用户画像刻画方法、装置、介质和计算设备与流程

本发明的实施方式涉及计算机领域，更具体地，本发明的实施方式涉及一种用户画像刻画方法、一种户画像刻画装置、计算机存储介质和计算设备。

背景技术：

本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

用户画像是真实用户在互联网里的虚拟代表，它是一种建立在一系列真实数据之上的用户模型。一般地，基于用户画像可以实现通过用户调研和数据挖掘去了解用户的目的。具体地，可以根据用户的行为、观点和所关注的目标等方面的差异，将他们区分为不同的类型，然后从每种类型中抽取出典型特征，应用于推荐-搜索-广告-推送等系统，也可以进一步抽象出标签特征，应用于各类营销系统。

目前，相关技术中已经出现一些用户画像方法。

但是，在实现本发明构思的过程中，发明人发现相关技术中至少存在以下缺陷：现有的用户画像只能反映用户在特定领域的特征，不能反映用户在其他领域的特征，比如，有的用户画像只能应用于通信领域，有的则只能应用于互联网领域，并且应用于互联网领域的用户画像只能反映用户的家庭属性这一关联关系。

针对相关技术中的上述问题，目前还未提出有效的解决方案。

技术实现要素：

由于现有的用户画像只能反映用户在特定领域的特征，不能反映用户在其他领域的特征，导致用户画像的适应领域非常有限。

因此现有的用户画像不能在更广的领域中应用，这是非常令人烦恼的。

为此，非常需要一种改进的用户画像刻画方法，以使其可以在更广的领域中应用。

在本上下文中，本发明的实施方式期望提供一种改进的用户画像刻画方法及装置。

在本发明实施方式的第一方面中，提供了一种用户画像刻画方法，包括：针对目标用户，获取用于刻画上述目标用户的用户画像的原始数据；基于上述原始数据，确定上述目标用户在多个第一预设维度上表现出来的用户特征；以及通过上述目标用户在上述多个第一预设维度上表现出来的用户特征，刻画上述目标用户的用户画像。

在本发明的一个实施例中，在刻画上述目标用户的用户画像的过程中：将上述目标用户在上述多个第一预设维度中的至少一个维度上表现出来的用户特征进行标签化，得到对应的用户特征标签；以及通过上述用户特征标签和其余用户特征，刻画上述目标用户的用户画像，其中，上述其余用户特征包括：上述目标用户在上述多个第一预设维度中除上述至少一个维度外的其它维度上表现出来的用户特征。

在本发明的另一实施例中，将上述目标用户在上述多个第一预设维度中的至少一个维度上表现出来的用户特征进行标签化，得到对应的用户特征标签包括：针对上述至少一个维度中的每个维度，确定上述目标用户在该维度上表现出来的用户特征的类别；对上述目标用户在该维度上表现出来的用户特征进行语义分析，得到与上述类别的用户特征对应的语义；以及将上述类别以及与上述类别的用户特征对应的语义进行关联，以得到该维度上的用户特征标签。

在本发明的又一个实施例中，将上述目标用户在上述多个第一预设维度中的至少一个维度上表现出来的用户特征进行标签化，得到对应的用户特征标签包括：针对上述至少一个维度中的每个维度，对上述目标用户在该维度上表现出来的用户特征进行统计，得到对应的统计结果；获取外部输入的附加信息；以及基于上述统计结果和上述附加信息，给上述目标用户在该维度上表现出来的用户特征打上标签，以得到该维度上的用户特征标签。

在本发明的再一个实施例中，基于上述原始数据，确定上述目标用户在多个第一预设维度上表现出来的用户特征包括：从上述原始数据中提取出与刻画用户画像相关的多种目标数据；以及基于上述多种目标数据，确定上述目标用户在上述多个第一预设维度上表现出来的用户特征，其中，一种目标数据对应一个第一预设维度。

在本发明的再一个实施例中，基于上述多种目标数据，确定上述目标用户在上述多个第一预设维度上表现出来的用户特征包括：将上述多种目标数据中的每种目标数据按照预设规则进行翻译，得到对应的多种结构化数据；对上述多种结构化数据中的每种结构化数据进行数据分析，得到多种数据对象，其中，一种数据对象对应一个第一预设维度；以及基于上述多种数据对象，确定上述目标用户在上述多个第一预设维度上表现出来的用户特征。

在本发明的再一个实施例中，上述多种目标数据包括以下数据中的至少两种：基础数据、原始记录数据、事实数据、统计数据和预测数据。

在本发明的再一个实施例中，在上述目标数据包括上述基础数据的情况下，上述方法还包括：对上述基础数据进行解析，得到以下解析数据中的一种或者多种：属性数据、角色数据、关联数据、终端数据和注册数据，其中，与上述基础数据对应的第一预设维度包括：属性维度、角色维度、关联维度、终端维度和注册维度；在上述基础数据的解析数据包括上述属性数据的情况下，基于上述属性数据在上述属性维度上刻画上述目标用户的属性画像；在上述基础数据的解析数据包括上述角色数据的情况下，基于上述角色数据在上述角色维度上刻画上述目标用户的角色画像；在上述基础数据的解析数据包括上述关联数据的情况下，基于上述关联数据在上述关联维度上刻画上述目标用户的关联画像；在上述基础数据的解析数据包括上述终端数据的情况下，基于上述终端数据在上述终端维度上刻画上述目标用户的终端画像；以及在上述基础数据的解析数据包括上述注册数据的情况下，基于上述注册数据在上述注册维度上刻画上述目标用户的注册画像。

在本发明的再一个实施例中，在上述目标数据包括上述原始记录数据的情况下，上述方法还包括：对上述原始记录数据进行解析，得到以下解析数据中的一种或者多种：访问数据、操作数据、第一消费数据、第二消费数据和反馈数据，其中，与上述原始记录数据对应的第一预设维度包括：访问维度、操作维度、第一消费维度、第二消费维度和反馈维度；在上述原始记录数据的解析数据包括上述访问数据的情况下，基于上述访问数据在上述访问维度上刻画上述目标用户的访问画像；在上述原始记录数据的解析数据包括上述操作数据的情况下，基于上述操作数据在上述操作维度上刻画上述目标用户的操作画像；在上述原始记录数据的解析数据包括上述第一消费数据的情况下，基于上述第一消费数据在上述第一消费维度上刻画上述目标用户的第一消费画像；在上述原始记录数据的解析数据包括上述第二消费数据的情况下，基于上述第二消费数据在上述第二消费维度上刻画上述目标用户的第二消费画像；以及在上述原始记录数据的解析数据包括上述反馈数据的情况下，基于上述反馈数据在上述反馈维度上刻画上述目标用户的反馈画像。

在本发明的再一个实施例中，在上述目标数据包括上述事实数据的情况下，上述方法还包括：对上述事实数据进行解析，得到以下解析数据中的一种或者多种：最早M次消费数据、最后N次消费数据、前L次消费数据、预设时间段内消费数据，其中，与上述事实数据对应的第一预设维度包括：最早M次消费维度、最后N次消费维度、前L次消费维度、预设时间段内消费维度；在上述事实数据的解析数据包括上述最早M次消费数据的情况下，基于上述最早M次消费数据在上述最早M次消费维度上刻画上述目标用户的最早M次消费画像；在上述事实数据的解析数据包括上述最后N次消费数据的情况下，基于上述最后N次消费数据在上述最后N次消费维度上刻画上述目标用户的最后N次消费画像；在上述事实数据的解析数据包括上述前L次消费数据的情况下，基于上述前L次消费数据在上述前L次消费维度上刻画上述目标用户的前L次消费画像；以及在上述事实数据的解析数据包括上述预设时间段内消费数据的情况下，基于上述预设时间段内消费数据在上述预设时间段内消费维度上刻画上述目标用户的预设时间段内消费画像。

在本发明的再一个实施例中，在上述目标数据包括上述统计数据的情况下，上述方法还包括：对上述统计数据进行解析，得到以下解析数据中的一种或者多种：偏好数据、地理数据、规则数据，其中，与上述统计数据对应的第一预设维度包括：偏好维度、地理维度和规则维度；在上述统计数据的解析数据包括上述偏好数据的情况下，基于上述偏好数据在上述偏好维度上刻画上述目标用户的偏好画像；在上述统计数据的解析数据包括上述地理数据的情况下，基于上述地理数据在上述地理维度上刻画上述目标用户的地理画像；以及在上述统计数据的解析数据包括上述规则数据的情况下，基于上述规则数据在上述规则维度上刻画上述目标用户的规则画像。

在本发明的再一个实施例中，在上述目标数据包括上述预测数据的情况下，上述方法还包括：对上述预测数据进行解析，得到以下解析数据中的一种或者多种：概率预测数据、风险预测数据、策略预测数据，其中，与上述预测数据对应的第一预设维度包括：概率预测维度、风险预测维度和策略预测维度；在上述预测数据的解析数据包括上述概率预测数据的情况下，基于上述概率预测数据在上述概率预测维度上刻画上述目标用户的概率预测画像；在上述预测数据的解析数据包括上述风险预测数据的情况下，基于上述风险预测数据在上述风险预测维度上刻画上述目标用户的风险预测画像；以及在上述预测数据的解析数据包括上述策略预测数据的情况下，基于上述策略预测数据在上述策略预测维度上刻画上述目标用户的策略预测画像。

在本发明实施方式的第二方面中，提供了一种计算机可读存储介质，其上存储有计算机可执行指令，上述指令被处理模块执行时用于实现上述实施例中任一项上述的用户画像刻画方法。

在本发明实施方式的第三方面中，提供了一种用户画像刻画装置，包括：获取模块，用于针对目标用户，获取用于刻画上述目标用户的用户画像的原始数据；确定模块，用于基于上述原始数据，确定上述目标用户在多个第一预设维度上表现出来的用户特征；以及第一刻画模块，用于通过上述目标用户在上述多个第一预设维度上表现出来的用户特征，刻画上述目标用户的用户画像。

在本发明的一个实施例中，上述装置还包括：标签化模块，用于在刻画上述目标用户的用户画像的过程中，将上述目标用户在上述多个第一预设维度中的至少一个维度上表现出来的用户特征进行标签化，得到对应的用户特征标签；以及第二刻画模块，用于通过上述用户特征标签和其余用户特征，刻画上述目标用户的用户画像，其中，上述其余用户特征包括：上述目标用户在上述多个第一预设维度中除上述至少一个维度外的其它维度上表现出来的用户特征。

在本发明的另一实施例中，上述标签化模块包括：第一确定单元，用于针对上述至少一个维度中的每个维度，确定上述目标用户在该维度上表现出来的用户特征的类别；分析单元，用于对上述目标用户在该维度上表现出来的用户特征进行语义分析，得到与上述类别的用户特征对应的语义；以及第一生成单元，用于将上述类别以及与上述类别的用户特征对应的语义进行关联，以得到该维度上的用户特征标签。

在本发明的又一个实施例中，上述标签化模块包括：统计单元，用于针对上述至少一个维度中的每个维度，对上述目标用户在该维度上表现出来的用户特征进行统计，得到对应的统计结果；获取单元，用于获取外部输入的附加信息；以及第二生成单元，用于基于上述统计结果和上述附加信息，给上述目标用户在该维度上表现出来的用户特征打上标签，以得到该维度上的用户特征标签。

在本发明的再一个实施例中，上述确定模块包括：提取单元，用于从上述原始数据中提取出与刻画用户画像相关的多种目标数据；以及第二确定单元，用于基于上述多种目标数据，确定上述目标用户在上述多个第一预设维度上表现出来的用户特征，其中，一种目标数据对应一个第一预设维度。

在本发明的再一个实施例中，上述第二确定单元包括：翻译子单元，用于将上述多种目标数据中的每种目标数据按照预设规则进行翻译，得到对应的多种结构化数据；分析子单元，用于对上述多种结构化数据中的每种结构化数据进行数据分析，得到多种数据对象，其中，一种数据对象对应一个第一预设维度；以及确定子单元，用于基于上述多种数据对象，确定上述目标用户在上述多个第一预设维度上表现出来的用户特征。

在本发明的再一个实施例中，上述多种目标数据包括以下数据中的至少两种：基础数据、原始记录数据、事实数据、统计数据和预测数据。

在本发明的再一个实施例中，第二确定单元，还用于在上述目标数据包括上述基础数据的情况下，对上述基础数据进行解析，得到以下解析数据中的一种或者多种：属性数据、角色数据、关联数据、终端数据和注册数据，其中，与上述基础数据对应的第一预设维度包括：属性维度、角色维度、关联维度、终端维度和注册维度；以及上述第一刻画模块还用于：在上述基础数据的解析数据包括上述属性数据的情况下，基于上述属性数据在上述属性维度上刻画上述目标用户的属性画像；在上述基础数据的解析数据包括上述角色数据的情况下，基于上述角色数据在上述角色维度上刻画上述目标用户的角色画像；在上述基础数据的解析数据包括上述关联数据的情况下，基于上述关联数据在上述关联维度上刻画上述目标用户的关联画像；在上述基础数据的解析数据包括上述终端数据的情况下，基于上述终端数据在上述终端维度上刻画上述目标用户的终端画像；以及在上述基础数据的解析数据包括上述注册数据的情况下，基于上述注册数据在上述注册维度上刻画上述目标用户的注册画像。

在本发明的再一个实施例中，第二确定单元，还用于在上述目标数据包括上述原始记录数据的情况下，对上述原始记录数据进行解析，得到以下解析数据中的一种或者多种：访问数据、操作数据、第一消费数据、第二消费数据和反馈数据，其中，与上述原始记录数据对应的第一预设维度包括：访问维度、操作维度、第一消费维度、第二消费维度和反馈维度；以及上述第一刻画模块还用于：在上述原始记录数据的解析数据包括上述访问数据的情况下，基于上述访问数据在上述访问维度上刻画上述目标用户的访问画像；在上述原始记录数据的解析数据包括上述操作数据的情况下，基于上述操作数据在上述操作维度上刻画上述目标用户的操作画像；在上述原始记录数据的解析数据包括上述第一消费数据的情况下，基于上述第一消费数据在上述第一消费维度上刻画上述目标用户的第一消费画像；在上述原始记录数据的解析数据包括上述第二消费数据的情况下，基于上述第二消费数据在上述第二消费维度上刻画上述目标用户的第二消费画像；以及在上述原始记录数据的解析数据包括上述反馈数据的情况下，基于上述反馈数据在上述反馈维度上刻画上述目标用户的反馈画像。

在本发明的再一个实施例中，第二确定单元，还用于在上述目标数据包括上述事实数据的情况下，对上述事实数据进行解析，得到以下解析数据中的一种或者多种：最早M次消费数据、最后N次消费数据、前L次消费数据、预设时间段内消费数据，其中，与上述事实数据对应的第一预设维度包括：最早M次消费维度、最后N次消费维度、前L次消费维度、预设时间段内消费维度；以及上述第一刻画模块还用于：在上述事实数据的解析数据包括上述最早M次消费数据的情况下，基于上述最早M次消费数据在上述最早M次消费维度上刻画上述目标用户的最早M次消费画像；在上述事实数据的解析数据包括上述最后N次消费数据的情况下，基于上述最后N次消费数据在上述最后N次消费维度上刻画上述目标用户的最后N次消费画像；在上述事实数据的解析数据包括上述前L次消费数据的情况下，基于上述前L次消费数据在上述前L次消费维度上刻画上述目标用户的前L次消费画像；以及在上述事实数据的解析数据包括上述预设时间段内消费数据的情况下，基于上述预设时间段内消费数据在上述预设时间段内消费维度上刻画上述目标用户的预设时间段内消费画像。

在本发明的再一个实施例中，第二确定单元，还用于在上述目标数据包括上述统计数据的情况下，对上述统计数据进行解析，得到以下解析数据中的一种或者多种：偏好数据、地理数据、规则数据，其中，与上述统计数据对应的第一预设维度包括：偏好维度、地理维度和规则维度；以及上述第一刻画模块还用于：在上述统计数据的解析数据包括上述偏好数据的情况下，基于上述偏好数据在上述偏好维度上刻画上述目标用户的偏好画像；在上述统计数据的解析数据包括上述地理数据的情况下，基于上述地理数据在上述地理维度上刻画上述目标用户的地理画像；以及在上述统计数据的解析数据包括上述规则数据的情况下，基于上述规则数据在上述规则维度上刻画上述目标用户的规则画像。

在本发明的再一个实施例中，第二确定单元，还用于在上述目标数据包括上述预测数据的情况下，对上述预测数据进行解析，得到以下解析数据中的一种或者多种：概率预测数据、风险预测数据、策略预测数据，其中，与上述预测数据对应的第一预设维度包括：概率预测维度、风险预测维度和策略预测维度；以及上述第一刻画模块还用于：在上述预测数据的解析数据包括上述概率预测数据的情况下，基于上述概率预测数据在上述概率预测维度上刻画上述目标用户的概率预测画像；在上述预测数据的解析数据包括上述风险预测数据的情况下，基于上述风险预测数据在上述风险预测维度上刻画上述目标用户的风险预测画像；以及在上述预测数据的解析数据包括上述策略预测数据的情况下，基于上述策略预测数据在上述策略预测维度上刻画上述目标用户的策略预测画像。

在本发明实施方式的第四方面中，提供了一种计算设备，包括：处理模块；以及存储模块，其上存储有可执行指令，上述指令在被上述处理模块执行时用于实现上述实施例中任一项所述的用户画像刻画方法。

根据本发明实施方式的用户画像刻画方法及装置，由于采用在多个能够反映用户的不同特征的纬度上刻画任意一个用户的画像的方式，因而能够实现多角度多层面刻画用户画像的目的，所以可以至少部分地克服相关技术中由于仅仅从通信层面或者家庭属性关联关系层面刻画用户画像而导致用户画像的应用领域受限的缺陷，从而显著地扩展了用户画像的适应领域。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1示意性地示出了根据本发明实施例的适于用户画像刻画方法及装置的示例性应用场景；

图2示意性地示出了根据本发明实施例的用户画像刻画方法的流程图；

图3A示意性地示出了根据本发明实施例的刻画用户画像的示意图；

图3B示意性地示出了根据本发明实施例的标签化用户特征的流程图；

图3C示意性地示出了根据本发明另一实施例的标签化用户特征的流程图；

图3D示意性地示出了根据本发明实施例的确定用户特征的流程图；

图3E示意性地示出了根据本发明另一实施例的确定用户特征的流程图；

图3F示意性地示出了根据本发明实施例的目标数据的组成的示意图；

图3G示意性地示出了根据本发明实施例的基础数据的组成的示意图；

图3H示意性地示出了根据本发明实施例的原始记录数据的组成的示意图；

图3I示意性地示出了根据本发明实施例的事实数据的组成的框图；以及

图3J示意性地示出了根据本发明实施例的统计数据的组成的示意图；

图3K示意性地示出了根据本发明实施例的预测数据的组成的示意图；

图4示意性地示出了根据本发明实施例的用户画像刻画装置的框图；

图5示意性地示出了根据本发明实施例的计算机可读存储介质产品的示意图；以及

图6示意性地示出了根据本发明实施例的计算设备的框图。

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

根据本发明的实施方式，提出了一种用户画像刻画方法、介质、装置和计算设备。

在本文中，需要理解的是，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。

下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

发明概述

在实现本发明实施例的过程中，发明人发现：现有的用户画像只能反映用户在特定领域的特征，不能反映用户在其他领域的特征，比如，有的用户画像只能应用于通信领域，有的则只能应用于互联网领域，并且应用于互联网领域的用户画像只能反映用户的家庭属性这一关联关系。

本发明的实施方式提供了一种用户画像刻画方法及装置，该方法包括：针对目标用户，获取用于刻画目标用户的用户画像的原始数据；基于原始数据，确定目标用户在多个第一预设维度上表现出来的用户特征；以及通过目标用户在多个第一预设维度上表现出来的用户特征，刻画目标用户的用户画像。由于本发明采用在多个能够反映用户的不同特征的纬度上刻画任意一个用户的画像的方式，因而能够实现多角度多层面刻画用户画像的目的，所以可以至少部分地克服相关技术中由于仅仅从通信层面或者家庭属性关联关系层面刻画用户画像而导致用户画像的应用领域受限的缺陷，从而显著地扩展了用户画像的适应领域。

在介绍了本发明的基本原理之后，下面具体介绍本发明的各种非限制性实施方式。

应用场景总览

首先参考图1详细阐述本发明实施例的用户画像刻画方法及装置的示例性应用场景。

互联网逐渐步入大数据时代后，不可避免的给产品及用户的行为带来一系列改变，用户的一切行为在产品面前应该是“可视化”的。随着大数据技术的深入研究与应用，企业的专注点日益聚焦于怎样利用大数据来为精准营销服务，进而深入挖掘潜在的商业价值。

用户画像是当前无论线上产品还是线下产品的基础生产资料，通过用户画像对用户进行全方位的刻画，能够帮助企业更全面、更深入地了解用户的特征，从而调整营销策略，或利用服务器的处理能力自动给出更匹配的个性化营销方案，从而达到增加成交概率的目的。

用户画像的用途非常广泛，如图1所示，用户画像110可以用于广告系统120、推送系统130、推荐系统140和搜索系统150。

具体地，用户画像主要可以用于：(1)精准营销：将用户群体切割成更细的粒度，辅以推送短信和邮件，以及搞促销活动等手段，对不同的用户加以关怀、挽回、激励等；(2)数据应用：如推荐系统、广告系统和搜索系统，可以根据用户数据定制策略或通过用户画像的特征数据进行机器学习提升产品转换率或用户体验；(3)产品分析：业务层面的数据仓库、各类标签是多维分析的天然要素，因而可以通过数据查询平台会查询其中的相关数据。

总而言之，千万人撩你，不如一人懂你，真正地了解用户，才能得到用户，才能占有更大的市场。可见，用户画像的重要性不言而喻。用户画像是一个好的产品的必备数据仓库，也是AI系统中重要的模型。

应该理解，本实施例的应用场景仅仅是示意性的，并不能限定或缩小本公开的范围。

示例性方法

下面参考图2来描述根据本发明示例性实施方式的用户画像刻画方法。需要注意的是，上述应用场景仅是为了便于理解本发明的精神和原理而示出，本发明的实施方式在此方面不受任何限制。相反，本发明的实施方式可以应用于适用的任何场景。

本发明实施例提供了一种用户画像刻画方法。

图2示意性地示出了根据本发明实施方式的用户画像刻画方法的流程图。如图2所示，该方法可以包括如下操作：

操作S210，针对目标用户，获取用于刻画目标用户的用户画像的原始数据；

操作S220，基于原始数据，确定目标用户在多个第一预设维度上表现出来的用户特征；以及

操作S230，通过目标用户在多个第一预设维度上表现出来的用户特征，刻画目标用户的用户画像。

需要说明的是，本发明涉及的目标用户可以是任意用户。进一步，对于任一用户而言，原始数据可以是与该用户有关的所有数据，包括线上和线下的数据。此外，获取原始数据的方式可以包括多种，比如从网络中爬取，通过各种接口从对应的数据库、存储器(如图3A所示，可以是文件存储器301和数据存储器302)中读取，等等，在此不做限定。

针对目标用户，在获取其原始数据后，可以对获取的原始数据进行解析，并对解析结果进行分类，使不同类别的原始数据对应于不同的预设维度，进而在各预设维度上对对应类型的原始数据进行分析，以确定这类数据所表现出来的用户特征。

在确定出各类数据所表现出来的用户特征后，就可以在各个预设维度上刻画用户的用户画像了。

例如，如图3A所示，用于刻画用户画像的刻画用户画像系统305，可以从文件存储器301和数据存储器302中获取用户的原始数据，并基于获取的原始数据执行相应的用户画像刻画流程，在用户画像刻画完毕之后，可以将用户画像用于营销系统303和其他线上服务304中。

通过本发明实施例，由于采用在多个能够反映用户的不同特征的纬度上刻画任意一个用户的画像的方式，因而能够实现多角度多层面地刻画用户画像的目的，所以可以至少部分地克服相关技术中由于仅仅从通信层面或者家庭属性关联关系层面刻画用户画像而导致用户画像的应用领域受限的缺陷，从而显著地扩展了用户画像的适应领域。

以下结合图3B～图3K对图2所示的用户画像刻画方法进行详细阐述。

一般地，由于用户在各个第一预设维度上表现出来的用户特征通常比较抽象、冗长、复杂，为了克服这些缺陷，可以将用户在各预设维度上表现出的用户特征进行简化处理，使抽象、冗长、复杂的用户特征具体化、简单化。例如，可以将其做成标签，使其标签化。

其中，可以将各个预设维度上的用户特征进行标签化(有些预设维度上的用户特征也可以不进行标签化而直接使用)，在标签化流程中，可以使用聚类等技术或人工标注方式，对某些预设维度上具有相似用户特征的用户进行归纳，便于使用。此外，用户特征的标签化方式至少可以包括如下文所述的方式1和方式2。

方式1，如图3B所示，可以对每类原始数据所表现出来的用户特征进行聚类，并结合神经语言程序学NLP，对每个类型形成描述。

具体地，作为一种可选的实施例，上述用户画像刻画方法在刻画目标用户的用户画像的过程中还可以包括：将该目标用户在该多个第一预设维度中的至少一个维度上表现出来的用户特征进行标签化，得到对应的用户特征标签；以及通过该用户特征标签和其余用户特征，刻画该目标用户的用户画像，其中，该其余用户特征包括：该目标用户在该多个第一预设维度中除该至少一个维度外的其它维度上表现出来的用户特征。

需要说明的是，在刻画用户画像的过程中，标签化用户特征是一个优选方案，对于多个第一预设维度而言，可以选择将其全部标签化，也可以选择将其中一部分标签化，具体如何选择，可以根据实际需要确定，在此不做限定。

进一步地，作为一种可选的实施例，将该目标用户在该多个第一预设维度中的至少一个维度上表现出来的用户特征进行标签化，得到对应的用户特征标签包括：针对该至少一个维度中的每个维度，确定该目标用户在该维度上表现出来的用户特征的类别；对该目标用户在该维度上表现出来的用户特征进行语义分析，得到与该类别的用户特征对应的语义；以及将该类别以及与该类别的用户特征对应的语义进行关联，以得到该维度上的用户特征标签。

具体地，针对任一预设维度上的用户特征，可以通过聚类等技术手段，得到用户特征的分类，再通过自然语言处理等技术获取该类用户特征的语义，从而将分类和人类的理解关联起来，将该预设维度上的用户特征和实际意义关联起来，形成标签。

方式2，如图3C所示，可以对每类原始数据所表现出来的用户特征进行统计整理，并加上人工验收环境，对每个类型形成描述。

具体地，作为一种可选的实施例，将该目标用户在该多个第一预设维度中的至少一个维度上表现出来的用户特征进行标签化，得到对应的用户特征标签可以包括：针对该至少一个维度中的每个维度，对该目标用户在该维度上表现出来的用户特征进行统计，得到对应的统计结果；获取外部输入的附加信息；以及基于该统计结果和该附加信息，给该目标用户在该维度上表现出来的用户特征打上标签，以得到该维度上的用户特征标签。

在将对应的用户特征标签化后，可以将已标签化和未标签化的(即结构化的)数据输送到使用方(如线上服务、营销系统等)，存为相应的格式，供其使用。其中，这些数据供线上服务使用时主要是用于自动化处理流程，如进行机器学习、进行线上推送、推荐、搜索、定价等，这些数据供营销系统使用时主要是用于诸如CRM系统，push系统等。

如图3D所示，作为一种可选的实施例，操作S220基于该原始数据，确定该目标用户在多个第一预设维度上表现出来的用户特征可以包括：

操作S221，从该原始数据中提取出与刻画用户画像相关的多种目标数据；以及

操作S222，基于该多种目标数据，确定该目标用户在该多个第一预设维度上表现出来的用户特征，其中，一种目标数据对应一个第一预设维度。

具体地，本发明实施例的上述流程可以细化为如下三个步骤进行：解析：用于从原始数据中提取相关的数据，翻译成结构化的数据语言，譬如通过反序列化把数据流变成可识别的key-value键值对，以方便后续处理；处理：对上步解析得到的用户数据，进行进一步分析处理，如统计、挖掘、预测；结构化：将上步处理后的数据按具体数据的内容组装成一定格式的数据形态，以便于插入到数据库中或者写到对应的文件只能怪，目的是为了后续使用(线上或者线下查看)方便。

如图3E所示，作为一种可选的实施例，操作S222基于该多种目标数据，确定该目标用户在该多个第一预设维度上表现出来的用户特征可以包括：

操作S2221，将该多种目标数据中的每种目标数据按照预设规则进行翻译，得到对应的多种结构化数据；

操作S2222，对该多种结构化数据中的每种结构化数据进行数据分析，得到多种数据对象，其中，一种数据对象对应一个第一预设维度；以及

操作S2223，基于该多种数据对象，确定该目标用户在该多个第一预设维度上表现出来的用户特征。

需要说明的是，本发明提出的用户画像刻画方法，通过上述流程将原始的与用户关联的数据构造成对应的用户画像，所谓用户画像在这里是指结构化的数据，以表示用户在各种预设维度上所表现出来的用户特征，形成类似模型文件，可以载入营销系统、广告系统、推送系统、推荐系统和搜索系统，或者可以用于策略使用，并且使用本发明提供的方法刻画出来的用户画像具有机器和人都可读的特性，也可以作为用户模型使用。

此外，在本发明实施例中，用户画像的数据来源通常包括数据仓库，一般可以区分为数据文件或者结构化的数据库，前者如file、hdfs、文档等电子文件，后者如mysql、ddb、hive、redis、tair、ncr等数据库。实施例时，先从数据仓库中取出原始数据，再从原始数据中提取相关数据作为目标数据，以便于进一步构建用户画像使用。其中，原始数据大致可以区分为在线基础数据、产品内行为数据、用户内容偏好数据、用户交易数据这四类。

具体地，可以将这些文件导入到计算单元，按照特定的规则计算或者提取各个预设维度的用户特征，具体规则将在下文介绍。

通过本发明实施例，可以系统地健壮地刻画用户画像，从而能够提供丰富的用户数据，方便线上自动化系统或半自动的运营系统采用，方便个性化推荐和人群划分，能够达到精准营销的目的。此外，通过本发明提供的方案刻画出的用户画像包含的信息比较全面，在产品的运作中可以尽量减少主观臆测，走近用户，理解他们的真正需求，从而知道如何更好地为不同类型的用户服务。

进一步，作为一种可选的实施例，该多种目标数据包括以下数据中的至少两种：基础数据、原始记录数据、事实数据、统计数据和预测数据。如图3F所示，为了全面起见，此处目标数据可以同时包括基础数据、原始记录数据、事实数据、统计数据和预测数据。

具体地，根据具体的产品定位和产品数据丰富程度，具体实施中可酌情调整目标数据所包含的内容以及获取这些内容的顺序。其中：基础数据，又称为基础信息，它是获取和处理用户本身的信息，这里用户包括使用者本身的信息和平台中虚拟人物角色的信息；原始记录数据，它是获取和处理该用户在产品内部和相关产品中最原始的数据记录，包括但不限于行为记录，如购买历史等等；事实数据，又称为事实模型，它是获取和处理以事实维度(状态)为基础的用户信息，通过一种有意义的描述来获取该描述下的用户特征；统计数据，又称为统计模型，它是获取和处理以统计信息为主的用户画像，通过统计手段挖掘潜在的用户特点，比如口味、偏好、常去地点等等；预测数据，又称为预测模型，它是获取和处理一些相关数据，并通过模型，通常是机器学习模型预测该用户的一些特征，如风险预估、品味预估等等，也包括基础数据、原始记录数据、事实数据、统计数据中缺失的用户信息，如职业、年龄、性别预测等等。

进一步，作为一种可选的实施例，在该目标数据包括该基础数据的情况下，该方法还可以包括：对该基础数据进行解析，得到以下解析数据中的一种或者多种：属性数据、角色数据、关联数据、终端数据和注册数据(如图3G所示，基础数据可以同时包括属性数据、角色数据、关联数据、终端数据和注册数据)，其中，与该基础数据对应的第一预设维度包括：属性维度、角色维度、关联维度、终端维度和注册维度；在该基础数据的解析数据包括该属性数据的情况下，基于该属性数据在该属性维度上刻画该目标用户的属性画像；在该基础数据的解析数据包括该角色数据的情况下，基于该角色数据在该角色维度上刻画该目标用户的角色画像；在该基础数据的解析数据包括该关联数据的情况下，基于该关联数据在该关联维度上刻画该目标用户的关联画像；在该基础数据的解析数据包括该终端数据的情况下，基于该终端数据在该终端维度上刻画该目标用户的终端画像；以及在该基础数据的解析数据包括该注册数据的情况下，基于该注册数据在该注册维度上刻画该目标用户的注册画像。

需要说明的是，上述基础数据中不同类型的数据，用于生成用户画像的不同部分，在使用不同类型的基础数据生成用户画像的不同部分时，本发明对其生成顺序不做限定。

具体地，此处属性数据包括但不限于以下一种或多种特征数据：标识符(如账号、用户id，设备id，cookieid等等)、用户年龄、用户性别、用户籍贯、常用手机号、主账号、出生年月、星座、用户学历、用户性格、用户民族、用户宗教、用户在本产品中的成长年龄等等；角色数据包括但不限于以下一种或多种特征数据：站内角色、站外角色，职业角色、家庭角色、社区角色等等；关联数据包括但不限于以下一种或多种特征数据：用户是否有宝宝(如有，还包括记录孩子年龄、体重、性别)、用户为谁代购、用户所持车辆、用户不动产、用户公司(即公司地点、公司行业)、用户收入水平；终端数据包括但不限于以下一种或多种特征数据：使用的终端参数，含cpu、内存、屏幕、系统、品牌、上市时间等；注册数据包括但不限于以下一种或多种特征数据：注册时候的信息如注册渠道、注册方式、联系方式、时间、阅读兴趣、生活兴趣等，这里的注册画像还包括注册完成后用户在产品中主动填写和修改的信息。

进一步，作为一种可选的实施例，在该目标数据包括该原始记录数据的情况下，该方法还包括：对该原始记录数据进行解析，得到以下解析数据中的一种或者多种：访问数据、操作数据、第一消费数据、第二消费数据和反馈数据(如图3H所示，原始记录数据可以包括同时访问数据、操作数据、第一消费数据、第二消费数据和反馈数据)，其中，与该原始记录数据对应的第一预设维度包括：访问维度、操作维度、第一消费维度、第二消费维度和反馈维度；在该原始记录数据的解析数据包括该访问数据的情况下，基于该访问数据在该访问维度上刻画该目标用户的访问画像；在该原始记录数据的解析数据包括该操作数据的情况下，基于该操作数据在该操作维度上刻画该目标用户的操作画像；在该原始记录数据的解析数据包括该第一消费数据的情况下，基于该第一消费数据在该第一消费维度上刻画该目标用户的第一消费画像；在该原始记录数据的解析数据包括该第二消费数据的情况下，基于该第二消费数据在该第二消费维度上刻画该目标用户的第二消费画像；以及在该原始记录数据的解析数据包括该反馈数据的情况下，基于该反馈数据在该反馈维度上刻画该目标用户的反馈画像。

需要说明的是，上述原始记录数据中不同类型的数据，用于生成用户画像的不同部分，在使用不同类型的原始记录数据生成用户画像的不同部分时，本发明对其生成顺序不做限定。

具体地，此处获取和处理原始记录数据包括但不限于从访问、操作、消费、反馈、记录5个方面获取数据，以完成该部分用户画像的刻画。这里访问、操作、消费、反馈、记录的对象是元素，元素包括“商品、文章、类目、品牌、专辑、活动”等中的一个或多个，详细说明如下。

其中，访问数据包括不限于以下一个或多个特征数据：在产品中的元素访问痕迹，用户的展示痕迹，停留痕迹；操作数据包括但不限于以下一个或多个特征数据：在产品中的元素浏览、点赞、加购、收藏、购买、分享、组团、搜索行为痕迹；第一消费数据包括不限于以下一个或多个特征数据：实际消费的信息，包括消费的原因、渠道、来源、财务明细、优惠使用情况；第二消费数据，用于生成反馈画像，其包括不限于以下一个或多个特征数据：客服反馈内容、评论内容、评分内容、负反馈内容，不感兴趣内容，投诉内容；反馈数据，用于生成记录画像，其包括不限于以下一个或多个特征数据：当前消费总额、当前在途商品、当前等待支付当前状态值。

进一步，作为一种可选的实施例，在该目标数据包括该事实数据的情况下，该方法还包括：对该事实数据进行解析，得到以下解析数据中的一种或者多种：最早M次消费数据、最后N次消费数据、前L次消费数据、预设时间段内消费数据(如图3I所示，事实数据可以同时包括最早M次消费数据、最后N次消费数据、前L次消费数据、预设时间段内消费数据)，其中，与该事实数据对应的第一预设维度包括：最早M次消费维度、最后N次消费维度、前L次消费维度、预设时间段内消费维度；在该事实数据的解析数据包括该最早M次消费数据的情况下，基于该最早M次消费数据在该最早M次消费维度上刻画该目标用户的最早M次消费画像；在该事实数据的解析数据包括该最后N次消费数据的情况下，基于该最后N次消费数据在该最后N次消费维度上刻画该目标用户的最后N次消费画像；在该事实数据的解析数据包括该前L次消费数据的情况下，基于该前L次消费数据在该前L次消费维度上刻画该目标用户的前L次消费画像；以及在该事实数据的解析数据包括该预设时间段内消费数据的情况下，基于该预设时间段内消费数据在该预设时间段内消费维度上刻画该目标用户的预设时间段内消费画像。

需要说明的是，上述事实数据中不同类型的数据，用于生成用户画像的不同部分，在使用不同类型的原始记录数据生成用户画像的不同部分时，本发明对其生成顺序不做限定。

具体地，此处获取和处理事实数据流程中，需要对至少包括FirstN/LastN/TopN/TimeN四个模型中任意一个或者多个模型进行用户特征提取，每个模型中，包括一个或者多个项目，详细的说这四个建立模型步骤(不分先后)如下。

生成FirstN模型：记录和处理用户在该产品注册后前N次购买的时间、金额、类目、优惠力度、件数、各类目订单分布、各类目金额分布、各类目商品个数，前N次使用支付账号、身份信息、收货人信息；前N次评论的内容、倾向；前N次收藏、点赞、关注的物品。

生成LastN模型：记录和处理用户在该产品注册后至当前时间里，最近N次购买的时间、金额、类目、优惠力度、件数、各类目订单分布、各类目金额分布、各类目商品个数，最近N次使用支付账号、身份信息、收货人信息；最近N次评论的内容、倾向；最近N次收藏、点赞、关注的物品。

生成TopN模型：记录和处理用户在该产品注册后至当前时间里，TopN的订单数、TopN品牌购买商品金额、TopN国家购买订单数、TopN国家购买商品金额、TopN频繁支付账号、TopN收货人信息(含地址标识、名字标识、行政区域)，N是参数，表示频度，一般选择10、20、50、100。

生成TimeN模型：TimeN是记录一个时间窗口内的统计数据，时间(Time)一般包括10分钟、60分钟，4小时，12小时，24小时，当天、上周、上月、当月、本月、本季度、180天、本年等描述，在特定时间N的周期内，记录和处理以下一个或者多个用户行为项目：购买实付金额、购买件数、订单数、消费次数、消费广度，点击量、收藏量、加购量、购买量、用户对类目偏好、用户对品牌偏好等。

进一步，作为一种可选的实施例，在该目标数据包括该统计数据的情况下，该方法还包括：对该统计数据进行解析，得到以下解析数据中的一种或者多种：偏好数据、地理数据、规则数据(如图3J所示，统计数据可以同时包括偏好数据、地理数据、规则数据)，其中，与该统计数据对应的第一预设维度包括：偏好维度、地理维度和规则维度；在该统计数据的解析数据包括该偏好数据的情况下，基于该偏好数据在该偏好维度上刻画该目标用户的偏好画像；在该统计数据的解析数据包括该地理数据的情况下，基于该地理数据在该地理维度上刻画该目标用户的地理画像；以及在该统计数据的解析数据包括该规则数据的情况下，基于该规则数据在该规则维度上刻画该目标用户的规则画像。

需要说明的是，上述统计数据中不同类型的数据，用于生成用户画像的不同部分，在使用不同类型的原始记录数据生成用户画像的不同部分时，本发明对其生成顺序不做限定。

具体地，此处获取和处理统计模型流程中，包括处理偏好模型、地理模型和规则模型中的一个或者多个，进一步的，每种模型可以包括时间参数，这样可以得到包括实时模型和长期模型等不同时间窗口的模型数据，这些模型具体来说是：

处理用户偏好模型：包括处理用户类目偏好、品牌偏好、价格偏好、颜色偏好、款式偏好、权益偏好、服务偏好、时间偏好，通过各模型按照点击和购买分配不同的权重计算得到。

处理用户地理模型：包括计算用户的地理特性，包括GPS坐标、IP网络地址、购物位置习惯、城市区县级别等。

处理用户规则模型，包括处理以下的一个或者多个项目：a用户价格敏感度模型，比如先计算出最近60天每个item被购买的平均价格，然后根据平均价格计算出用户购买每个类目的平均折扣；b用户购买力模型，根据物品模型里标注的物品价格等级计算出用户对类目的平均价格等级作为用户的购买力模型；c优惠券依赖程度，即用户对优惠券和促销依赖的程度；d用户生命周期，比如沉睡(如近90天有购买，近60天无购买)，比如活跃(如分为高频、中频、低频三类，根据用户近60天的购买天数聚类得到)，比如流失(如近90天无购买，曾经购买过，暂时没统计)，比如注册未购买(如只注册未购买，暂时没统计)，比如新用户(如刚注册，有首单购买或者无购买)；e搜索模型，即用户按时间维度的搜索列表；fRFM模型，比如Recency，如近来一个月中最近一次消费时间，比如Frequency，如近来一个月中的消费频率，比如Monetary，如近来一个月的消费金额，等等。

进一步，作为一种可选的实施例，在该目标数据包括该预测数据的情况下，该方法还包括：对该预测数据进行解析，得到以下解析数据中的一种或者多种：概率预测数据、风险预测数据、策略预测数据(如图3K所示，预测数据可以同时包括概率预测数据、风险预测数据、策略预测数据)，其中，与该预测数据对应的第一预设维度包括：概率预测维度、风险预测维度和策略预测维度；在该预测数据的解析数据包括该概率预测数据的情况下，基于该概率预测数据在该概率预测维度上刻画该目标用户的概率预测画像；在该预测数据的解析数据包括该风险预测数据的情况下，基于该风险预测数据在该风险预测维度上刻画该目标用户的风险预测画像；以及在该预测数据的解析数据包括该策略预测数据的情况下，基于该策略预测数据在该策略预测维度上刻画该目标用户的策略预测画像。

需要说明的是，上述预测数据中不同类型的数据，用于生成用户画像的不同部分，在使用不同类型的原始记录数据生成用户画像的不同部分时，本发明对其生成顺序不做限定。

具体地，此处获取和处理预测模型流程中，包括处理概率模型、策略模型和风险模型中的一个或者多个，具体来说是：

处理概率模型，包括处理用户在产品中的活跃程度、忠诚度、购物类型、促销敏感度、购买属性偏好中一个或者多个特征。

处理风险模型，包括处理用户在产品中的信用风险、流失风险、满意风险、弃单风险、欺诈风险、黄牛/爬虫身份鉴定中一个或者多个特征。

处理策略模型，包括处理用户中以下几项的一个或多个特征。

购物阶段预测，随意逛逛、聚焦寻找、货比三家、等待降价、有备而来等。

缺失信息策略，包括比如性别预测、工作预测、未消费类目的消费能力预测，等等。

运营策略预测，包括比如待发展用户指数、待挽回用户指数、待激活用户指数、待维护用户指数，等等。

客户价值预测，包括预测用户给产品带来的价值，比如金钱价值、声誉价值、影响力价值，等等。

内在需求预测，包括预测用户的当前需求和潜在需求，等等。

厌恶程度预测，包括预测用户对品牌、类目、商品的厌恶程度，等等。

通过本发明实施例，由于采用了对原始数据在多个预设维度上刻画用户画像的方式，因而可以生成比较全面的用户画像，这样，为了督促相关企业的团队成员在产品设计的过程中能够抛开个人喜好，将焦点关注在目标用户的动机和行为上进行产品设计，因此，用户画像可以使产品的服务对象更加聚焦，更加的专注。并且由于为具体的人物做产品设计要远远优于为脑中虚构的东西做设计，因此当所有参与产品设计的人都基于一致的用户进行讨论和决策，就很容易约束各方能保持在同一个大方向上，提高决策的效率。

并且，本发明将原始数据的多种组成数据即多种数据样本作为机器学习的样本，方便对某种机器学习实例进行样本数据的丰富和训练，从而提升线上自动化服务的商业效果，进而形成规范化、标准化的用户画像生成方案，便于快速实施。

需要说明的是，本发明实施例的整个流程，以及每个流程中涉及到的用户子画像获取方法，以及部分特征中都可以包括一种通用的参数，如时间参数。

示例性装置

在介绍了本发明示例性实施方式的方法之后，接下来，参考图4对本发明示例性实施方式的、用于实现用户画像刻画方法的装置进行详细阐述。

本发明实施例提供了一种用户画像刻画装置。

图4示意性地示出了根据本发明实施例的用户画像刻画装置的框图。如图4所示，该用户画像刻画装置400可以包括：获取模块410，用于针对目标用户，获取用于刻画该目标用户的用户画像的原始数据；确定模块420，用于基于该原始数据，确定该目标用户在多个第一预设维度上表现出来的用户特征；以及第一刻画模块430，用于通过该目标用户在该多个第一预设维度上表现出来的用户特征，刻画该目标用户的用户画像。

通过本发明实施例，由于采用在多个能够反映用户的不同特征的纬度上刻画任意一个用户的画像的方式，因而能够实现多角度多层面地刻画用户画像的目的，所以可以至少部分地克服相关技术中由于仅仅从通信层面或者家庭属性关联关系层面刻画用户画像而导致用户画像的应用领域受限的缺陷，从而显著地扩展了用户画像的适应领域。

作为一种可选的实施例，所述装置还包括：标签化模块，用于在刻画所述目标用户的用户画像的过程中，将所述目标用户在所述多个第一预设维度中的至少一个维度上表现出来的用户特征进行标签化，得到对应的用户特征标签；以及第二刻画模块，用于通过所述用户特征标签和其余用户特征，刻画所述目标用户的用户画像，其中，所述其余用户特征包括：所述目标用户在所述多个第一预设维度中除所述至少一个维度外的其它维度上表现出来的用户特征。

作为一种可选的实施例，所述标签化模块包括：第一确定单元，用于针对所述至少一个维度中的每个维度，确定所述目标用户在该维度上表现出来的用户特征的类别；分析单元，用于对所述目标用户在该维度上表现出来的用户特征进行语义分析，得到与所述类别的用户特征对应的语义；以及第一生成单元，用于将所述类别以及与所述类别的用户特征对应的语义进行关联，以得到该维度上的用户特征标签。

作为一种可选的实施例，所述标签化模块包括：统计单元，用于针对所述至少一个维度中的每个维度，对所述目标用户在该维度上表现出来的用户特征进行统计，得到对应的统计结果；获取单元，用于获取外部输入的附加信息；以及第二生成单元，用于基于所述统计结果和所述附加信息，给所述目标用户在该维度上表现出来的用户特征打上标签，以得到该维度上的用户特征标签。

作为一种可选的实施例，所述确定模块包括：提取单元，用于从所述原始数据中提取出与刻画用户画像相关的多种目标数据；以及第二确定单元，用于基于所述多种目标数据，确定所述目标用户在所述多个第一预设维度上表现出来的用户特征，其中，一种目标数据对应一个第一预设维度。

作为一种可选的实施例，所述第二确定单元包括：翻译子单元，用于将所述多种目标数据中的每种目标数据按照预设规则进行翻译，得到对应的多种结构化数据；分析子单元，用于对所述多种结构化数据中的每种结构化数据进行数据分析，得到多种数据对象，其中，一种数据对象对应一个第一预设维度；以及确定子单元，用于基于所述多种数据对象，确定所述目标用户在所述多个第一预设维度上表现出来的用户特征。

作为一种可选的实施例，所述多种目标数据包括以下数据中的至少两种：基础数据、原始记录数据、事实数据、统计数据和预测数据。

作为一种可选的实施例，第二确定单元，还用于在所述目标数据包括所述基础数据的情况下，对所述基础数据进行解析，得到以下解析数据中的一种或者多种：属性数据、角色数据、关联数据、终端数据和注册数据，其中，与所述基础数据对应的第一预设维度包括：属性维度、角色维度、关联维度、终端维度和注册维度；以及所述第一刻画模块还用于：在所述基础数据的解析数据包括所述属性数据的情况下，基于所述属性数据在所述属性维度上刻画所述目标用户的属性画像；在所述基础数据的解析数据包括所述角色数据的情况下，基于所述角色数据在所述角色维度上刻画所述目标用户的角色画像；在所述基础数据的解析数据包括所述关联数据的情况下，基于所述关联数据在所述关联维度上刻画所述目标用户的关联画像；在所述基础数据的解析数据包括所述终端数据的情况下，基于所述终端数据在所述终端维度上刻画所述目标用户的终端画像；以及在所述基础数据的解析数据包括所述注册数据的情况下，基于所述注册数据在所述注册维度上刻画所述目标用户的注册画像。

作为一种可选的实施例，第二确定单元，还用于在所述目标数据包括所述原始记录数据的情况下，对所述原始记录数据进行解析，得到以下解析数据中的一种或者多种：访问数据、操作数据、第一消费数据、第二消费数据和反馈数据，其中，与所述原始记录数据对应的第一预设维度包括：访问维度、操作维度、第一消费维度、第二消费维度和反馈维度；以及所述第一刻画模块还用于：在所述原始记录数据的解析数据包括所述访问数据的情况下，基于所述访问数据在所述访问维度上刻画所述目标用户的访问画像；在所述原始记录数据的解析数据包括所述操作数据的情况下，基于所述操作数据在所述操作维度上刻画所述目标用户的操作画像；在所述原始记录数据的解析数据包括所述第一消费数据的情况下，基于所述第一消费数据在所述第一消费维度上刻画所述目标用户的第一消费画像；在所述原始记录数据的解析数据包括所述第二消费数据的情况下，基于所述第二消费数据在所述第二消费维度上刻画所述目标用户的第二消费画像；以及在所述原始记录数据的解析数据包括所述反馈数据的情况下，基于所述反馈数据在所述反馈维度上刻画所述目标用户的反馈画像。

作为一种可选的实施例，第二确定单元，还用于在所述目标数据包括所述事实数据的情况下，对所述事实数据进行解析，得到以下解析数据中的一种或者多种：最早M次消费数据、最后N次消费数据、前L次消费数据、预设时间段内消费数据，其中，与所述事实数据对应的第一预设维度包括：最早M次消费维度、最后N次消费维度、前L次消费维度、预设时间段内消费维度；以及所述第一刻画模块还用于：在所述事实数据的解析数据包括所述最早M次消费数据的情况下，基于所述最早M次消费数据在所述最早M次消费维度上刻画所述目标用户的最早M次消费画像；在所述事实数据的解析数据包括所述最后N次消费数据的情况下，基于所述最后N次消费数据在所述最后N次消费维度上刻画所述目标用户的最后N次消费画像；在所述事实数据的解析数据包括所述前L次消费数据的情况下，基于所述前L次消费数据在所述前L次消费维度上刻画所述目标用户的前L次消费画像；以及在所述事实数据的解析数据包括所述预设时间段内消费数据的情况下，基于所述预设时间段内消费数据在所述预设时间段内消费维度上刻画所述目标用户的预设时间段内消费画像。

作为一种可选的实施例，第二确定单元，还用于在所述目标数据包括所述统计数据的情况下，对所述统计数据进行解析，得到以下解析数据中的一种或者多种：偏好数据、地理数据、规则数据，其中，与所述统计数据对应的第一预设维度包括：偏好维度、地理维度和规则维度；以及所述第一刻画模块还用于：在所述统计数据的解析数据包括所述偏好数据的情况下，基于所述偏好数据在所述偏好维度上刻画所述目标用户的偏好画像；在所述统计数据的解析数据包括所述地理数据的情况下，基于所述地理数据在所述地理维度上刻画所述目标用户的地理画像；以及在所述统计数据的解析数据包括所述规则数据的情况下，基于所述规则数据在所述规则维度上刻画所述目标用户的规则画像。

作为一种可选的实施例，第二确定单元，还用于在所述目标数据包括所述预测数据的情况下，对所述预测数据进行解析，得到以下解析数据中的一种或者多种：概率预测数据、风险预测数据、策略预测数据，其中，与所述预测数据对应的第一预设维度包括：概率预测维度、风险预测维度和策略预测维度；以及所述第一刻画模块还用于：在所述预测数据的解析数据包括所述概率预测数据的情况下，基于所述概率预测数据在所述概率预测维度上刻画所述目标用户的概率预测画像；在所述预测数据的解析数据包括所述风险预测数据的情况下，基于所述风险预测数据在所述风险预测维度上刻画所述目标用户的风险预测画像；以及在所述预测数据的解析数据包括所述策略预测数据的情况下，基于所述策略预测数据在所述策略预测维度上刻画所述目标用户的策略预测画像。

需要说明的是，本装置部分实施例与前述的方法部分的实施例相同或者类似，其解决的技术问题，使用的具体技术手段，以及达到的技术效果也都相同或者类似，详细阐述请参前述的方法部分的描述，在此不再赘述。

示例性介质

本发明实施例提供了一种计算机可读存储介质，其上存储有可执行指令，该指令在被该处理模块执行时用于实现该方法实施例中任一项的所述的用户画像刻画方法。

在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的用户画像刻画方法中的步骤，例如，所述终端设备可以执行如图2中所示的操作S210，针对目标用户，获取用于刻画目标用户的用户画像的原始数据；操作S220，基于原始数据，确定目标用户在多个第一预设维度上表现出来的用户特征；以及操作S230，通过目标用户在多个第一预设维度上表现出来的用户特征，刻画目标用户的用户画像。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

如图5所示，描述了根据本发明的实施方式的用于用户画像刻画的程序产品50，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆，RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言——诸如Java，C++等，还包括常规的过程式程序设计语言——诸如“C”，语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)一连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

示例性计算设备

在介绍了本发明示例性实施方式的方法、介质和系统之后，接下来，介绍根据本发明的一示例性实施方式的用于用户画像刻画的计算设备。

本发明实施例还提供了一种计算设备。该计算设备包括：处理模块；以及存储单元，存储有计算机可执行指令，该指令在被该处理模块执行时用于实现该方法实施例中任一项所述的用户画像刻画方法。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为装置、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“装置”。

在一些可能的实施方式中，根据本发明的计算设备可以至少包括至少一个处理模块、以及至少一个存储单元。其中，所述存储单元存储有程序代码，当所述程序代码被所述处理模块执行时，使得所述处理模块执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的用户画像刻画方法中的步骤。例如，所述处理模块可以执行如图2中所示的操作S210，针对目标用户，获取用于刻画目标用户的用户画像的原始数据；操作S220，基于原始数据，确定目标用户在多个第一预设维度上表现出来的用户特征；以及操作S230，通过目标用户在多个第一预设维度上表现出来的用户特征，刻画目标用户的用户画像。

下面参照图6来描述根据本发明的这种实施方式的用于用户画像刻画的计算设备60。如图6所示的计算设备60仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，计算设备60以通用计算设备的形式表现。计算设备60的组件可以包括但不限于：上述至少一个处理模块601、上述至少一个存储单元602、连接不同系统组件(包括存储单元602和处理模块601)的总线603。

总线603表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。

存储单元602可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)6021和/或高速缓存存储器6022，还可以进一步包括只读存储器(ROM)6023。

存储单元602还可以包括具有一组(至少一个)程序模块6024的程序/实用工具6025，这样的程序模块6024包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

计算设备60也可以与一个或多个外部设备604(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与计算设备60交互的设备通信，和/或与使得计算设备60能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口605进行。并且，计算设备60还可以通过网络适配器606与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器606通过总线603与计算设备60的其它模块通信。应当明白，尽管图中未示出，可以结合计算设备60使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理模块、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了用户画像刻画装置的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。