[发明专利]用于更新用户画像的方法和装置

说明书

本申请实施例公开了用于更新用户画像的方法和装置。上述方法的一具体实施方式包括：获取用户画像中属性标签的历史属性值向量；确定历史属性值向量的生成时刻；根据生成时刻与当前时刻之间的时长，生成用于表示历史属性值向量发生变化的转移概率矩阵；基于转移概率矩阵以及历史属性值向量，预测属性标签的当前属性值向量；根据属性标签的当前属性值向量，更新用户画像。该实施方式能够更精准地刻画用户画像。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于更新用户画像的方法和装置。

背景技术

用户画像又称用户角色(Persona)，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。我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待连接起来。

现有的用户画像构建方法主要是通过对大数据进行统计分析得到，用户的属性标签通过对日志信息关键字段的提取来获得。

发明内容

本申请实施例提出了用于更新用户画像的方法和装置。

第一方面，本申请实施例提供了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；确定上述历史属性值向量的生成时刻；根据上述生成时刻与当前时刻之间的时长，生成用于表示上述历史属性值向量发生变化的转移概率矩阵；基于上述转移概率矩阵以及上述历史属性值向量，预测上述属性标签的当前属性值向量；根据上述属性标签的当前属性值向量，更新用户画像。

在一些实施例中，上述基于上述转移概率矩阵以及上述历史属性值向量，预测上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上述属性标签的第一属性值向量，其中，上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；基于上述转移概率矩阵、上述历史属性值向量以及上述第一属性值向量，预测上述属性标签的当前属性值向量。

在一些实施例中，上述基于上述转移概率矩阵、上述历史属性值向量以及上述第一属性值向量，预测上述属性标签的当前属性值，包括：根据上述概率矩阵、上述历史属性值向量、上述第一属性值向量以及与上述历史属性值向量和上述第一属性值向量分别对应的权重，预测上述属性标签的当前属性值向量。

在一些实施例中，属性标签包括至少两个属性值，上述历史属性值向量包括至少两个概率值，上述至少两个概率值与上述至少两个属性值一一对应；以及上述根据上述生成时刻与当前时刻之间的时长，生成用于表示上述历史属性值向量发生变化的转移概率矩阵，包括：对于上述至少两个属性值中的属性值，根据上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。

在一些实施例中，上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。

第二方面，本申请实施例提供了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，被配置成确定上述历史属性值向量的生成时刻；矩阵确定单元，被配置成根据上述生成时刻与当前时刻之间的时长，生成用于表示上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，被配置成基于上述转移概率矩阵以及上述历史属性值向量，预测上述属性标签的当前属性值向量；画像更新单元，被配置成根据上述属性标签的当前属性值向量，更新用户画像。

在一些实施例中，上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上述属性标签的第一属性值向量，其中，上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，被配置成基于上述转移概率矩阵、上述历史属性值向量以及上述第一属性值向量，预测上述属性标签的当前属性值向量。