[发明专利]一种融合多种测评结果构建用户画像的方法、装置、介质在审
申请号: | 202011382050.2 | 申请日: | 2020-11-30 |
公开(公告)号: | CN112396497A | 公开(公告)日: | 2021-02-23 |
发明(设计)人: | 王荣波;谢一敏;谌志群;黄孝喜 | 申请(专利权)人: | 绍兴达道生涯教育信息咨询有限公司;杭州电子科技大学 |
主分类号: | G06Q30/06 | 分类号: | G06Q30/06;G06K9/62 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 傅朝栋;张法高 |
地址: | 312399 浙江省绍兴市上虞区曹娥*** | 国省代码: | 浙江;33 |
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 融合 多种 测评 结果 构建 用户 画像 方法 装置 介质 | ||
1.一种融合多种测评结果构建用户画像的方法,其特征在于,包括如下步骤:
S1、获取用户画像的标签体系,所述标签体系中包含若干画像类别,每个画像类别中包含若干用于描绘用户在该画像类别中所属类型的画像标签;
S2、获取评测对象参与的若干个自我测评结果数据集,每个自我测评结果数据集中含有评测对象在不同属性维度的属性值;
S3、针对每个自我测评结果数据集,计算每个属性维度的分值在所有属性维度的总分值中的占比值,以该占比值作为每个属性维度的归一化得分;
S4、获取所有自我测评结果数据集中的每个属性维度与所述标签体系中的每个画像标签之间的相关度;
S5、对于所述标签体系中中的任一画像类别,以每个属性维度的归一化得分为基数,以该属性维度与该画像类别中每个画像标签之间的相关度作为权值,计算得到每个属性维度下每个画像标签的加权得分,以所有属性维度下同一画像标签的加权得分总和最大的画像标签作为该画像类别的用户画像标签;获得所有画像类别的用户画像标签后,以所有画像类别的用户画像标签生成评测对象的用户画像。
2.根据权利要求1所述的融合多种测评结果构建用户画像的方法,其特征在于,所述的自我测评结果数据集来源于三种测评结果数据,分别为MBTI测评、多元智能测评和性格色彩测评。
3.根据权利要求1所述的融合多种测评结果构建用户画像的方法,其特征在于,所述用户画像的标签体系中,画像类别包括:
专业性格类别,其中画像标签包括研究型、社会型、艺术型、事务型、经营型;
能力类别,其中画像标签包括语言能力、动手能力、运动能力、思维能力、记忆能力、合作能力;
性格类别,其中画像标签包括理智型、情绪型、意志型;
独立类别,其中画像标签包括独立型、顺从型;
行为类别,其中画像标签包括积极、较积极、较消极、消极;
情感类别,其中画像标签包括热情、平易、冷漠、冷淡;以及
精神类别,其中画像标签包括坚韧、坚强、脆弱、懦弱。
4.根据权利要求1所述的的融合多种测评结果构建用户画像的方法,其特征在于,所述占比值采用如下公式计算:
其中,xab代表自我测评结果数据集a中的属性维度b,V(xab)代表自我测评结果数据集a中的属性维度b的分值,Ca代表自我测评结果数据集a中的所有属性维度集合;P(xab)代表属性维度b的分值在自我测评结果数据集a内所有属性维度的总分值中的占比值。
5.根据权利要求4所述的的融合多种测评结果构建用户画像的方法,其特征在于,对于所述标签体系中中的任一画像类别,首先计算该画像类别中生成的用户画像标签为画像标签j的概率值,计算公式如下:
其中,P(Tij|X)为预测画像类别i中生成的用户画像标签为画像标签j的概率值,P(xab|Tij)代表自我测评结果数据集a中的属性维度b与画像类别i中的画像标签j之间的相关度;Ti代表画像类别i中的所有画像标签集合;X为所有自我测评结果数据集的集合,N为X中自我测评结果数据集的个数;
然后选取画像类别i中标签中概率值P(Tij|X)最大的画像标签,作为画像类别i的用户画像标签。
6.根据权利要求5所述的融合多种测评结果构建用户画像的方法,其特征在于,集合X={C1,C2,C3},C1为MBTI测评结果数据集,C2为多元智能测评结果数据集,C3为性格色彩测评结果数据集,N=3。
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绍兴达道生涯教育信息咨询有限公司;杭州电子科技大学,未经绍兴达道生涯教育信息咨询有限公司;杭州电子科技大学许可,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/202011382050.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种企业发票查验报销方法
- 下一篇:一种双层物料精准对位打孔夹具