[发明专利]基于小数据输入的智能用户画像方法

说明书

本发明公开了一种基于小数据输入的智能用户画像方法，其中，包括：创建用户基本信息模型、行为纬度模型，输入用户对应数据，生成基本信息行为数据；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；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；创建用户跨领域行为模型数据；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。本发明在完成前期的数据收集处理后，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。采用了隐性内驱力(BFI)技术，大大减弱了对数据的依赖量，支持小数据冷启动；输出维度丰富，支持跨领域预测；削弱了马太效应。

技术领域

本发明涉及一种用户画像方法，尤其涉及一种基于小数据输入的智能用户画像方法。

背景技术

现有技术中的用户画像技术，是一种通过挖掘用户的行为数据给用户打上标签的技术，在兴趣挖掘、广告推荐、异常检测等方面有着诸多应用。

传统的用户画像技术主要基于协同过滤算法，该算法的训练过程中需要用到大量的、多维度的行为数据，当用户行为数据稀疏或者维度稀少时，对用户画像的描述准确性较差，不仅会影响商用，同时会带来诸多的误导。

另外传统的用户画像技术具有很强的马太效应，对长尾挖掘性能很低。因此，支持小数据冷启动、具有跨领域预测一直是用户画像领域的难点和关键点。

中国专利公开号CN107330271A公开了一种基于云端大数据物联网和智能画像技术的医疗体检方法及其装置，该方案包括体检一体机，体检一体机包括体检软件和信息采集设备；体检软件包括信息接收模块，云端数据同步模块，数据分析模块、智能画像模块和诊疗建议反馈模块；信息接收模块，用于接收信息采集设备所采集的体检信息；云端数据同步模块，用于将采集到的体检信息同步到云端；数据分析模块，用于对采集到的体检信息进行大数据分析；智能画像模块，用于通过智能画像技术得到诊疗建议；诊疗建议反馈模块，用于将诊疗建议反馈给体检者；信息采集设备，包括医疗设备和读卡器。其公开的技术方案结合了物联网、大数据、智能画像技术，可以给予体检者专业的诊疗建议，但是，其采集体检人员的各种信息用到了大量的用户数据来构建用户画像，无法解决小数据冷启动问题。

鉴于上述问题，本发明致力于提供一种可以有效解决小数据冷启动的问题，并且实现跨领域推荐应用的基于小数据的用户画像方法。

发明内容

本发明的上述目的是通过以下技术方案实现的：

一种基于小数据输入的智能用户画像方法，其中，包括：

创建用户基本信息模型、行为纬度模型，输入用户对应数据，生成基本信息行为数据；

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；

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；

创建用户跨领域行为模型数据；

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。

如上所述的基于小数据输入的智能用户画像方法，其中，基本信息模型包括：人口统计学信息、征信信息、税务信息。

如上所述的基于小数据输入的智能用户画像方法，其中，行为纬度模型包括：经济行为、网络行为、个人爱好、购物记录。

如上所述的基于小数据输入的智能用户画像方法，其中，将用户对应数据入数据库得出基本信息行为数据。

如上所述的基于小数据输入的智能用户画像方法，其中，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。