[发明专利]人物特征的挖掘方法、装置、设备及存储介质

说明书

本申请涉及人工智能技术领域，本申请公开了一种人物特征的挖掘方法，通过将用户关于购物行为的行为数据划分为静态特征和动态特征，并利用独热算法离散化静态特征和动态特征，得到静态离散值集合和动态离散值集合；通过训练后的特征挖掘模型的人工神经网络筛选出动态离散值集合中的正动态离散值集合，再基于正动态离散值集合和静态离散值集合通过训练后的特征挖掘模型的分类算法单元进行分类预测；合并分类预测结果获得最终挖掘出的人物特征数值集合。通过将行为数据根据特点划分，并基于划分后的静态特征和动态特征，利用人工神经网络和分类算法进行分类预测，提高了行为数据的利用率，从而提高了人物特征挖掘的准确率。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种人物特征的挖掘方法、装置、计算机设备及存储介质。

背景技术

随着手机网络时代的发展，用户在各网站或软件上的行为产生了大量行为数据，多数企业通过将用户的行为数据进行统计，提取人物特征将用户标签化，并结合用户多个维度的信息构建用户画像，从而帮助企业快速找到精准用户群体以及用户需求等价值信息，实现精准营销，挖掘潜在用户。

用户画像是大数据技术的重要应用，其目标是在很多的维度上建立针对用户的描述性标签属性，从而利用这些标签属性对用户多方面的真实个人特征进行勾勒，进而可以利用用户画像发掘用户需求，分析用户偏好，并通过匹配用户画像提供给用户更高效和更有针对性的信息输送以及更贴近个人习惯的用户体验。

然而，现有技术中，在将用户标签化中的挖掘人物特征步骤，针对用户信息的不同行为数据，不注重各行为数据之间的区别，仅通过单一的分类模型处理整体行为数据，导致行为数据的利用率不高，从而导致了人物特征挖掘的准确率较低。

发明内容

本申请提供一种人物特征的挖掘方法、装置、计算机设备及存储介质，解决了现有技术中，在将用户标签化中的挖掘人物特征步骤，针对用户信息的不同行为数据，仅通过单一的分类模型进行处理，不注重各行为数据之间的区别，现有的人物特征提取的准确率不高的问题。

第一方面，本申请实施例提供了一种人物特征的挖掘方法，包括：

获取用户关于购物行为的多个动态特征与多个静态特征；

利用独热算法分别对多个所述动态特征与多个所述静态特征进行处理，分别得到动态离散值集合与静态离散值集合；将所述动态离散值集合与所述静态离散值集合输入训练后的特征挖掘模型；

通过所述训练后的特征挖掘模型的人工神经网络，从所述动态离散值集合中筛选出正动态离散值，得到正动态离散值集合；通过所述训练后特征挖掘模型中的分类算法单元，对所述正动态离散值集合进行分类预测，得到动态特征数值集合；其中，所述正动态离散值集合为所述动态离散值集合中与购物行为具有正关联性的动态离散值；

通过所述训练后特征挖掘模型中的分类算法单元，对所述静态离散值集合进行分类预测得到静态特征数值集合；合并所述动态特征数值集合和所述静态特征数值集合得到人物特征数值集合。

第二方面，本申请实施例还提供了一种人物特征的挖掘装置，包括：

获取模块，获取用户关于购物行为的多个动态特征与多个静态特征；

特征离散化模块，利用独热算法分别对多个所述动态特征与多个所述静态特征进行处理，分别得到动态离散值集合与静态离散值集合；

输入模块，将所述动态离散值集合与所述静态离散值集合输入训练后的特征挖掘模型；

动态特征挖掘模块，通过所述训练后的特征挖掘模型的人工神经网络，从所述动态离散值集合中筛选出正动态离散值，得到正动态离散值集合；通过所述训练后特征挖掘模型中的分类算法单元，对所述正动态离散值集合进行分类预测，得到动态特征数值集合；其中，所述正动态离散值集合为所述动态离散值集合中与购物行为具有正关联性的动态离散值；