[发明专利]用户画像构建方法与装置及推荐方法与装置

说明书

本发明提供了一种用户画像构建方法与装置及推荐方法与装置。其中，一种用户画像构建方法，包括：获取用户的特征数据，确定特征数据的类型；根据特征数据及特征数据的类型，构建数据画像；根据数据画像构建用户画像。通过本发明的技术方案，实现了将用户所有的个性化信息使用一个个的句子向量、文章向量来描述，弥补了文本标签刻画用户的不足，能够表达出语义级别的隐含信息，使得这个画像具有了语义的信息，更加全面、精准的刻画了用户。

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种用户画像构建方法与装置，还涉及一种基于用户画像的推荐方法与装置。

背景技术

推荐系统已经广泛应用于多个领域，并取得了很大的成功。其中个性化推荐正在成为也终将成为推荐系统的主流。根据用户自己的购买记录，访问记录等信息，给用户推荐出更加符合他个人需求、兴趣的商品或者信息，称为个性化的推荐。目前个性化推荐通常的做法是，将用户的所有行为标签化，所有的标签构成了用户的画像，然后再推荐出于此画像最为接近的信息。然而基于标签的用户画像，在推荐时要严格依赖标签的匹配，导致同义或者近义词也很难匹配到，推荐效果差，同时传统的标签画像也无法刻画出语义级别的需求及兴趣。

因此，如何完整、全面的刻画用户，依据画像为用户推荐个性化的信息成为目前亟待解决的技术问题。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个目的在于提出了一种用户画像构建方法。

本发明的另一个目的在于提出了一种用户画像构建装置。

本发明的又一个目的在于提出了一种基于用户画像的推荐方法。

本发明的再一个目的在于提出了一种基于用户画像的推荐装置。

有鉴于此，本发明提出了一种用户画像构建方法，包括：获取用户的特征数据，确定特征数据的类型；根据特征数据及特征数据的类型，构建数据画像；根据数据画像构建用户画像。

根据本发明的用户画像构建方法，由用户的个性化数据出发，为所有特征数据向量化表达，词向量代表了一个词的语义信息，句子(或段落)的语义可用组成该句子(或段落)的词向量的来描述，根据特征数据及特征数据的类型，构建数据画像，所有数据画像组成用户画像。从而实现将用户所有的个性化信息使用一个个的句子向量、文章向量来描述，弥补了文本标签刻画用户的不足，能够表达出语义级别的隐含信息，使得这个画像具有了语义的信息，更加全面、精准的刻画了用户。

另外，根据本发明上述的用户画像构建方法，还可以具有如下附加的技术特征：

在上述技术方案中，优选地，根据特征数据及特征数据的类型，构建数据画像具体包括：计算特征数据的词向量的平均值，通过词向量的平均值表达特征数据的语义；根据特征数据的词向量的平均值，计算同一类型的特征数据的向量平均值，将向量平均值作为数据画像；当特征数据包括一个或多个类型时，构建一个或多个数据画像。

在该技术方案中，通过特征数据的词向量的平均值表达特征数据的语义，并根据特征数据的词向量的平均值计算同一类型特征数据的向量平均值，将向量平均值作为数据画像，使得数据画像具有了语义的信息，当特征数据包括多个类型时，计算多个类型的特征数据的向量平均值，从而构建了多个数据画像，可以理解的，数据画像构建的越多，对用户刻画的越完整。

在上述任一技术方案中，优选地，根据数据画像构建用户画像具体包括：将一个或多个数据画像对应的向量平均值组成向量矩阵，将向量矩阵作为用户画像。

在该技术方案中，数据画像本身即是同一类型的特征数据的向量平均值，因此将一个或多个数据画像对应的向量平均值组成向量矩阵，弥补了文本标签刻画用户的不足，能够表达出语义级别的隐含信息，使得用户画像具有了语义的信息，更加全面、精准的刻画了用户。