[发明专利]基于word2vec的用户缺失画像的补充方法和相关设备

说明书

本申请中提供了一种基于word2vec的用户缺失画像的补充方法装置、计算机设备和可读存储介质，其中，方法包括：调取预先录入的第一用户画像；将各第一用户画像值输入预设对应表中筛选得到对应的第一词汇，并将各第一词汇按照预设排列顺序构建语料库；将语料库输入预先基于word2vec构建的预测模型中进行计算，输出各缺失词汇分别对应的预测词汇；将各预测词汇输入所述对应表中筛选得到对应的第一预测画像值；将各第一预测画像值分别替换第一用户画像中对应的第一缺失画像值。本申请通过调用基于word2vec思想构建的预测模型，能够根自动根据用户已有的画像信息，选择预测画像信息用以补全缺失画像信息，具有优秀的准确率和完整率，并且有效提高工作效率。

技术领域

本申请涉及数据分析与处理技术领域，特别涉及一种基于word2vec的用户缺失画像的补充方法和相关设备。

背景技术

用户画像又称用户角色，主要表征了用户的具体相关信息，比如年龄、经济收入情况或消费倾向等。作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。用户画像主要是从公开渠道获得，比如用户的注册信息、购物历史记录，用户画像缺失度较大。现有的对于用户画像缺失的补充方法，主要是使用传统统计学的方法，效率低下，且未能考虑到用户整体画像相互之间的影响，补充的准确性较低。

发明内容

本申请的主要目的为提供一种基于word2vec的用户缺失画像的补充方法、装置、计算机设备，旨在解决现有用户缺失画像补充方法效率低下和准确性低的弊端。

为实现上述目的，本申请提供了一种基于word2vec的用户缺失画像的补充方法，其特征在于，包括：

调取预先录入的第一用户画像，所述第一用户画像由第一预设数量的第一用户画像值按照预设排列顺序组成，所述第一用户画像包括多个第一缺失画像值和多个第一已知画像值；

将各所述第一用户画像值输入预设对应表中筛选得到对应的第一词汇，并将各所述第一词汇按照所述预设排列顺序构建语料库，所述语料库包括各所述第一缺失画像值对应的缺失词汇和各所述第一已知画像值对应的第一已知词汇，所述预设对应表由预先构建的多组用户画像值对应词汇组成；

将所述语料库输入预先基于word2vec构建的预测模型中进行计算，输出各所述缺失词汇分别对应的预测词汇；

将各所述预测词汇输入所述对应表中筛选得到对应的第一预测画像值；

将各所述第一预测画像值分别替换所述第一用户画像中对应的所述第一缺失画像值。

本申请还提供了一种基于word2vec的用户缺失画像的补充装置，包括：

调取模块，用于调取预先录入的第一用户画像；

第一构建模块，用于将各所述第一用户画像值输入预设对应表中筛选得到对应的第一词汇，并将各所述第一词汇按照所述预设排列顺序构建语料库；

计算模块，用于将所述语料库输入预先基于word2vec构建的预测模型中进行计算，输出各所述缺失词汇分别对应的预测词汇；

第一筛选模块，用于将各所述预测词汇输入所述对应表中筛选得到对应的第一预测画像值；

替换模块，用于将各所述第一预测画像值分别替换所述第一用户画像中对应的所述第一缺失画像值。

进一步的，所述计算模块包括：

第一输入单元，用于将所述语料库输入预先基于word2vec构建的所述预测模型；

第一筛选单元，用于利用所述预测模型，从所述语料库中按照所述预设排列顺序筛选各所述缺失词汇相邻出现的第二预设数量的所述第一已知词汇，并根据各所述已知词汇获得至少一个初始预测词汇以及各初始预测词汇分别对应的出现概率；