[发明专利]一种智能用户标签确定方法、终端设备及存储介质

权利要求书

1.一种智能用户标签确定方法，其特征在于，包括以下步骤：

根据确定用户标签所需的数据来源将用户标签分成简单标签和复杂标签，其中，简单标签只需要结构化数据，复杂标签信息同时存在多模态数据中；

简单标签采用单一模态标签确定方法来确定，以及复杂标签采用深度学习算法确定方法来确定；

其中，复杂标签采用深度学习算法确定方法来确定的具体过程是，首先通过深度学习算法分别从所述多模态数据中提取标签特征信息，利用分类器确定标签，然后对从所述多模态数据确定的标签进行合并融合，从而确定用户标签，其中，所述多模态数据包括文本、图片、视频和语音数据；

其中，所述的对从所述多模态数据确定的标签进行合并融合，从而确定用户标签的具体过程为：

统计各模态数据的各类标签个数，用cnt_label-i-img、cnt_{label-i-video}、cnt_label-i-text、cnt_{label-i-voice}表示标签i在图片、视频、文本和语音上的个数；

把不同模态的相同标签个数加起来，cnt_label-i＝cnt_label-i-img+cnt_{label-i-video}+cnt_label-i-text+cnt_{label-i-voice}，如果cnt_label-i≥cnt_label-i-ε，则确定标签i为该用户的标签，其中，cnt_label-i-ε是用来确定用户标签设定的标签个数阈值。

2.如权利要求1所述的方法，其特征在于，对于图片数据，其标签确定方法具体如下：

采用的深度神经网络算法包括依次连接的M层卷积层、池化层、全连接层和softmax层；

将图片img_src进行预处理得到N*N尺寸大小的图像img_t1；

img_t1输入到M层卷积层和池化层，输出标签特征向量特征向量为一个1×d的矩阵，l表示神经网络第l层；

全连接层，即标签分类器，每个全连接层的权重参数为d×n矩阵，其中，n表示标签类别个数，全连接层的具体权重参数为偏置参数为将依次输入到标签分类器，得到标签分类结果：

把R^l+1通过softmax层，将每个用户标签的分类结果映射到(0,1)概率区间，其中，softmax层函数为：其中，P_i表示该图片属于标签类别i的概率；

设定标签确定阈值ε，如果P_i-max≥ε，则该图片标签类别为i，其中，P_i-max表示最大P_i。

3.如权利要求2所述的方法，其特征在于，对于视频数据，其标签确定方法具体如下：

对视频数据按设定抽样频率抽取图片；

按照图片数据的标签确定方法确定图片的标签类别；

统计每个标签类别的图片数，按预定策略设置阈值N，即一个视频中，如果标签类别i的图片数≥N，则该视频标签类别为i。