一种用户标签动态生成方法和装置与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及大数据技术领域，尤其涉及一种用户标签动态生成方法和装置。背景技术：2.本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。3.用户画像是当下描述分析用户、运营营销的重要工具，良好的用户画像有利于提升用户体验、扩大市场规模。4.用户画像的一个很重要的组成部分是用户标签，整个标签系统构成了用户完整的用户画像，因此，用户标签体系的完善性、准确性决定了用户画像构建的效果。5.目前，现有的用户标签的生成大多仅根据用户的行为进行分析，或将用户行为数据以及用户标准数据相结合进行分析，或在标签生成后并没有考虑用户标签的动态变化特征，没有通过合适的方式动态更新用户标签库。6.因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。技术实现要素：7.本发明实施例提供一种用户标签动态生成方法，可以保证用户标签的准确性，有利于用户画像的构建将内容与行为的融合，包括：8.获取用户行为数据，确定用户行为标签；9.获取用户的点击阅读数据，确定用户内容标签；10.根据用户行为标签和用户内容标签，确定一个周期内的用户标签；11.按照预设时间周期，更新用户标签。12.本发明实施例还提供一种用户标签动态生成装置，包括：13.用户行为标签确定模块，用于获取用户行为数据，确定用户行为标签；14.用户内容标签确定模块，用于获取用户的点击阅读数据，确定用户内容标签；15.用户标签确定模块，用于根据用户行为标签和用户内容标签，确定一个周期内的用户标签；16.用户标签更新模块，用于按照预设时间周期，更新用户标签。17.本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种用户标签动态生成方法。18.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种用户标签动态生成方法。19.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述一种用户标签动态生成方法。20.本发明实施例提供的一种用户标签动态生成方法和装置，包括：获取用户行为数据，确定用户行为标签；获取用户的点击阅读数据，确定用户内容标签；根据用户行为标签和用户内容标签，确定一个周期内的用户标签；按照预设时间周期，更新用户标签。本发明提出了一种结合用户行为和内容标签的用户标签生成的方法，并针对生成的用户标签随时间进行动态更新，可以保证用户标签的准确性，有利于用户画像的构建将内容与行为的融合，可以减少由于采集到的数据不准确或者不规范导致的用户标签生成的错误性；用户随着社会影响或其他因素的影响，用户兴趣会发生变化，周期性的更新用户的标签可以更为准确的获取用户的近期兴趣点，为之后的用户画像分析提供了更为实时、准确的用户标签信息。附图说明21.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：22.图1为本发明实施例一种用户标签动态生成方法示意图。23.图2为本发明实施例一种用户标签动态生成方法的确定用户行为标签过程示意图。24.图3为本发明实施例一种用户标签动态生成方法的确定用户内容标签过程示意图。25.图4为本发明实施例一种用户标签动态生成方法的确定用户标签过程示意图。26.图5为运行本发明实施的一种用户标签动态生成方法的计算机设备示意图。27.图6为本发明实施例一种用户标签动态生成装置示意图。具体实施方式28.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。29.图1为本发明实施例一种用户标签动态生成方法示意图，如图1所示，本发明实施例提供一种用户标签动态生成方法，可以保证用户标签的准确性，有利于用户画像的构建将内容与行为的融合，包括：30.步骤101：获取用户行为数据，确定用户行为标签；31.步骤102：获取用户的点击阅读数据，确定用户内容标签；32.步骤103：根据用户行为标签和用户内容标签，确定一个周期内的用户标签；33.步骤104：按照预设时间周期，更新用户标签。34.本发明实施例提供的一种用户标签动态生成方法，包括：获取用户行为数据，确定用户行为标签；获取用户的点击阅读数据，确定用户内容标签；根据用户行为标签和用户内容标签，确定一个周期内的用户标签；按照预设时间周期，更新用户标签。本发明提出了一种结合用户行为和内容标签的用户标签生成的方法，并针对生成的用户标签随时间进行动态更新，可以保证用户标签的准确性，有利于用户画像的构建将内容与行为的融合，可以减少由于采集到的数据不准确或者不规范导致的用户标签生成的错误性；用户随着社会影响或其他因素的影响，用户兴趣会发生变化，周期性的更新用户的标签可以更为准确的获取用户的近期兴趣点，为之后的用户画像分析提供了更为实时、准确的用户标签信息。35.现有的方法未考虑用户标签的动态变化的特性，不能适时进行用户标签库的更新，且现有的方法没有与内容标签结合，仅根据用户行为进行用户标签的判断。36.本发明针对以上问题，提出了一种结合用户行为和内容标签的用户标签生成的方法，并针对生成的用户标签随时间进行动态更新，以保证用户标签的准确性，有利于用户画像的构建。37.具体实施本发明实施例提供的一种用户标签动态生成方法时，在一个实施例中，包括：38.获取用户行为数据，确定用户行为标签；39.获取用户的点击阅读数据，确定用户内容标签；40.根据用户行为标签和用户内容标签，确定一个周期内的用户标签；41.按照预设时间周期，更新用户标签。42.本发明实施例涉及的用户行为，是指用户的行为属性，记录了用户的全部单点行为，按照‘产品‑‑功能模块‑‑用户单点行为‑‑时间’四大要素来标识。用户标签，是指用户特征的一系列表示，每个标签为认识用户的一个角度。43.图2为本发明实施例一种用户标签动态生成方法的确定用户行为标签过程示意图，如图2所示，具体实施本发明实施例提供的一种用户标签动态生成方法时，在一个实施例中，获取用户行为数据，确定用户行为标签，包括：44.步骤201：通过埋点技术采集用户的点击操作和点击的时间，确实用户行为日志；45.步骤202：利用行为分析算法对用户行为日志进行分析，确定用户行为标签，将用户行为标签以矩阵的格式存入数据库。46.实施例中，通过埋点技术采集用户行为数据，并将采集到的数据存储，进而通过分析用户行为数据，得到用户行为标签，具体的，可以包括：通过埋点技术采集用户的点击操作和点击的时间，确实用户行为日志，然后利用行为分析算法对用户行为日志进行分析，确定用户行为标签，将用户行为标签以矩阵的格式存入数据库。47.图3为本发明实施例一种用户标签动态生成方法的确定用户内容标签过程示意图，如图3所示，具体实施本发明实施例提供的一种用户标签动态生成方法时，在一个实施例中，获取用户的点击阅读数据，确定用户内容标签，包括：48.步骤301：在文本内容中预设铺底标签；49.步骤302：从用户的点击阅读数据中提取用户点击文章进行阅读时所触发的铺底标签作为用户内容标签，将用户内容标签以矩阵的格式存入数据库。50.实施例中，用户内容标签的确定，可以包括：首先在文本内容中预设铺底标签，然后，从用户的点击阅读数据中提取用户点击文章进行阅读时所触发的铺底标签作为用户内容标签，将用户内容标签以矩阵的格式存入数据库。51.具体实施本发明实施例提供的一种用户标签动态生成方法时，在一个实施例中，获取用户的点击阅读数据，确定用户内容标签，包括：52.从用户的点击阅读数据中提取用户点击的文章；53.对用户点击的文章进行语义提取，确定用户内容标签，将用户内容标签以矩阵的格式存入数据库。54.本发明实施例具有一定的可扩展性，使用不同的埋点技术可以获取app、网页不同需求下的用户行为数据；通过预先铺底或者文章等内容不同的提取方法可以获取不同场景下的内容标签。将内容与行为的融合，将内容或事先铺底的标签与采集到的用户行为结合，可以减少由于采集到的数据不准确或者不规范导致的用户标签生成的错误性。55.基于上述实施例，确定用户内容标签的方式包括从用户点击的文章中提取内容标签或事先铺底相应标签。56.图4为本发明实施例一种用户标签动态生成方法的确定用户标签过程示意图，如图4所示，具体实施本发明实施例提供的一种用户标签动态生成方法时，在一个实施例中，根据用户行为标签和用户内容标签，确定一个周期内的用户标签，包括：57.步骤401：从数据库中提取矩阵格式的用户行为标签和矩阵格式的用户内容标签；58.步骤402：对矩阵格式的用户行为标签和矩阵格式的用户内容标签进行矩阵融合，将生成的融合矩阵确定为一个周期内的用户标签，存入用户标签库。59.具体实施本发明实施例提供的一种用户标签动态生成方法时，在一个实施例中，按照预设时间周期，更新用户标签，包括：60.按照预设时间周期，实时更新用户行为标签和用户内容标签，确定当前最新的用户标签；61.利用当前最新的用户标签更新用户标签库；62.将包括当前最新的用户标签的用户标签库中的用户标签按照用户维度存储。63.由于用户随着社会影响或其他因素的影响，用户兴趣会发生变化，周期性的更新用户的标签可以更为准确的获取用户的近期兴趣点，为之后的用户画像分析提供了更为实时、准确的用户标签信息。64.本发明实施例提出了一种将内容标签和用户行为相结合的用户标签构建的方案，在一个实例中，以手机银行app为例：通过埋点技术收集用户的点击的功能、点击的时间；通过日志分析获取用户交易类型、交易金额。通过预先铺底的用户点击的内容的标签或将内容通过一定的算法提取出来与采集的用户行为标签同时进行分析，将最终的结果标签写入用户标签库，并周期性的调整用户标签库，确保用户标签体系具有一定的实时性。65.本发明实施例提出了一种结合用户行为和内容标签的用户标签生成的方法，并针对生成的用户标签随时间进行动态更新，以保证用户标签的准确性，有利于用户画像的构建。66.下面结合具体场景，对本发明实施例提供的一种用户标签动态生成方法进行简要描述，本发明实施例还提供一种用户标签动态生成方法的模块化实例，包括：67.行为采集模块：通过埋点技术采集用户行为数据，并将采集到的数据存储。68.行为分析模块：设计算法分析用户行为，得到用户行为矩阵。69.内容分析模块：从用户点击的文章中提取内容标签或事先铺底相应模块或功能的标签70.内容与行为融合模块：通过算法将内容标签、行为标签相结合作为一个周期内的用户标签71.标签更新模块：动态更新用户标签库。72.上述模块化实例的工作流程，包括：73.行为采集模块通过埋点技术采集用户行为数据，并存储在数据库中；74.行为分析模块从数据库中读取数据进行分析，将分析结果存储为矩阵的格式；75.内容分析模块分析内容中的标签，并将结果转成矩阵形式；76.内容与行为融合模块计算上述的两种矩阵，结果为融合矩阵；77.标签更新模块按照时间周期不断计算新的融合矩阵的结果，并更新标签库中的内容，将最新的标签库中的内容按照用户维度存储，存储的结果供进一步分析使用。78.本发明实施例实现了内容与行为的融合以及用户标签的更新，其中，内容与行为的融合：将内容或事先铺底的标签与采集到的用户行为结合，可以减少由于采集到的数据不准确或者不规范导致的用户标签生成的错误性；进一步的，用户标签更新：用户随着社会影响或其他因素的影响，用户兴趣会发生变化，周期性的更新用户的标签可以更为准确的获取用户的近期兴趣点，为之后的用户画像分析提供了更为实时、准确的用户标签信息。79.本发明实施例过数据采集、特征提取、矩阵计算等自然语言处理算法的综合使用实现了一种生成用户标签的方法，这种方法可以更加准确、更加高效的生成用户的标签，帮助数据分析人员更好的完成用户画像分析。同时，本专利提出的方法具有一定的可扩展性，使用不同的埋点技术可以获取app、网页不同需求下的用户行为数据；通过预先铺底或者文章等内容不同的提取方法可以获取不同场景下的内容标签。80.图5为运行本发明实施的一种用户标签动态生成方法的计算机设备示意图，如图5所示，本发明实施例还提供一种计算机设备500，包括存储器510、处理器520及存储在存储器上并可在处理器上运行的计算机程序530，所述处理器执行所述计算机程序时实现上述一种用户标签动态生成方法。81.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种用户标签动态生成方法。82.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述一种用户标签动态生成方法。83.本发明实施例中还提供了一种用户标签动态生成装置，如下面的实施例所述。由于该装置解决问题的原理与一种用户标签动态生成方法相似，因此该装置的实施可以参见一种用户标签动态生成方法的实施，重复之处不再赘述。84.图6为本发明实施例一种用户标签动态生成装置示意图，如图6所示，本发明实施例还提供一种用户标签动态生成装置。85.具体实施本发明实施例提供的一种用户标签动态生成装置时，在一个实施例中，包括：86.用户行为标签确定模块601，用于获取用户行为数据，确定用户行为标签；87.用户内容标签确定模块602，用于获取用户的点击阅读数据，确定用户内容标签；88.用户标签确定模块603，用于根据用户行为标签和用户内容标签，确定一个周期内的用户标签；89.用户标签更新模块604，用于按照预设时间周期，更新用户标签。90.具体实施本发明实施例提供的一种用户标签动态生成装置时，在一个实施例中，用户行为标签确定模块，具体用于：91.通过埋点技术采集用户的点击操作和点击的时间，确实用户行为日志；92.利用行为分析算法对用户行为日志进行分析，确定用户行为标签，将用户行为标签以矩阵的格式存入数据库。93.具体实施本发明实施例提供的一种用户标签动态生成装置时，在一个实施例中，用户内容标签确定模块，具体用于：94.在文本内容中预设铺底标签；95.从用户的点击阅读数据中提取用户点击文章进行阅读时所触发的铺底标签作为用户内容标签，将用户内容标签以矩阵的格式存入数据库。96.具体实施本发明实施例提供的一种用户标签动态生成装置时，在一个实施例中，用户内容标签确定模块，还用于：97.从用户的点击阅读数据中提取用户点击的文章；98.对用户点击的文章进行语义提取，确定用户内容标签，将用户内容标签以矩阵的格式存入数据库。99.具体实施本发明实施例提供的一种用户标签动态生成装置时，在一个实施例中，用户标签确定模块，具体用于：100.从数据库中提取矩阵格式的用户行为标签和矩阵格式的用户内容标签；101.对矩阵格式的用户行为标签和矩阵格式的用户内容标签进行矩阵融合，将生成的融合矩阵确定为一个周期内的用户标签，存入用户标签库。102.具体实施本发明实施例提供的一种用户标签动态生成装置时，在一个实施例中，用户标签更新模块，具体用于：103.按照预设时间周期，实时更新用户行为标签和用户内容标签，确定当前最新的用户标签；104.利用当前最新的用户标签更新用户标签库；105.将包括当前最新的用户标签的用户标签库中的用户标签按照用户维度存储。106.综上，本发明实施例提供的一种用户标签动态生成方法和装置，包括：获取用户行为数据，确定用户行为标签；获取用户的点击阅读数据，确定用户内容标签；根据用户行为标签和用户内容标签，确定一个周期内的用户标签；按照预设时间周期，更新用户标签。本发明提出了一种结合用户行为和内容标签的用户标签生成的方法，并针对生成的用户标签随时间进行动态更新，可以保证用户标签的准确性，有利于用户画像的构建将内容与行为的融合，可以减少由于采集到的数据不准确或者不规范导致的用户标签生成的错误性；用户随着社会影响或其他因素的影响，用户兴趣会发生变化，周期性的更新用户的标签可以更为准确的获取用户的近期兴趣点，为之后的用户画像分析提供了更为实时、准确的用户标签信息。107.本发明实施例实现了内容与行为的融合以及用户标签的更新，其中，内容与行为的融合：将内容或事先铺底的标签与采集到的用户行为结合，可以减少由于采集到的数据不准确或者不规范导致的用户标签生成的错误性；进一步的，用户标签更新：用户随着社会影响或其他因素的影响，用户兴趣会发生变化，周期性的更新用户的标签可以更为准确的获取用户的近期兴趣点，为之后的用户画像分析提供了更为实时、准确的用户标签信息。108.本发明实施例过数据采集、特征提取、矩阵计算等自然语言处理算法的综合使用实现了一种生成用户标签的方法，这种方法可以更加准确、更加高效的生成用户的标签，帮助数据分析人员更好的完成用户画像分析。同时，本专利提出的方法具有一定的可扩展性，使用不同的埋点技术可以获取app、网页不同需求下的用户行为数据；通过预先铺底或者文章等内容不同的提取方法可以获取不同场景下的内容标签。109.本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定，本技术获取的个人、客户和人群等相关的个人身份数据、操作数据、行为数据等多种类型的数据，均已获得授权。110.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。111.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。112.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。113.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。114.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!