[发明专利]一种用户兴趣画像扩展方法、装置、设备及存储介质在审
申请号: | 202011233447.5 | 申请日: | 2020-11-06 |
公开(公告)号: | CN112232889A | 公开(公告)日: | 2021-01-15 |
发明(设计)人: | 费昊 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | G06Q30/02 | 分类号: | G06Q30/02;G06F16/9535 |
代理公司: | 深圳市深佳知识产权代理事务所(普通合伙) 44285 | 代理人: | 常忠良 |
地址: | 518064 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 用户 兴趣 画像 扩展 方法 装置 设备 存储 介质 | ||
1.一种用户兴趣画像扩展方法,其特征在于,所述方法包括:
获取目标知识图谱;所述目标知识图谱用于表征目标实体之间的关联关系,所述目标实体是与目标网络平台相关的实体;
基于所述目标知识图谱生成目标实体序列;所述目标实体序列是由所述目标知识图谱中具有关联关系的多个所述目标实体组成的序列;
基于上下文预测算法根据所述目标实体序列,确定所述目标知识图谱中所述目标实体对应的实体向量;
根据所述目标知识图谱中所述目标实体对应的实体向量之间的相似度、以及所述目标实体与所述目标网络平台上的兴趣标签之间的映射关系,确定所述目标网络平台上的兴趣标签之间的第一相似度;
基于所述第一相似度,对所述目标网络平台上的用户兴趣画像进行扩展。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述目标网络平台上用户的用户兴趣画像,确定所述目标网络平台上的兴趣标签之间的第二相似度;
则所述基于所述第一相似度,对所述目标网络平台上的用户兴趣画像进行扩展,包括:
基于所述第一相似度和所述第二相似度,对所述目标网络平台上的用户兴趣画像进行扩展。
3.根据权利要求1所述的方法,其特征在于,所述根据所述目标知识图谱中所述目标实体对应的实体向量之间的相似度、以及所述目标实体与所述目标网络平台上的兴趣标签之间的映射关系,确定所述目标网络平台上的兴趣标签之间的第一相似度,包括:
根据所述目标知识图谱中各所述目标实体各自对应的实体向量,确定实体相似度矩阵;所述实体相似度矩阵中每个元素用于表征该元素所在行对应的目标实体与该元素所在列对应的目标实体之间的相似度;
根据各所述目标实体与所述目标网络平台上各兴趣标签之间的映射关系,将所述实体相似度矩阵转换为第一标签相似度矩阵;所述第一标签相似度矩阵中每个元素用于表征该元素所在行对应的兴趣标签与该元素所在列对应的兴趣标签之间的相似度;
则所述基于所述第一相似度,对所述目标网络平台上的用户兴趣画像进行扩展,包括:
根据所述第一标签相似度矩阵和基础用户画像矩阵,确定扩展用户画像矩阵;所述基础用户画像矩阵是根据所述目标网络平台上用户的用户兴趣画像构建的;所述基础用户画像矩阵和所述扩展用户画像矩阵中每个元素均用于表征该元素所在行对应的用户对于该元素所在列对应的兴趣标签的感兴趣程度。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
基于所述基础用户画像矩阵训练稀疏线性模型,将所述稀疏线性模型作为第二标签相似度矩阵;所述第二标签相似度矩阵中每个元素用于表征该元素所在行对应的兴趣标签与该元素所在列对应的兴趣标签之间的相似度;
则所述根据所述第一标签相似度矩阵和基础用户画像矩阵,确定扩展用户画像矩阵,包括:
对所述第一标签相似度矩阵和所述第二标签相似度矩阵进行加权处理,得到目标标签相似度矩阵;
根据所述目标标签相似度矩阵和所述基础用户画像矩阵,确定所述扩展用户画像矩阵。
5.根据权利要求3或4所述的方法,其特征在于,所述方法还包括:
针对所述扩展用户画像矩阵和所述基础用户画像矩阵中处于相同位置的元素,判断所述基础用户画像矩阵中处于所述位置的元素是否大于第一预设阈值,若是,则将所述扩展用户画像矩阵中处于所述位置的元素设置为0。
6.根据权利要求3或4所述的方法,其特征在于,所述方法还包括:
针对所述扩展用户画像矩阵中的每个元素,判断所述元素是否小于或等于第二预设阈值,若是,则将所述扩展用户画像矩阵中的所述元素设置为0。
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腾讯科技(深圳)有限公司,未经腾讯科技(深圳)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/202011233447.5/1.html,转载请声明来源钻瓜专利网。