一种用户特征的分析方法及装置的制造方法
【技术领域】
[0001]本发明涉及数据处理技术领域，尤其涉及一种用户特征的分析方法及装置。
【背景技术】
[0002]随着智能化产品的推广以及海量数据的涌现，智能设备不断进军传统视听行业，提高着传统用户的使用体验，智能应用的关键是抓住用户的个性化偏好为用户带来更人性化的服务。
[0003]而如何抓住用户的个性化偏好，分析用户特征，目前还没有较好的解决方案。
【发明内容】
[0004]本发明的目的是提供一种用户特征的分析方法及装置，以实现对用户特性的分析，体现用户的个性化偏好。
[0005]本发明的目的是通过以下技术方案实现的:
[0006]本发明实施例的提供了一种用户特征的分析方法，包括:
[0007]周期性地确定用户的执行动作的执行时间到当前时间的时间长度；
[0008]在每个兴趣标签更新周期，根据时间长度与时间衰减因子的对应关系，确定本兴趣标签更新周期内确定的所述时间长度对应的时间衰减因子；
[0009]在每个兴趣标签更新周期，根据本兴趣标签更新周期内确定的所述时间衰减因子，确定所述执行动作的对象的兴趣标签，对象的兴趣标签反映了用户对该对象的兴趣程度；
[0010]在每个兴趣标签更新周期，保存本兴趣标签更新周期内确定的所述兴趣标签作为用户特征。
[0011]基于与方法同样的发明构思，本发明实施例还提供一种用户特征的分析装置，包括:
[0012]时间衰减因子确定模块，用于周期性地确定用户的执行动作的执行时间到当前时间的时间长度；在每个兴趣标签更新周期，根据时间长度与时间衰减因子的对应关系，确定本兴趣标签更新周期内确定的所述时间长度对应的时间衰减因子；
[0013]兴趣标签确定模块，用于在每个兴趣标签更新周期，根据本兴趣标签更新周期内确定的所述时间衰减因子，确定所述执行动作的对象的兴趣标签，对象的兴趣标签反映了用户对该对象的兴趣程度；
[0014]用户特征保存模块，用于在每个兴趣标签更新周期，保存本兴趣标签更新周期内确定的所述兴趣标签作为用户特征。
[0015]本发明实施例提供的技术方案，能够实现对用户特性的分析，体现出用户的个性化偏好。进一步的，由于周期性地确定时间衰减因子并根据时间衰减因子确定对象的兴趣标签，其中，时间衰减因子与时间长度存在对应关系，因此，确定的兴趣标签能够随时间变化，进而，作为用户特性的兴趣标签体现出用户对某对象的兴趣随时间的变化，使得分析得到的用户特性更准确、真实，提高了用户特性的可靠性。
【附图说明】
[0016]图1为本发明实施例提供的方法流程图；
[0017]图2为本发明实施例提供的用户特征的示意图；
[0018]图3为本发明实施提供的装置示意图。
【具体实施方式】
[0019]本发明实施例提供的技术方案适用于各种智能化产品，例如智能耳机设备、智能语音设备、智能电视设备等等。采用本发明实施例提供的技术方案分析出用户特性后，可以在多种智能应用中使用该用户特性。例如，可以应用于智能推荐算法，作为用户喜好规则的输入。
[0020]在对本发明实施例提供的技术方案进行详细说明之前，首先对本发明实施例中涉及到的部分概念进行说明:
[0021]用户的执行动作，是指用户对智能化产品中的应用的操作，例如收听、搜索、分享、收藏、取消收藏、删除等等；
[0022]执行动作的对象，是指用户对智能化产品中的应用的操作的作用对象，以“搜索”这一执行动作为例，其对象是搜索的具体内容；
[0023]对象的兴趣标签，反映了用户对该对象的兴趣程度，以“歌曲《默》”这一对象为例，其兴趣标签反映了用户对歌曲《默》的兴趣的程度；
[0024]执行动作的行为标签，反映了该执行动作的频度；
[0025]正反馈执行动作，表征用户对其对象感兴趣的执行动作，例如收听、搜索、分享、收臧、等等;
[0026]负反馈执行动作，表征用户对其对象不感兴趣的执行动作，例如取消收藏、删除等等;
[0027]用户特性，反映了用户在使用智能化产品时的特性，用户特性至少包括对象的兴趣标签，可选的，还包括执行动作的行为标签和/或用户的静态信息等等。
[0028]下面将结合附图，对本发明实施例提供的技术方案进行详细说明。
[0029]本发明实施例提供了一种用户特征的分析方法，如图1所示，包括如下操作:
[0030]步骤100、周期性地确定用户的执行动作的执行时间到当前时间的时间长度。
[0031]其中，步骤100的周期称作兴趣标签更新周期。
[0032]步骤110、在每个兴趣标签更新周期，根据时间长度与时间衰减因子的对应关系，确定本兴趣标签更新周期内确定的上述时间长度对应的时间衰减因子。
[0033]本发明实施例中，时间衰减因子反映了用户对执行动作的对象的兴趣随时间变化的量化值。
[0034]步骤120、在每个兴趣标签更新周期，根据本兴趣标签更新周期内确定的上述时间衰减因子，确定上述执行动作的对象的兴趣标签。
[0035]步骤130、在每个兴趣标签更新周期，保存本兴趣标签更新周期内确定的上述兴趣标签作为用户特征。
[0036]本发明实施例提供的技术方案，能够实现对用户特性的分析，体现出用户的个性化偏好。进一步的，由于周期性地确定时间衰减因子并根据时间衰减因子确定对象的兴趣标签，其中，时间衰减因子与时间长度存在对应关系，因此，确定的兴趣标签能够随时间变化，进而，作为用户特性的兴趣标签体现出用户对某对象的兴趣随时间的变化，使得分析得到的用户特性更准确、真实，提高了用户特性的可靠性。
[0037]本发明实施中，每个对象分别对应一个兴趣标签。如果在本兴趣标签更新周期之前已经保存了同一对象的兴趣标签，则可以使用本兴趣标签更新周期内确定的同一对象的兴趣标签替换掉以保存的兴趣标签，或者将本兴趣标签更新周期内确定的问一对象的兴趣标签的取值与以保存的兴趣标签的取值累加后作为该对象更新后的兴趣标签保存。
[0038]本发明实施例，预先确定了时间长度与时间衰减因子的对应关系。本发明不对该对应关系的具体确定方式进行限定，可以在实际应用时，根据经验或统计确定。例如，设定如下5个时间长度与时间衰减因子的对应关系:一周，对应时间衰减因子ε 1;—个月，对应时间衰减因子ε2;三个月，对应时间衰减因子ε 3;半年，对应时间衰减因子ε 4;—年，对应时间衰减因子ε5。如果上述确定的时间长度在一周内，则时间衰减因子为S1，以此类推。假设时间衰减因子的取值越小，表示该执行动作对兴趣权重的影响越小，那么，在其他条件相同的情况下，时间衰减因子取值越大，确定出的对象的兴趣权重越高；相应的，上述时间衰减因子的默认值是比上述对应关系中最小的时间衰减因子更小的取值。
[0039]本发明实施例中，上述步骤100的实现方式有多种，下面例举其中几种:
[0040]步骤100的实现方式一:
[0041]周期性地确定用户针对的上述对象的最晚的执行动作的执行时间到当前时间的时间长度。
[0042]其中，对象的最晚的执行动作，可以是保存的该对象的所有执行动作中、最后一次的执行动作；
[0043]对象的最晚的执行动作，也可以是该对象的执行时间在预定时间段内的执行动作中、最后一次的执行动作。这种情况下，如果预定时间段内没有该对象的执行动作，可以将时间衰减因子确定为默认值，也可以扩大时间范围查找用于确定时间衰减因子的执行动作。
[0044]本发明不对上述预定时间段进行限定，该时间段可以在实际应用中，根据经验或统计确定。
[0045]步骤100的实现方式二:周期性地确定用户针对上述对象的行为权重最高的执行动作的执行时间到当前时间的时间长度。
[0046]其中，执行动作的行为权重反映了该执行动作对其对象的兴趣标签的影响程度。
[0047]其中，对象的行为权重最高的执行动作，可以是保存的该对象的所有执行动作中、行为权重最高的执行动作；
[0048]对象的行为权重最高的执行动作，也可以是该对象的执行时间在预定时间段内的执行动作中、行为权重最高的执行动作。这种情况下，如果预定时间段内没有该对象的执行动作，可以将时间衰减因子确定为默认值，也可以扩大时间范围查找用于确定时间衰减因子的执行动作。
[0049]本发明不对上述预定时间段进行限定，该时间段可以在实际应用中，根据经验或统计确定。
[0050]应当指出的是，还可以结合上述两种实现方式来确定上述时间长度。
[0051]例如，判断执行时间在预定时间段内，是否有针对某对象的执行动作，如果有，确定该对象的执行时间在预定时间段内最后一次的执行动作的执行时间到当前时间的时间长度，如果没有，确定保存的该对象的所有执行动作中、行为权重最高的执行动作的执行时间到当前时间的时间长度。
[0052]应当指出的是，还有其他将上述两种实现方式结合确定上述时间长度的实现方式，本发明不再一一说明。
[0053]本发明实施例中，步骤120的实现方式也有多种，下面例举其中几种:
[0054]步骤120的实现方式一: