一种用户画像数据处理方法、装置及存储介质制造方法及图纸

本发明专利技术实施例公开一种用户画像数据处理方法、装置及存储介质，其中，方法包括：响应针对目标应用的第一拉取请求，获取第一拉取请求对应的特征更新时长；特征更新时长包含多个第一时刻；将目标网络模型在上一特征更新时长内所得到的隐藏特征确定为初始隐藏特征；从业务数据特征向量中获取多个第一时刻分别对应的业务数据特征，并从用户画像特征向量中获取多个第一时刻分别对应的用户画像特征；根据初始隐藏特征、每个第一时刻分别对应的业务数据特征以及用户画像特征，确定目标网络模型在特征更新时长内的目标隐藏特征；所述目标隐藏特征用于表征与所述第一拉取请求对应的目标用户的用户画像信息。采用本发明专利技术，可以确保用户画像数据的准确性和完备性。

A User Portrait Data Processing Method, Device and Storage Media

【技术实现步骤摘要】
一种用户画像数据处理方法、装置及存储介质
本专利技术涉及互联网
，尤其涉及一种用户画像数据处理方法、装置及存储介质。
技术介绍
现有的推荐系统在向目标用户推荐业务数据信息(例如，文章、歌曲等互联网信息)时，可以基于该目标用户注册时的用户属性信息进行数据推荐。可以理解的是，现有的推荐系统可以将该目标用户注册该目标应用时所录入的相关信息(比如，性别：男，年龄：18，标签：武侠类)称之为该目标用户的用户属性信息，即可以将该注册时的相关信息确定为该目标用户的用户画像信息。然而，随着时间的推移，该目标用户的用户画像信息可能会发生变化，比如，用户的兴趣爱好会发生变化，但该推荐系统仍然将该目标用户注册时所录入的相关信息视为该目标用户的用户画像信息，以至于无法确保该目标用户的用户画像信息的准确性和完备性。
技术实现思路
本专利技术实施例提供一种用户画像数据处理方法、装置及存储介质，可以确保用户画像数据的准确性和完备性。本专利技术实施例一方面提供了一种用户画像数据处理方法，所述方法包括：响应针对目标应用的第一拉取请求，获取所述第一拉取请求对应的特征更新时长；所述特征更新时长内包含多个第一时刻；将目标网络模型在上一特征更新时长内所得到的隐藏特征确定为初始隐藏特征；从业务数据特征向量中获取所述多个第一时刻分别对应的业务数据特征，并从用户画像特征向量中获取所述多个第一时刻分别对应的用户画像特征；根据所述初始隐藏特征、所述多个第一时刻分别对应的业务数据特征、以及所述多个第一时刻分别对应的用户画像特征，确定所述目标网络模型在所述特征更新时长内的目标隐藏特征；所述目标隐藏特征用于表征与所述第一拉取请求对应的目标用户的用户画像信息。其中，所述特征更新时长是由所述第一拉取请求对应的第一请求时间戳与第二拉取请求对应的第二请求时间戳所确定的；所述第二拉取请求为所述第一拉取请求的上一拉取请求，所述第二拉取请求用于获取与目标用户具有关联关系的多个历史推荐数据信息；所述方法还包括：在所述特征更新时长内，将所述多个历史推荐数据信息中与所述目标用户之间存在数据触发关系的历史推荐数据信息确定为目标历史推荐数据信息；基于每个目标历史推荐数据信息以及所述历史业务数据信息，构建所述目标网络模型对应的业务数据特征向量；所述业务数据特征向量中包含多个第一时刻分别对应的业务数据特征；一个业务数据特征对应一个目标历史推荐数据信息；通过所述每个目标历史推荐数据信息对应的目标用户属性信息、以及所述历史业务数据信息对应的历史用户属性信息，构建所述目标网络模型对应的用户画像特征向量；所述用户画像特征向量中包含所述多个第一时刻分别对应的用户画像特征。其中，所述基于每个目标历史推荐数据信息以及历史业务数据信息，构建所述目标网络模型对应的业务数据特征向量，包括：将每个目标历史推荐数据信息添加到第一业务触发列表，并将携带所述每个目标历史推荐数据信息的第一业务触发列表作为第二业务触发列表；所述第一业务触发列表和所述第二业务触发列表中均包含与所述目标用户具有关联关系的历史业务数据信息；在所述第二业务触发列表中，将所述特征更新时长内的每个第一时刻对应的目标历史推荐数据信息确定为目标业务数据信息；对所述目标业务数据信息的语义特征进行提取，并将提取到的语义特征作为所述目标业务数据信息对应的目标业务数据特征；获取所述第一业务触发列表对应的历史数据特征向量，并将所述目标业务数据特征与所述历史数据特征向量进行拼接，并将拼接后的历史数据特征向量确定为所述目标网络模型对应的业务数据特征向量。其中，所述通过所述每个目标历史推荐数据信息对应的目标用户属性信息、以及所述历史业务数据信息对应的历史用户属性信息，构建所述目标网络模型对应的用户画像特征向量，包括：在所述第二业务触发列表中，将所述每个第一时刻的目标历史推荐数据信息所对应的用户属性信息确定为目标用户属性信息；将所述目标用户属性信息中的用户属性特征与所述目标网络模型中的注意力模型特征进行组合，并将组合后的用户属性特征确定为所述目标用户属性信息对应的目标用户画像特征；获取与所述第一业务触发列表相关联的历史用户特征向量，并将所述目标用户画像特征与所述历史用户特征向量进行拼接，并将拼接后的历史用户特征向量确定为所述目标网络模型对应的用户画像特征向量。其中，所述多个第一时刻包含历史时刻和目标时刻，所述多个第一时刻分别对应的业务数据特征中包含所述历史时刻对应的第二业务数据特征、所述目标时刻对应的第一业务数据特征；所述多个第一时刻分别对应的用户画像特征包含所述历史时刻对应的第二用户画像特征、所述目标时刻对应的第一用户画像特征；所述历史时刻为所述目标时刻的上一时刻；所述根据所述初始隐藏特征、所述多个第一时刻分别对应的业务数据特征、以及所述多个第一时刻分别对应的用户画像特征，确定所述目标网络模型在所述特征更新时长内的目标隐藏特征，包括：通过所述目标网络模型将所述第二用户画像特征、所述第二业务数据特征以及所述初始隐藏特征进行融合，并将融合后的初始隐藏特征作为所述目标网络模型在所述历史时刻的历史隐藏特征；通过所述目标网络模型将所述第一用户画像特征，所述第一业务数据特征以及所述历史隐藏特征进行融合，并将融合后的历史隐藏特征作为所述目标网络模型在所述目标时刻的目标隐藏特征。其中，所述目标网络模型包含第一重置门、第二重置门和更新门；所述通过所述目标网络模型将所述第一用户画像特征，所述第一业务数据特征以及所述历史隐藏特征进行融合，并将融合后的历史隐藏特征作为所述目标网络模型在所述目标时刻的目标隐藏特征，包括：在所述目标网络模型中，获取所述第一业务数据特征对应的第一权重参数、第一用户数据特征对应的第二权重参数、所述历史隐藏特征对应的第三权重参数、以及所述目标网络模型的偏差参数；将所述第一业务数据特征、所述第一权重参数、所述第一用户画像特征、所述第二权重参数、所述历史隐藏特征、所述第三权重参数以及所述偏差参数作为所述目标网络模型中的激活函数对应的输入参数，输出所述更新门对应的门控参数、所述第一重置门对应的门控参数和所述第二重置门对应的门控参数；基于所述第一重置门对应的门控参数、所述历史隐藏特征以及所述第一业务数据特征，在所述目标网络模型中确定所述第一业务数据特征对应的候选隐藏特征；基于所述第二重置门对应的门控参数、所述历史隐藏特征以及所述第一用户画像特征，在所述目标网络模型中确定所述第一用户画像特征对应的候选隐藏特征；根据所述更新门对应的门控参数、所述第一业务数据特征对应的候选隐藏特征、所述第一用户画像特征对应的候选隐藏特征、以及所述历史隐藏特征，确定所述目标网络模型在所述目标时刻的目标隐藏特征。其中，所述方法还包括：通过所述目标隐藏特征所表征的所述用户画像信息从业务数据库中获取多个第一候选数据信息；获取所述目标用户对应的初步筛选规则，并从所述多个第一候选数据信息筛选与所述初步筛选规则相符的第一候选数据信息作为第二候选数据信息；从筛选出的所有第二候选数据信息中选择与所述目标隐藏特征所表征的所述用户画像特征向量、所述业务数据特征向量相符的第二候选数据信息作为待推荐数据信息；将所选择的待推荐数据信息作为目标推荐数据信息下发给所述目标用户。其中，所述将所选择的待推荐数据信息作为目标推本文档来自技高网...

【技术保护点】
1.一种用户画像数据处理方法，其特征在于，包括：响应针对目标应用的第一拉取请求，获取所述第一拉取请求对应的特征更新时长；所述特征更新时长内包含多个第一时刻；将目标网络模型在上一特征更新时长内所得到的隐藏特征确定为初始隐藏特征；从业务数据特征向量中获取所述多个第一时刻分别对应的业务数据特征，并从用户画像特征向量中获取所述多个第一时刻分别对应的用户画像特征；根据所述初始隐藏特征、所述多个第一时刻分别对应的业务数据特征、以及所述多个第一时刻分别对应的用户画像特征，确定所述目标网络模型在所述特征更新时长内的目标隐藏特征；所述目标隐藏特征用于表征与所述第一拉取请求对应的目标用户的用户画像信息。

【技术特征摘要】
1.一种用户画像数据处理方法，其特征在于，包括：响应针对目标应用的第一拉取请求，获取所述第一拉取请求对应的特征更新时长；所述特征更新时长内包含多个第一时刻；将目标网络模型在上一特征更新时长内所得到的隐藏特征确定为初始隐藏特征；从业务数据特征向量中获取所述多个第一时刻分别对应的业务数据特征，并从用户画像特征向量中获取所述多个第一时刻分别对应的用户画像特征；根据所述初始隐藏特征、所述多个第一时刻分别对应的业务数据特征、以及所述多个第一时刻分别对应的用户画像特征，确定所述目标网络模型在所述特征更新时长内的目标隐藏特征；所述目标隐藏特征用于表征与所述第一拉取请求对应的目标用户的用户画像信息。2.根据权利要求1所述的方法，其特征在于，所述特征更新时长是由所述第一拉取请求对应的第一请求时间戳与第二拉取请求对应的第二请求时间戳所确定的；所述第二拉取请求为所述第一拉取请求的上一拉取请求，所述第二拉取请求用于获取与目标用户具有关联关系的多个历史推荐数据信息；所述方法还包括：在所述特征更新时长内，将所述多个历史推荐数据信息中与所述目标用户之间存在数据触发关系的历史推荐数据信息确定为目标历史推荐数据信息；基于每个目标历史推荐数据信息以及历史业务数据信息，构建所述目标网络模型对应的业务数据特征向量；所述业务数据特征向量中包含所述多个第一时刻分别对应的业务数据特征；一个业务数据特征对应一个目标历史推荐数据信息；通过所述每个目标历史推荐数据信息对应的目标用户属性信息、以及所述历史业务数据信息对应的历史用户属性信息，构建所述目标网络模型对应的用户画像特征向量；所述用户画像特征向量中包含所述多个第一时刻分别对应的用户画像特征。3.根据权利要求2所述的方法，其特征在于，所述基于每个目标历史推荐数据信息以及历史业务数据信息，构建所述目标网络模型对应的业务数据特征向量，包括：将每个目标历史推荐数据信息添加到第一业务触发列表，并将携带所述每个目标历史推荐数据信息的第一业务触发列表作为第二业务触发列表；所述第一业务触发列表和所述第二业务触发列表中均包含与所述目标用户之间存在历史触发关系的历史业务数据信息；在所述第二业务触发列表中，将所述特征更新时长内的每个第一时刻对应的目标历史推荐数据信息确定为目标业务数据信息；对所述目标业务数据信息的语义特征进行提取，并将提取到的语义特征作为所述目标业务数据信息对应的目标业务数据特征；获取所述第一业务触发列表对应的历史数据特征向量，并将所述目标业务数据特征与所述历史数据特征向量进行拼接，并将拼接后的历史数据特征向量确定为所述目标网络模型对应的业务数据特征向量。4.根据权利要求3所述的方法，其特征在于，所述通过所述每个目标历史推荐数据信息对应的目标用户属性信息、以及所述历史业务数据信息对应的历史用户属性信息，构建所述目标网络模型对应的用户画像特征向量，包括：在所述第二业务触发列表中，将所述每个第一时刻的目标历史推荐数据信息所对应的用户属性信息确定为目标用户属性信息；将所述目标用户属性信息中的用户属性特征与所述目标网络模型中的注意力模型特征进行组合，并将组合后的用户属性特征确定为所述目标用户属性信息对应的目标用户画像特征；获取与所述第一业务触发列表相关联的历史用户特征向量，并将所述目标用户画像特征与所述历史用户特征向量进行拼接，并将拼接后的历史用户特征向量确定为所述目标网络模型对应的用户画像特征向量。5.根据权利要求1所述的方法，其特征在于，所述多个第一时刻包含历史时刻和目标时刻，所述多个第一时刻分别对应的业务数据特征中包含所述历史时刻对应的第二业务数据特征、所述目标时刻对应的第一业务数据特征；所述多个第一时刻分别对应的用户画像特征中包含所述历史时刻对应的第二用户画像特征、所述目标时刻对应的第一用户画像特征；所述历史时刻为所述目标时刻的上一时刻；所述根据所述初始隐藏特征、所述多个第一时刻分别对应的业务数据特征、以及所述多个第一时刻分别对应的用户画像特征，确定所述目标网络模型在所述特征更新时长内的目标隐藏特征，包括：通过所述目标网络模型将所述第二用户画像特征、所述第二业务数据特征以及所述初始隐藏特征进行融合，并将融合后的初始隐藏特征作为所述目标网络模型在所述历史时刻的历史隐藏特征；通过所述目标网络模型将所述第一用户画像特征，所述第一业务数据特征以及所述历史隐藏特征进行融合，并将融合后的历史隐藏特征作为所述目标网络模型在所述目标时刻的目标隐藏特征。6.根据权利要求5所述的方法，其特征在于，所述目标网络模型包含第一重置门、第二重置门和更新门；所述通过所述目标网络模型将所述第一用户画像特征，所述第一业务数据特征以及所述历史隐藏特征进行融合，并将融合后的历史隐藏特征作为所述目标网络模型在所述目标时刻的目标隐藏特征，包括：在所述目标网络模型中，获取所述第一业务数据特征对应的第一权重参数、第一...

【专利技术属性】
技术研发人员：刘毅，饶君，丘志杰，刘祺，梁铭霏，陈磊，王良栋，孙振龙，刘书凯，商甜甜，苏舟，张博，林乐宇，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44