[发明专利]用户特征确定方法、装置和电子设备在审
申请号: | 202010001445.7 | 申请日: | 2020-01-02 |
公开(公告)号: | CN111210233A | 公开(公告)日: | 2020-05-29 |
发明(设计)人: | 杨帆;杨沛 | 申请(专利权)人: | 联想(北京)有限公司 |
主分类号: | G06Q30/00 | 分类号: | G06Q30/00;G06Q30/02;G06Q50/00 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 林哲生 |
地址: | 100085 北京市*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用户 特征 确定 方法 装置 电子设备 | ||
本申请公开了一种用户特征确定方法、装置和电子设备。该方法在获得多个用户对应的多个用户关系对之后,为每个用户关系对构建三元组向量,并利用该多个三元组向量训练关系模型,并基于训练出的关系模型中的关系函数确定用于对用户关系对中的用户对应的用户向量进行特征转换的用户特征转换矩阵,从而可以针对该多个用户中每个待分析的用户,利用该用户的向量和该用户特征转换矩阵确定出该用户的用户特征向量,实现了基于多个用户之间的用户关系数据确定该多个用户的每个用户的用户特征,进而为基于多个用户特征进行不同场景的任务分析提供了依据。
技术领域
本申请涉及数据处理技术领域,更具体地说,涉及一种用户特征确定方法、装置和电子设备。
背景技术
为了能够为用户提供更好的服务,经常需要对网络用户的网络行为进行特征分析,以根据分析出的用户特征对该用户进行行为预测或者信息推荐等。
而随着社交网络的不断发展,用户在社交网络上产生的社交网络数据不断增多。但是社交网络数据中只能直观反映出单个用户与其他用户之间的关系,无法结合这些用户关系进行一些用户属性预测以及信息推荐等,因此,如何基于网络数据分析出网络中各个用户的用户特征是本领域技术人员迫切需要解决的技术问题。
发明内容
本申请的目的是提供一种用户特征确定方法和电子设备,以实现基于网络中多个用户的用户关系数据确定该多个用户中任意一个用户的用户特征,以为基于该多个用户各自的用户特征进行相关任务分析提供依据。
为实现上述目的,本申请提供了如下技术方案:
第一方面,本申请提供了一种用户特征确定方法,包括:
获取多个用户关系对,每个用户关系对包括:第一用户、第二用户以及所述第一用户与第二用户之间的关系;
为所述用户关系对构建三元组向量,所述三元组向量包括:表征所述第一用户的第一用户向量,表征所述第二用户的第二用户向量以及表征所述关系的关系向量;
利用所述多个用户关系对对应的多个三元组向量训练关系模型,所述关系模型包括第一用户向量、第二用户向量和关系向量之间的关系函数;
基于训练出的关系模型中的关系函数,确定用户特征转换矩阵;
基于待分析用户的用户向量以及所述用户特征转换矩阵,确定表征所述待分析用户的用户特征的用户特征向量,所述待分析用户的用户向量属于所述多个用户关系对对应的多个三元组向量中的第一用户向量或者第二用户向量。
优选的,所述关系模型中的关系函数为:所述第二用户向量与第一用户特征向量和关系特征向量之间的线性函数,所述第一用户特征向量为第一用户向量与第一特征转换矩阵的乘积,关系特征向量为关系向量与关系转换矩阵的乘积;
所述基于训练出的关系模型中的关系函数,确定所述用户特征转换矩阵,包括:
将训练出的关系模型的关系函数中的第一特征转换矩阵确定为用户特征转换矩阵。
优选的,所述关系模型中的关系函数为:第二用户特征向量与第一用户特征向量和关系特征向量之间的线性函数,所述第一用户特征向量为第一用户向量与第一特征转换矩阵的乘积,关系特征向量为关系向量与关系转换矩阵的乘积,第二用户特征向量为第二用户向量与第二特征转换矩阵的乘积;
所述基于训练出的关系模型中的关系函数,确定所述用户特征转换矩阵,包括:
将训练出的关系模型的关系函数中的第二特征转换矩阵确定为用户特征转换矩阵。
优选的,所述利用所述多个用户关系对对应的多个三元组向量训练关系模型,包括:
依据关系模型中的关系函数,并结合所述用户关系对的三元组向量中的第一用户向量和关系向量,预测出所述用户关系对中第二用户的预测向量;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于联想(北京)有限公司,未经联想(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010001445.7/2.html,转载请声明来源钻瓜专利网。