[发明专利]用户画像的生成方法、装置、电子设备和计算机程序介质

权利要求书

1.一种用户画像的生成方法，其特征在于，包括：

获取目标用户的用户特征信息，所述用户特征信息包括所述目标用户的用户属性信息以及历史行为数据；

基于所述用户特征信息，分别生成所述目标用户在用户特征维度下的多个用户特征向量，所述用户特征维度是指由所述用户属性信息的类别、以及所述历史行为数据所包含的操作事件类别和操作对象的分类属性构成的特征维度；

将所述多个用户特征向量输入至预训练的机器学习模型中，所述预训练的机器学习模型通过包含有样本用户在用户特征维度下的多个用户特征向量以及样本用户对目标分类属性下的目标对象的偏好等级标签；

获取所述预训练的机器学习模型输出的目标用户对目标分类属性下的目标对象的偏好等级标签；

若获取的偏好等级标签与预设的偏好等级标签相匹配，则基于所述目标分类属性生成所述目标用户的用户画像。

2.根据权利要求1所述的用户画像的生成方法，其特征在于，所述预训练的机器学习模型基于以下方法确定目标用户对目标分类属性下的目标对象的偏好等级标签：

分别对所述多个用户特征向量进行转换处理，生成所述多个用户特征向量对应的第一特征向量，所述多个用户特征对应的第一特征向量是同一维度的向量；

基于预设的所述多个用户特征信息之间的关联关系，对所述多个用户特征向量对应的第一特征向量进行聚合处理，生成聚合后的多个第二特征向量，所述多个用户特征对应的第一特征向量是同一维度的向量；

基于所述聚合后的多个第二特征向量，预测目标用户对目标分类属性下的目标对象的偏好等级标签。

3.根据权利要求1所述的用户画像的生成方法，其特征在于，所述用户画像的生成方法，还包括：

获取用于对待训练的机器学习模型进行训练的训练集样本数据，所述训练集样本数据中的每条样本数据包括样本用户在用户特征维度下的多个用户特征向量以及样本用户对目标分类属性下的目标对象的偏好等级标签；

通过所述训练集样本数据对待训练的机器学习模型进行训练，得到预训练的机器学习模型。

4.根据权利要求3所述的用户画像的生成方法，其特征在于，所述获取用于对待训练的机器学习模型进行训练的训练集样本数据，包括：

获取候选用户集中的候选用户的用户特征信息；

针对所述候选用户集中的每个候选用户，基于所述候选用户的用户特征信息中的历史行为数据，确定第一类候选用户以及第二类候选用户，所述第一类候选用户是包含目标操作事件的候选用户，所述第二类候选用户是未包含目标操作事件的候选用户，所述目标操作事件是指对所述目标分类属性下的目标对象进行操作的操作事件；

基于所述第一类候选用户的用户特征信息，生成所述第一类候选用户在用户特征维度下的多个用户特征向量，并为所述第一类候选用户添加偏好程度高的偏好等级标签，得到正样本用户的样本数据；

基于所述第二类候选用户的用户特征信息，生成所述第二类候选用户在用户特征维度下的多个用户特征向量，并为所述第二类候选用户添加偏好程度低的偏好等级标签，得到负样本用户的样本数据；

基于所述正样本用户的样本数据以及所述负样本用户的样本数据，得到用于对待训练的机器学习模型进行训练的训练集样本数据。

5.根据权利要求4所述的用户画像的生成方法，其特征在于，所述基于所述第二类候选用户的用户特征信息，生成所述第二类候选用户在用户特征维度下的多个用户特征向量，并为所述第二类候选用户添加偏好程度低的偏好等级标签，得到负样本用户的样本数据，包括：

在所述第二类候选用户中，抽取候选用户；

基于抽取的候选用户的用户特征信息，生成所述抽取的候选用户在用户特征维度下的多个用户特征向量，并为所述抽取的候选用户添加偏好程度低的偏好等级标签，得到负样本用户的样本数据。