[发明专利]获取用户画像的方法、装置、服务器及存储介质

权利要求书

1.一种获取用户画像的方法，其特征在于，所述方法包括：

根据多个用户的用户行为日志确定所述多个用户对物品的行为类型，所述行为类型用于表征用户对物品的喜好程度，所述行为类型包括对所述喜好程度呈正向影响的行为类型和对所述喜好程度呈负向影响的行为类型；

根据所述多个用户的行为类型确定用户物品矩阵，所述用户物品矩阵中的每一元素表征一个用户是否对一个物品执行所述行为类型的行为；

基于所述多个用户的行为类型和所述用户物品矩阵，确定多个训练样本，所述训练样本表征用户对第一物品与第二物品的喜好程度的差异；

根据所述多个训练样本，采用数据拟合模型修正初始化的所述多个用户的用户参数矩阵和初始化的标签参数矩阵，得到最终的用户参数矩阵和最终的标签参数矩阵，所述用户参数矩阵包括所述多个用户的用户特征向量；所述标签参数矩阵包括所述多个用户的用户行为日志对应的物品所具有的物品属性的特征向量；

基于所述最终的用户参数矩阵和最终的标签参数矩阵，确定用户画像矩阵，所述用户画像矩阵表征多个用户对物品属性的喜好程度。

2.根据权利要求1所述的方法，其特征在于，所述根据所述多个训练样本，采用数据拟合模型修正初始化的所述多个用户的用户参数矩阵和初始化的标签参数矩阵，得到最终的用户参数矩阵和最终的标签参数矩阵包括：

生成初始化的用户参数矩阵和初始化的标签参数矩阵；

基于所述初始化的用户参数矩阵和所述初始化的标签参数矩阵，确定所述用户对每个物品属性的初始喜好程度；

基于所述初始喜好程度以及物品标签矩阵，确定所述用户对每个物品的初始喜好程度，物品标签矩阵是根据用户行为日志中携带的物品标识和物品标签得到的矩阵；

基于所述用户对每个物品的初始喜好程度，确定每个训练样本对应的用户对第一物品的喜好程度大于用户对第二物品的喜好程度的概率；

将所述概率输入数据拟合模型中进行数据拟合，得到输出结果，所述输出结果包括当前用户参数矩阵和当前标签参数矩阵；

当所述输出结果符合预设条件时，将所述当前用户参数矩阵和所述当前标签参数矩阵作为所述最终的用户参数矩阵和最终的标签参数矩阵。

3.根据权利要求2所述的方法，其特征在于，所述根据所述多个训练样本，采用数据拟合模型修正初始化的所述多个用户的用户参数矩阵和初始化的标签参数矩阵，得到最终的用户参数矩阵和最终的标签参数矩阵还包括：

当所述输出结果不符合预设条件时，将所述当前用户参数矩阵和所述当前标签参数矩阵分别作为初始化的用户参数矩阵和初始化的标签参数矩阵；

重复上述确定所述用户对每个物品属性的初始喜好程度至进行数据拟合的步骤。

4.根据权利要求2所述的方法，其特征在于，所述数据拟合模型为：

其中，λ_W、λ_H和λ_S是用于防止过拟合的正则化参数，λ_W、λ_H和λ_S为正实数，||·||表示矩阵的二范数，D_s表示所述多个训练样本u，i，j的集合，u表示第u个用户，i表示第i个第一物品，j表示第j个第二物品；

表示第u个用户对第i个第一物品的喜好程度大于对第j个第二物品的喜好程度的概率；表示第u个用户对第i个第一物品的喜好程度与对第j个第二物品的喜好程度的差值；N_u表示第u个用户的关联用户集合，S_uv是所述多个用户的用户相似度矩阵中第u行第v列的元素，S_uv表示所述第u个用户u和第v个用户之间的相似度；W_u表示用户参数矩阵中第u行对应的行向量，W_v表示用户参数矩阵中第v行对应的行向量；H表示标签参数矩阵。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

获取所述多个用户中的每一个用户的社交网络信息；

根据所述多个用户的社交网络信息，生成所述多个用户的用户相似度矩阵。