[发明专利]基于大数据的用户画像构造方法、装置及计算设备

说明书

技术领域

本发明涉及数据处理技术领域，具体涉及一种基于大数据的用户画像构造方法、装置、计算设备及计算机存储介质。

背景技术

随着网络和信息技术的不断发展，各类平台应用而生，为了改善平台的各项功能，以方便平台为用户提供更好的服务，以及保护平台的利益，需要了解、分析用户的各项信息。目前，常通过构建用户画像的方式来了解用户的信息。

现有的用户画像构建方法，主要是根据用户的一元数据，例如，性别、年龄、职业、星座、身高、体重、购物类型、品牌偏好和/或收入等来构造用户画像，并未充分利用因互联网而产生的大数据，虽然利用一元数据所构造的用户画像能够对平台予以指导，但是并不能充分体现用户的特征，从而使得平台无法为用户提供精细化的服务，也无法在用户存在欺诈等行为时对保护平台利益。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于大数据的用户画像构造方法、装置、计算设备及计算机存储介质。

根据本发明的一个方面，提供了一种基于大数据的用户画像构造方法，包括：

获取用户地理位置信息和用户操作应用程序的行为信息；

根据用户地理位置信息生成位置点序列；

利用第一深度学习算法对位置点序列进行学习，得到用户对应的用户地理位置特征向量；

利用第二深度学习算法对行为信息进行学习，得到用户行为特征向量；

基于用户地理位置特征向量和用户行为特征向量构造用户画像。

可选地，根据用户地理位置信息生成位置点序列进一步包括：

将地理位置信息进行组合处理，生成位置信息轨迹；

基于位置信息轨迹上的位置点获取位置点周围信息，生成位置点序列；

利用第一深度学习算法对位置点序列进行学习，得到用户对应的用户地理位置特征向量进一步包括：

利用经过训练的时间递归神经网络对位置点序列进行序列学习，得到用户对应的用户地理位置特征向量。

可选地，利用第二深度学习算法对行为信息进行学习，得到用户行为特征向量进一步包括：

根据行为信息得到用户操作应用程序的行为轨迹；

根据用户操作应用程序的行为轨迹，生成行为序列；

利用经过训练的时间递归神经网络对行为序列进行序列学习，得到用户行为特征向量。

可选地，方法还包括：根据用户地理位置信息生成位置一致性特征向量；

基于用户地理位置特征向量和用户行为特征向量构造用户画像进一步包括：

根据位置一致性特征向量对用户地理位置特征向量进行校验处理；

根据经过校验处理后的用户地理位置特征向量和用户行为特征向量构造用户画像。

可选地，在构造用户画像之后，方法还包括：基于用户画像样本训练用户兴趣爱好模型；

将待分析用户的用户画像输入至用户兴趣爱好模型进行分析，得到该用户的兴趣爱好。

可选地，在构造用户画像之后，方法还包括：基于用户画像分析用户是否具有异常行为。

可选地，用户地理位置信息包括：IP信息、WIFI信息、基站信息和/或GPS信息。

可选地，行为信息包括：用户对应用程序的操作以及在应用程序的页面停留时间。

根据本发明的另一方面，提供了一种基于大数据的用户画像构造装置，包括：

获取模块，适于获取用户地理位置信息和用户操作应用程序的行为信息；

第一生成模块，适于根据用户地理位置信息生成位置点序列；

第一学习模块，适于利用第一深度学习算法对位置点序列进行学习，得到用户对应的用户地理位置特征向量；

第二学习模块，适于利用第二深度学习算法对行为信息进行学习，得到用户行为特征向量；

用户画像构造模块，适于基于用户地理位置特征向量和用户行为特征向量构造用户画像。

可选地，第一生成模块进一步包括：

组合处理单元，适于将地理位置信息进行组合处理，生成位置信息轨迹；

第一生成单元，适于基于位置信息轨迹上的位置点获取位置点周围信息，生成位置点序列；

第一学习模块进一步适于：利用经过训练的时间递归神经网络对位置点序列进行序列学习，得到用户对应的用户地理位置特征向量。

可选地，第二学习模块进一步包括：

行为轨迹生成单元，适于根据行为信息得到用户操作应用程序的行为轨迹；

行为序列生成单元，适于根据用户操作应用程序的行为轨迹，生成行为序列；