一种用户画像生成方法、装置、电子设备及存储介质与流程

本技术涉及计算机，尤其是涉及一种用户画像生成方法、装置、电子设备及存储介质。

背景技术：

1、用户画像识别是一种通过分析和理解用户的行为、兴趣、偏好等特征，构建用户的虚拟形象的技术。这种技术在许多领域都有广泛的应用，包括但不限于广告推荐、个性化服务、社交网络分析等。通过精确的用户画像识别，企业可以更好地理解其用户，提供更个性化的服务，从而提高用户满意度。但是，现阶段用户画像生成的效率以及准确性较低。所以，如何，提高用户画像生成的效率以及准确率成为了不容小觑的技术问题。

技术实现思路

1、有鉴于此，本技术的目的在于提供一种用户画像生成方法、装置、电子设备及存储介质，利用多任务学习以及渐进式任务学习对认知模型进行训练，得到用户认知画像模型，将行为数据信息输入至用户认知画像模型生成用户画像，从而提高了用户画像生成的准确性和效率。

2、本技术实施例提供了一种用户画像生成方法，所述用户画像生成包括：

3、获取目标用户的行为数据信息；

4、将所述行为数据信息输入至预先训练好的用户认知画像模型之中，对所述行为数据信息分别进行用户行为分析、用户兴趣分析以及用户偏好分析，输出所述目标用户的用户画像；其中，所述用户认知画像模型是通过对认知模型进行多任务学习训练以及渐进式任务学习训练得到的；

5、基于所述用户画像之中的偏好特征对所述目标用户进行内容推荐。

6、在一种可能的实施方式之中，通过以下步骤确定出所述用户认知画像模型：

7、获取多个样本用户画像数据，并对多个所述样本用户画像数据进行数据处理以及数据标注，确定出多个标注后的所述样本用户画像数据；

8、利用多个标注后的所述样本用户画像数据对所述认知模型进行多任务学习训练，以使所述认知模型学习到针对于不同的任务的学习特征；

9、在所述认知模型学习到针对于不同的任务的学习特征之后，按照任务的复杂度或者目标任务的相关性对所述认知模型学习进行渐进式任务学习训练，得到初始化用户认知画像模型；

10、在一种可能的实施方式之中，所述获取多个样本用户画像数据，并对多个所述样本用户画像数据进行数据处理以及数据标注，确定出多个标注后的所述样本用户画像数据，包括：

11、基于多个样本用户的历史购物记录、历史搜索记录、历史社交网络动态获取到多个初始样本用户画像数据；

12、对多个所述初始样本用户画像数据进行数据清洗、数据转换、增加目标样本用户行为数据以及引入噪声，确定出多个所述样本用户画像数据；

13、对每个所述样本用户画像数据进行样本用户行为标注、样本用户兴趣标注以及样本用户偏好标注，确定出多个标注后的所述样本用户画像数据。

14、在一种可能的实施方式之中，所述利用多个标注后的所述样本用户画像数据对所述认知模型进行多任务学习训练，以使所述认知模型学习到针对于不同的任务的学习特征，包括：

15、对多个标注后的所述样本用户画像数据进行数据汇总，确定出每一任务相对应的多个标注后的所述样本用户画像数据；其中，所述任务包括用户行为分析、用户兴趣分析以及用户偏好分析；

16、将多个所述任务相对应的多个标注后的所述样本用户画像数据同时输入至所述认知模型的多个不同网络层之中进行多任务学习训练，确定出每个所述任务的损失值；

17、基于每个所述任务的损失值对相对应的多个标注后的所述样本用户画像数据进行数据调整，以使所述认知模型学习到针对于不同的任务的学习特征。

18、在一种可能的实施方式之中，所述在所述认知模型学习到针对于不同的任务的学习特征之后，按照任务的复杂度或者目标任务的相关性对所述认知模型学习进行渐进式任务学习训练，得到初始化用户认知画像模型，包括：

19、对多个所述任务按照任务等级进行排序，确定出排序后的多个所述任务；其中，所述任务等级越高对应的任务的复杂度或者目标任务的相关性越高；

20、基于排序后的多个所述任务对应的标注后的所述样本用户画像数据按照任务等级从低到高的顺序对所述认知模型进行渐进式任务学习训练，确定出每一任务等级下所述认知模型的模型参数；

21、基于下一任务等级的模型参数对上一任务等级的模型参数进行调整，直至所有任务等级的模型参数调整完成后，确定出所述认知模型的目标模型参数；其中，所述下一任务等级高于所述上一任务等级；

22、基于所述目标模型参数，确定出所述初始化用户认知画像模型。

23、在一种可能的实施方式之中，所述基于所述初始化用户认知画像模型的测评结果对所述初始化用户认知画像模型进行迭代优化，确定出所述用户认知画像模型，包括：

24、获取用户行为分析、用户兴趣分析以及用户偏好预测相对应的多个用户测试集；

25、基于多个所述用户测试集对所述初始化用户认知画像模型在所述用户行为分析、所述用户兴趣分析以及所述用户偏好预测的三个维度上进行测评，确定出在每一所述维度下所述初始化用户认知画像模型的测评结果；

26、检测多个所述测评结果是否满足预设测评结果；

27、若任一为否，则确定出该测评结果相对应的维度，获取该维度的新的样本用户画像数据，基于新的样本用户画像数据对所述初始化用户认知画像模型进行迭代训练，直至该维度下的测评结果满足所述预设测评结果时停止训练，确定出所述用户认知画像模型。

28、在一种可能的实施方式之中，针对于用户行为分析，所述基于多个所述用户测试集对所述初始化用户认知画像模型在所述用户行为分析、所述用户兴趣分析以及所述用户偏好预测的三个维度上进行测评，确定出在每一所述维度下所述初始化用户认知画像模型的测评结果，包括：

29、将用户行为分析的所述用户测试集输入至所述初始化用户认知画像模型之中，确定出针对于所述用户行为分析的多个用户行为预测结果；

30、基于多个所述用户行为预测结果以及所述用户测试集相对应的多个用户目标行为结果，确定出所述初始化用户认知画像模型针对于所述用户行为的预测准确率以及预测召回率；

31、基于所述预测准确率以及所述预测召回率，确定出初始化用户认知画像模型针对于所述用户行为分析的测评结果。

32、本技术实施例还提供了一种用户画像生成装置，所述用户画像生成装置包括：

33、获取模块，用于获取目标用户的行为数据信息；

34、生成模块，用于将所述行为数据信息输入至预先训练好的用户认知画像模型之中，对所述行为数据信息分别进行用户行为分析、用户兴趣分析以及用户偏好分析，输出所述目标用户的用户画像；其中，所述用户认知画像模型是通过对认知模型进行多任务学习训练以及渐进式任务学习训练得到的；

35、推荐模块，用于基于所述用户画像之中的偏好特征对所述目标用户进行内容推荐。

36、本技术实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的用户画像生成方法的步骤。

37、本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的用户画像生成方法的步骤。

38、本技术实施例提供的一种用户画像生成方法、装置、电子设备及存储介质，所述用户画像生成包括：获取目标用户的行为数据信息；将所述行为数据信息输入至预先训练好的用户认知画像模型之中，对所述行为数据信息分别进行用户行为分析、用户兴趣分析以及用户偏好分析，输出所述目标用户的用户画像；其中，所述用户认知画像模型是通过对认知模型进行多任务学习训练以及渐进式任务学习训练得到的；基于所述用户画像之中的偏好特征对所述目标用户进行内容推荐。利用多任务学习以及渐进式任务学习对认知模型进行训练，得到用户认知画像模型，将行为数据信息输入至用户认知画像模型生成用户画像，从而提高了用户画像生成的准确性和效率。

39、为使本技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。