处理装置，其特征在于，包括：

第一获取模块，用于根据用户在场景下的历史行为数据以及所述历史行为数据中每条信息的各标签的权重获取所述用户在每个标签上的累计权重；

计算模块，用于计算所述用户在所述每个标签上的累计权重与所述用户在所有标签上的总累计权重之间的比值，作为所述用户在所述每个标签的累计权重分布；

确定模块，用于根据所述用户在所述每个标签上的累计权重分布以及所述场景下所有用户在所述每个标签上对应的总累计权重分布，确定所述用户在所述每个标签上的兴趣权重；

生成模块，用于利用所述每个标签以及所述每个标签上所述用户的兴趣权重生成所述场景下所述用户的兴趣分布向量。

7.根据权利要求6所述的装置，其特征在于，所述确定模块还用于：

针对场景集合中的每个场景，利用所述用户在所述场景下所述每个标签上的兴趣权重、所述用户在所述场景下在所有标签上的总累计权重以及所述用户在所述场景集合中所有场景下的总累计权重，确定所述用户在所述场景下在所述每个标签上的兴趣权重比例；

所述计算模块，还用于针对每个标签，计算所述用户在所述所有场景下在所述标签上的所述兴趣权重比例之和，作为所述用户在所述所有场景下在所述标签上的总兴趣权重；

所述生成模块，还用于利用所述每个标签以及所述用户在所述每个标签对应的所述总兴趣权重，生成所述用户在所述所有场景下的最终的兴趣分布向量。