[发明专利]基于小数据输入的智能用户画像方法

权利要求书

1.一种基于小数据输入的智能用户画像方法，其特征在于，包括：

创建用户基本信息模型、维度模型，生成基本信息行为数据；

基本信息模型包括：人口统计学信息、征信信息、税务信息；

维度模型包括：经济行为、网络行为、个人爱好、购物记录；

对基本信息行为数据进行深度学习，获取用户行为高阶信息数据；

将基本信息行为数据导入python中利用深度学习框架Keras搭建自编码神经网络获取高阶信息数据，高阶信息数据包括静态数据和动态数据；

通过前馈神经网络将用户行为高阶信息数据映射到隐性内驱力模型中，获取隐性内驱力数据；

在python中利用Tensorflow搭建前馈神经网络，将提取出来的静态特征和动态特征映射到隐性内驱力，并存入数据库；

创建用户跨领域行为模型数据；

创建用户跨领域行为模型数据包括：将数据映射到隐性内驱力，将不同来源的稀疏数据整合；

将隐性内驱力数据与用户跨领域行为模型数据匹配，生成用户画像；

数据匹配包括：利用Wasserstein度量将隐性内驱力数据与用户跨领域行为模型数据匹配。

2.根据权利要求1所述的基于小数据输入的智能用户画像方法，其特征在于，将基本信息模型、维度模型输入数据库得出基本信息行为数据。

3.根据权利要求1所述的基于小数据输入的智能用户画像方法，其特征在于，隐性内驱力包括想象力、责任心、活跃性、利他性、神经质这5个维度。

4.根据权利要求1所述的基于小数据输入的智能用户画像方法，其特征在于，跨领域行为模型数据包括：音乐偏好、消费偏好、理财偏好、价值观。