[发明专利]一种计算机的用户表示生成方法及装置

权利要求书

1.一种计算机的用户表示生成方法，其特征在于，包括：

通过多个数据源获取与目标用户关联的数据，其中，所述数据中携带有数据属性；

根据所述数据属性对所述数据进行分类，得到多类数据；

分别为所述多类数据创建目标数据模型；

对所述多类数据的目标数据模型进行向量化处理，得到所述多类数据的向量；

将所述多类数据的向量进行汇总，得到所述目标用户的用户表示。

2.根据权利要求1所述的方法，其特征在于，分别为所述多类数据创建目标数据模型包括：

对所述多类数据中的每类数据执行以下操作，其中，执行以下操作的所述每类数据被称为目标数据：

将所述目标数据输入预先训练好的目标神经网络模型，得到所述目标神经网络模型输出的所述目标数据对应每种数据模型的概率，其中，所述概率大于第一预定阈值的数据模型确定为所述目标数据模型。

3.根据权利要求2所述的方法，其特征在于，在分别为所述多类数据创建目标数据模型之前，所述方法还包括：

获取预定数量的数据、以及所述数据实际对应的数据模型；

使用所述预定数量的数据、以及所述数据实际对应的数据模型对原始神经网络模型进行训练，得到所述目标神经网络模型，其中，所述预定数量的数据为所述原始神经网络模型的输入，训练好的所述目标神经网络模型输出的所述目标数据对应的目标数据模型与所述目标数据实际对应的数据模型满足预定目标函数。

4.根据权利要求1所述的方法，其特征在于，对所述多类数据的目标数据模型进行向量化处理，得到所述多类数据的向量包括：

使用嵌入式算法和/或长短期记忆网络对所述多类数据的目标数据模型进行向量化处理，得到所述多类数据的向量。

5.根据权利要求1所述的方法，其特征在于，在将所述多类数据的向量进行汇总，得到所述目标用户的用户表示之前，所述方法还包括：

分别将所述多类数据的向量输入预定映射函数或预定网络结构，得到预定维度的向量。

6.根据权利要求1至5中任一项所述的方法，其特征在于，将所述多类数据的向量进行汇总，得到所述目标用户的用户表示包括：

将所述多类数据的向量进行拼接，得到汇总向量，其中所述汇总向量为所述目标用户的用户表示，所述汇总向量的维度为所述多类数据的向量的维度之和。

7.根据权利要求1至5中任一项所述的方法，其特征在于，

在将所述多类数据的向量进行汇总，得到所述目标用户的用户表示之前，所述方法还包括：

计算所述多类数据的向量中任意两类数据的向量的相关性；

随机删除相关性大于预定阈值的两类数据的向量中的一类数据的向量；

将所述多类数据的向量进行汇总，得到所述目标用户的用户表示包括：

将相关性大于预定阈值的两类数据的向量中的另一类数据的向量与所述多类向量中除所述两类数据的向量之外的其他类数据的向量进行汇总，得到所述目标用户的用户表示。

8.一种计算机的用户表示生成装置，其特征在于，包括：

第一获取模块，用于通过多个数据源获取与目标用户关联的数据，其中，所述数据中携带有数据属性；

分类模块，用于根据所述数据属性对所述数据进行分类，得到多类数据；

创建模块，用于分别为所述多类数据创建目标数据模型；

处理模块，用于对所述多类数据的目标数据模型进行向量化处理，得到所述多类数据的向量；

汇总模块，用于将所述多类数据的向量进行汇总，得到所述目标用户的用户表示。

9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7中任一项所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7中任一项所述的方法。