[发明专利]用户画像推送方法及装置

权利要求书

1.一种用户画像推送方法，其特征在于，包括：

在接收到好友请求时，根据发送所述好友请求的目标用户的目标用户信息，从记录有各用户信息与各客户号的映射关系的第一数据表中，获取与所述目标用户信息对应的目标客户号；

确定所述好友请求验证通过，将所述目标用户信息添加至好友列表，并根据所述目标客户号，确定所述目标用户的用户画像，以将所述用户画像推送至所述好友列表中对应所述目标用户信息的信息栏。

2.根据权利要求1所述的用户画像推送方法，其特征在于，根据所述目标客户号，确定所述目标用户的用户画像，包括：

根据所述目标客户号，从记录有各客户号与各用户特征信息的映射关系的第二数据表中，获取所述目标用户的目标用户特征信息；

根据所述目标用户特征信息，确定所述目标用户的用户画像。

3.根据权利要求2所述的用户画像推送方法，其特征在于，根据所述目标用户特征信息，确定所述目标用户的用户画像，包括：

将所述目标用户特征信息输入训练好的深度学习神经网络中，获取所述目标用户对应的潜力等级；

根据所述潜力等级，确定所述目标用户的用户画像；

其中，所述深度学习神经网络由各特征样本训练得到，所述特征样本与所述目标用户特征信息的数据类型一致。

4.根据权利要求3所述的用户画像推送方法，其特征在于，还包括：

从各所述特征样本中，获取对应同一预设潜力等级的各目标样本；

将各所述目标样本依次输入所述深度学习神经网络进行训练，每次训练后均调整所述深度学习神经网络的损失函数，直至每次所述目标样本输入所述深度学习神经网络后，输出的所述潜力等级为所述预设潜力等级。

5.根据权利要求4所述的用户画像推送方法，其特征在于，调整所述深度学习神经网络的损失函数，包括：

获取输入所述深度学习神经网络的当前目标样本，与各所述特征样本中各剩余样本的第一余弦相似度；

根据各所述第一余弦相似度，以及所述当前目标样本与各负样本信息之间的各第二余弦相似度，调整所述损失函数；

其中，所述剩余样本为各所述特征样本中除所述当前目标样本外的特征样本；

所述负样本信息为各所述特征样本中与所述当前目标样本对应不同预设潜力等级的特征样本。

6.根据权利要求1所述的用户画像推送方法，其特征在于，还包括：

获取与所述目标用户的聊天文本信息；

对所述聊天文本信息进行向量转换，获取所述聊天文本信息的句向量；

根据所述句向量，获取所述聊天文本信息的文本情感类型的概率，以根据所述文本情感类型的概率，更新所述信息栏。

7.根据权利要求1-6所述的用户画像推送方法，其特征在于，所述目标用户信息包括用户姓名。

8.一种用户画像推送装置，其特征在于，包括：

用户信息获取模块，用于在接收到好友请求时，根据发送所述好友请求的目标用户的目标用户信息，从记录有各用户信息与各客户号的映射关系的第一数据表中，获取与所述目标用户信息对应的目标客户号；

用户画像推送模块，用于确定所述好友请求验证通过，将所述目标用户信息添加至好友列表，并根据所述目标客户号，确定所述目标用户的用户画像，以将所述用户画像推送至所述好友列表中对应所述目标用户信息的信息栏。

9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的用户画像推送方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的用户画像推送方法。