[发明专利]用户行为画像的构建方法、装置、设备及存储介质

说明书

本申请涉及一种用户行为画像的构建方法、装置、设备及存储介质，所述方法包括：构建用户行为画像模型；生成用户行为特征向量和生成行为对象特征向量；计算分组判别结果与设定分组的分组误差，和，将用户行为特征向量和行为对象特征向量重构生成行为矩阵，并计算重构生成的行为矩阵为用户行为矩阵的生成概率；根据最小化模型方法，优化用户行为画像模型，更新用户行为画像模型参数；用户行为画像模型构建成功，向构建成功的用户行为画像模型输入用户行为数据，获得与用户行为数据对应的用户行为画像。用以解决现有的用户行为画像模型构建时更专注于用户的共性，难以获取具有个性化且可区分性的用户行为画像的问题。

技术领域

本申请涉及计算机技术领域，尤其涉及一种用户行为画像的构建方法、装置、设备及存储介质。

背景技术

用户行为画像作为建立于一系列真实的用户行为数据之上的目标用户模型，已经成功应用于互联网企业与各大公司的商品推荐、好友发现等传统的商业应用。目前，在异常用户发现、商品精准推广、用户个性化服务等新背景中，用户画像的个性化特征发挥着重大的作用。

目前构建用户行为画像进行用户行为描述的方式主要有两类方法:基于数据统计的方法和基于智能学习模型的方法。基于数据统计的方法主要是依赖于常用的统计方法获取原始数据的统计特征，并直接用其构建用户的行为画像；基于智能学习模型的方法主要是根据行为数据的特性和用户行为之间的共性构建对应的端到端的学习算法，直接通过用户数据学习用户的行为画像。当前的基于统计的用户行为画像仅能表示用户行为的统计信息，如果用户的用户行为画像存在其他关联时难以有效的判别该用户的差异特征和该用户准确的分组。此外，目前基于智能学习模型的方法构建的用户行为画像更专注于用户行为的表征和用户行为之间的共性，无法有效的量化用户之间的差异性。

发明内容

本申请提供了一种用户行为画像的构建方法、装置、设备及存储介质，用以解决现有的用户行为画像模型构建时更专注于用户的共性，难以获取具有个性化且可区分性的用户行为画像的问题。

第一方面，本申请提供了一种用户行为画像的构建方法，包括：

构建用户行为画像模型，其中，所述用户行为画像模型包括：用户行为特征生成模块和行为对象特征生成模块，所述用户行为特征生成模块包括用户行为分组变量参数和用户行为分布变量参数，所述行为对象特征生成模块包括行为对象分组变量参数和行为对象分布变量参数；

对所述用户行为分组变量参数和所述用户行为分布变量参数初始化处理，获得用户行为分组分布参数，对所述行为对象分组变量参数和所述行为对象分布变量参数初始化处理，获得行为对象分组分布参数；

由所述用户行为特征生成模块根据所述用户行为分组分布参数生成用户行为特征向量，由所述行为对象特征生成模块根据所述行为对象分组分布参数生成行为对象特征向量；

对生成的所述用户行为特征向量进行分组设定，获得设定分组，并计算分组判别结果与所述设定分组的分组误差，和，将所述用户行为特征向量和所述行为对象特征向量重构生成行为矩阵，并计算所述重构生成的所述行为矩阵为用户行为矩阵的生成概率，其中，所述分组判别结果为：给所述用户行为画像模型添加分组权重变量后获得的分组，所述用户行为矩阵通过用户行为数据构建得到；

根据最小化模型方法，优化所述用户行为画像模型，更新所述用户行为画像模型的所述用户行为分组变量参数、所述用户行为分布变量参、所述行为对象分组变量参数和所述行为对象分布变量参数；

当更新后的所述用户行为画像模型的所述分组误差和所述生成概率之和小于预设阈值时，所述用户行为画像模型构建成功，向构建成功的所述用户行为画像模型输入所述用户行为数据，获得与所述用户行为数据对应的用户行为画像。

可选地构建用户行为画像模型之前，还包括：

获取所述用户的用户行为数据；