[发明专利]用于更新用户画像的方法和装置

权利要求书

1.一种用于更新用户画像的方法，包括：

获取用户画像中属性标签的历史属性值向量；

确定所述历史属性值向量的生成时刻；

根据所述生成时刻与当前时刻之间的时长，生成用于表示所述历史属性值向量发生变化的转移概率矩阵；

基于所述转移概率矩阵以及所述历史属性值向量，预测所述属性标签的当前属性值向量；

根据所述属性标签的当前属性值向量，更新用户画像。

2.根据权利要求1所述的方法，其中，所述基于所述转移概率矩阵以及所述历史属性值向量，预测所述属性标签的当前属性值向量，包括：

利用预先建立的用户画像确定模型生成所述属性标签的第一属性值向量，其中，所述用户画像确定模型用于确定用户画像中属性标签的属性值向量；

基于所述转移概率矩阵、所述历史属性值向量以及所述第一属性值向量，预测所述属性标签的当前属性值向量。

3.根据权利要求2所述的方法，其中，所述基于所述转移概率矩阵、所述历史属性值向量以及所述第一属性值向量，预测所述属性标签的当前属性值，包括：

根据所述概率矩阵、所述历史属性值向量、所述第一属性值向量以及与所述历史属性值向量和所述第一属性值向量分别对应的权重，预测所述属性标签的当前属性值向量。

4.根据权利要求1所述的方法，其中，属性标签包括至少两个属性值，所述历史属性值向量包括至少两个概率值，所述至少两个概率值与所述至少两个属性值一一对应；以及

所述根据所述生成时刻与当前时刻之间的时长，生成用于表示所述历史属性值向量发生变化的转移概率矩阵，包括：

对于所述至少两个属性值中的属性值，根据所述生成时刻与当前时刻之间的时长，确定该属性值更新为其它属性值的概率值；

根据所确定的概率值，确定转移概率矩阵。

5.根据权利要求2所述的方法，其中，所述用户画像确定模型是基于对用户的历史行为数据进行学习得到的。

6.一种用于更新用户画像的装置，包括：

向量获取单元，被配置成获取用户画像中属性标签的历史属性值向量；

时刻确定单元，被配置成确定所述历史属性值向量的生成时刻；

矩阵确定单元，被配置成根据所述生成时刻与当前时刻之间的时长，生成用于表示所述历史属性值向量发生变化的转移概率矩阵；

向量预测单元，被配置成基于所述转移概率矩阵以及所述历史属性值向量，预测所述属性标签的当前属性值向量；

画像更新单元，被配置成根据所述属性标签的当前属性值向量，更新用户画像。

7.根据权利要求6所述的装置，其中，所述向量预测单元包括：

第一向量生成模块，被配置成利用预先建立的用户画像确定模型生成所述属性标签的第一属性值向量，其中，所述用户画像确定模型用于确定用户画像中属性标签的属性值向量；

当前向量预测模块，被配置成基于所述转移概率矩阵、所述历史属性值向量以及所述第一属性值向量，预测所述属性标签的当前属性值向量。

8.根据权利要求7所述的装置，其中，所述当前向量预测模块进一步被配置成：

根据所述概率矩阵、所述历史属性值向量、所述第一属性值向量以及与所述历史属性值向量和所述第一属性值向量分别对应的权重，预测所述属性标签的当前属性值向量。

9.根据权利要求1所述的装置，其中，属性标签包括至少两个属性值，所述历史属性值向量包括至少两个概率值，所述至少两个概率值与所述至少两个属性值一一对应；以及

所述矩阵确定单元进一步被配置成：

对于所述至少两个属性值中的属性值，根据所述生成时刻与当前时刻之间的时长，确定该属性值更新为其它属性值的概率值；

根据所确定的概率值，确定转移概率矩阵。

10.根据权利要求7所述的装置，其中，所述用户画像确定模型是基于对用户的历史行为数据进行学习得到的。