[发明专利]句子级用户画像生成方法、装置及存储介质

说明书

本发明提供一种句子级用户画像生成方法、装置及存储介质，包括：接收会话语料，基于爬虫系统对所述会话语料进行处理获取目标语料，其中目标语料包括一个或多个文本；对文本进行分词处理，获得每个文本分词的词向量，基于每个文本分词的词向量生成该文本的句向量；将句向量转换为矩阵得到句矩阵，将句矩阵与句矩阵的转置矩阵相乘得到交叉矩阵；基于TextRank算法对交叉矩阵进行概率转移矩阵图分解，生成句子级用户画像。本发明能够对用户画以句子的形式进行个体化、具体化、形象化等特征的描述。填补了词级、大颗粒的群体标签对个体用户心理画像描述的缺失，通过人机会话的语料，实现对个体的心理诉求进行画像，细颗粒表示了个体用户的诉求标签。

技术领域

本发明涉及数据处理技术，尤其涉及一种句子级用户画像生成方法、装置及存储介质。

背景技术

关键词标签，主要用于精准营销、分发推送到真实目标用户群，是对群体特征的高度聚类、抽象后的一种标注描述，在该群中的所有个体用户继承了集体的一般、普遍、大众化的特征。然而，以识别细分群体为目标的关键词标签，缺失了用户个体化、具体化、形象化的特征表达。

以在商品购物、内容阅读、服务消费场等场为例，用户画像主要使用关键词标签的语义关键词来标注目标群体，是一种词级的用户画像特征描述。但是其无法进行句子级、连续可读的自动生成个体用户心理画像描述，进而无法对用户个体化、具体化、形象化等特征进行表达。

发明内容

本发明实施例提供一种句子级用户画像生成方法、装置及存储介质，能够对用户画以句子的形式进行个体化、具体化、形象化等特征的描述。

本发明实施例的第一方面，提供一种句子级用户画像生成方法，包括：

接收会话语料，基于爬虫系统对所述会话语料进行处理获取目标语料，其中所述目标语料包括一个或多个文本；

对所述一个或多个文本进行分词处理，获得每个文本分词的词向量，基于所述每个文本分词的词向量生成该文本的句向量；

将所述句向量转换为矩阵得到句矩阵，将所述句矩阵与所述句矩阵的转置矩阵相乘得到交叉矩阵；

基于TextRank算法对所述交叉矩阵进行概率转移矩阵图分解，生成句子级用户画像。

可选地，在第一方面的一种可能实现方式中，所述接收会话语料包括：

从人机会话系统中抽取出用户留存的对话语料和\或短文本；

所述基于爬虫系统对所述会话语料进行处理获取目标语料包括：

搜索引擎爬虫将对话语料和\或短文本发送给开放搜索引擎，所述基于所述对话语料和\或短文本进行查询得到搜索结果；

将所述搜索结果中的标题文本和\或摘要文本作为目标语料。

可选地，在第一方面的一种可能实现方式中，所述对所述一个或多个文本进行分词处理，获得每个文本分词的词向量包括：

基于开源分词工具将对文本进行分词处理，并转化为词向量表示；

基于所述每个文本分词的词向量生成该文本的句向量包括：

将一个句子中的词向量相加除以单词的数量得到一个加权平均向量，所述加权平均向量为句向量。

可选地，在第一方面的一种可能实现方式中，将所述句向量转换为矩阵得到句矩阵，将所述句矩阵与所述句矩阵的转置矩阵相乘得到交叉矩阵；

计算句矩阵和其转置矩阵中句向量的点积，得到语义相似度的分数矩阵，所述分数矩阵为交叉矩阵。

可选地，在第一方面的一种可能实现方式中，所述基于TextRank算法对所述交叉矩阵进行概率转移矩阵图分解，生成句子级用户画像包括：