用户画像标签生成方法、装置、计算设备及存储介质与流程

1.本发明涉及数据处理技术领域，具体涉及一种用户画像标签生成方法、装置、计算设备及存储介质。


背景技术：

2.用户画像是指根据用户的属性、偏好、生活习惯、行为等信息，抽象出来的标签化用户模型。用户画像能够为企业实施精准营销提供决策依据。其中，用户画像通常以用户画像标签的形式呈现。如某用户a其用户画像可以为勾画该用户的各个用户画像标签，如“白领”标签，“流量高价值用户”标签等等。目前，通常通过对用户的相关数据进行分析及挖掘来获得用户的用户画像标签。
3.然而，发明人在实施过程中发现，现有技术中存在如下缺陷：现有技术中的用户画像标签均是直接通过对用户原始数据的挖掘及分析获得的，当有新的用户画像标签产生，需判断用户是否具有该新的用户画像标签，往往需重新对原始数据进行挖掘及分析，从而使得现有技术中的用户画像标签生成方式较为繁琐，标签生成效率低下，可扩展性差。


技术实现要素：

4.鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的用户画像标签生成方法、装置、计算设备及存储介质。
5.根据本发明的一个方面，提供了一种用户画像标签生成方法，包括：
6.获取用户画像源数据；
7.基于所述用户画像源数据，生成任一用户的用户基础标签；
8.获取新标签，并对所述新标签进行标签解析，以获得与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系；
9.针对于任一用户，若该用户的用户基础标签与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系相匹配，则为该用户分配所述新标签。
10.可选的，所述获取新标签，并对所述新标签进行标签解析，以获得与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系进一步包括：
11.对所述新标签进行分词处理和/或语义分析处理，以获得与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系。
12.可选的，所述对所述新标签进行分词处理和/或语义分析处理，以获得与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系进一步包括：
13.对所述新标签进行分词处理，生成与所述新标签对应的标签分词；
14.将所述标签分词与预设基础标签库中的标签进行匹配；
15.将与预设基础标签库中的标签匹配的标签分词，确定为所述新标签对应的目标基础标签；
16.根据与预设基础标签库中的标签不匹配的标签分词，确定新标签与目标基础标签
之间的关联关系。
17.可选的，所述根据与预设基础标签库中的标签不匹配的标签分词，确定新标签与目标基础标签之间的关联关系进一步包括：
18.若不存在与预设基础标签库中的标签不匹配的标签分词，则确定新标签为多个目标基础标签进行与运算的结果；
19.若存在与预设基础标签库中的标签不匹配的标签分词，则根据与预设基础标签库中的标签不匹配的标签分词的语义，确定新标签与目标基础标签之间的关联关系。
20.可选的，所述对所述新标签进行标签解析，以获得与所述新标签对应的目标基础标签以及目标基础标签之间的关联关系进一步包括：
21.根据为所述新标签配置的标签合成规则，获得与所述新标签对应的目标基础标签以及目标基础标签之间的关联关系。
22.可选的，在所述获取用户画像源数据之后，所述方法还包括：
23.根据用户画像源数据的画像数据类型，确定所述用户画像源数据的数据表结构；其中，所述数据表结构包括宽表结构或纵表结构。
24.可选的，所述方法还包括：
25.接收画像查询请求；
26.确定所述画像查询请求对应的用户权限和/或场景权限；
27.展示与所述用户权限和/或场景权限匹配的用户画像标签。
28.根据本发明的另一方面，提供了一种用户画像标签生成装置，包括：
29.获取模块，适于获取用户画像源数据；
30.基础标签生成模块，适于基于所述用户画像源数据，生成任一用户的用户基础标签；
31.新标签解析模块，适于获取新标签，并对所述新标签进行标签解析，以获得与所述新标签对应的目标基础标签以及目标基础标签之间的关联关系；
32.新标签匹配模块，适于针对于任一用户，若该用户的用户基础标签与所述新标签对应的目标基础标签以及目标基础标签之间的关联关系相匹配，则为该用户分配所述新标签。
33.可选的，所述基础标签生成模块进一步适于：对所述新标签进行分词处理和/或语义分析处理，以获得与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系。
34.可选的，所述基础标签生成模块进一步适于：对所述新标签进行分词处理，生成与所述新标签对应的标签分词；
35.将所述标签分词与预设基础标签库中的标签进行匹配；
36.将与预设基础标签库中的标签匹配的标签分词，确定为所述新标签对应的目标基础标签；
37.根据与预设基础标签库中的标签不匹配的标签分词，确定新标签与目标基础标签之间的关联关系。
38.可选的，所述基础标签生成模块进一步适于：若不存在与预设基础标签库中的标签不匹配的标签分词，则确定新标签为多个目标基础标签进行与运算的结果；
39.若存在与预设基础标签库中的标签不匹配的标签分词，则根据与预设基础标签库中的标签不匹配的标签分词的语义，确定新标签与目标基础标签之间的关联关系。
40.可选的，所述基础标签生成模块进一步适于：根据为所述新标签配置的标签合成规则，获得与所述新标签对应的目标基础标签以及目标基础标签之间的关联关系。
41.可选的，所述装置还包括：表结构确定模块，适于在所述获取用户画像源数据之后，所述方法还包括：
42.根据用户画像源数据的画像数据类型，确定所述用户画像源数据的数据表结构；其中，所述数据表结构包括宽表结构或纵表结构。
43.可选的，所述装置还包括：查询模块，适于接收画像查询请求；
44.确定所述画像查询请求对应的用户权限和/或场景权限；
45.展示与所述用户权限和/或场景权限匹配的用户画像标签。
46.根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
47.所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述用户画像标签生成方法对应的操作。
48.根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述用户画像标签生成方法对应的操作。
49.根据本发明提供的用户画像标签生成方法、装置、计算设备及存储介质，首先获取用户画像源数据；基于用户画像源数据，生成任一用户的用户基础标签；进一步获取新标签，并对新标签进行标签解析，以获得与新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系；针对于任一用户，若该用户的用户基础标签与新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系相匹配，则为该用户分配所述新标签。本方案根据用户画像源数据来生成用户基础标签，继而以用户已经生成的用户画像标签为基础，来生成新的标签，从而能够大幅提升新标签的生成效率。并且，本实施例提供的用户画像标签生成方案可扩展性好，适于大规模应用与实施。
50.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
51.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
52.图1示出了根据本发明实施例一提供的一种用户画像标签生成方法的流程示意图；
53.图2示出了根据本发明实施例二提供的一种用户画像标签生成装置的功能结构示意图；
54.图3示出了根据本发明实施例四提供的一种计算设备的结构示意图。
具体实施方式
55.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
56.实施例一
57.图1示出了根据本发明实施例一提供的一种用户画像标签生成方法的流程示意图。其中，本实施例所提供的用户画像标签生成方法可由具有相应计算能力的计算设备执行，本实施例对本方法的具体执行设备不作限定。
58.如图1所示，该方法包括：
59.步骤s110：获取用户画像源数据。
60.其中，本实施例所应用的技术场景不同，用户画像数据来源也存在差异。以应用于通信运营商场景为例，可从该运营商各业务平台来获取用户通话话单数据、用户上网日志数据、用户位置轨迹数据等等。本领域技术人员可根据实际的应用场景来选择用户画像源数据的来源。
61.在一种可选的实施方式中，在初始获得用户画像源数据之后，为便于后续数据的处理及标签的生成，本实施例可进一步地对用户画像源数据进行预处理，以剔除获取到的用户画像源数据中的无效数据以及保障数据的规范化。其中，本实施例对用户画像源数据的预处理方式不作限定，例如，可对用户画像源数据进行数据格式交换，如可以将获取到的文件类或直接关系型格式的数据，录入至hdfs(hadoop distributed file system，一种分布式文件系统)中，继而导入hive(一种基于hadoop的数据仓库工具)进行结构化存储；和/或，对用户画像源数据进行无效数据剔除，如剔除离网用户、公免用户、或非个人用户对应的数据，剔除不规则url访问记录，剔除信令状态异常位置轨迹数据等等；和/或，对数据进行相应的编码转换等等。
62.在又一种可选的实施方式中，在获取用户画像源数据之后，进一步进行数据沉淀。在数据沉淀过程中，可根据用户画像源数据的画像数据类型，确定用户画像源数据的数据表结构；其中，数据表结构包括宽表结构或纵表结构。
63.其中，为了能够便于后续快速地生成用户画像标签，针对于用户属性类用户画像数据，可采用宽表结构进行数据沉淀。例如，可将一个用户的年龄、性别、职业等属性信息以宽表形式进行数据沉淀。如表1所示，每一条宽表数据以用户手机号(用户标识)为主key，记录了该用户的年龄、性别、消费等级及职业信息，同一张宽表中的同一个用户标识仅出现一次。进一步可选的，为了便于存储，本实施例进一步将逻辑上为单张的宽表按照预设类别(如个人基础、通信行为、位置轨迹、线上行为、偏好习惯等)进行拆分，从而拆分为多个子表，继而在物理上以各个子表进行存储，各子表之间通过用户唯一标识来进行关联。
64.表1
65.手机号码年龄性别消费等级职业1381111111220男高白领1381111111340女低家政
66.另外，针对于用户记录类用户画像数据，可采用纵表结构进行数据沉淀。例如，针
对于用户产品订购类、内容偏好类、位置轨迹类等数据，分别以产品标识、内容标识、轨迹标识等作为二级分key,用户标识(如用户手机号)作为一级主key的方式，进行纵表形式存储，并在该存储方式中支持每个二级分key下的扩展属性存储。如表2所示，以用户手机号(用户标识)为一级主key，访问app标识为二级分key进行存储。
67.表2
68.手机号码访问app访问日频次13811111112app12313811111112app26813811111112app31013811111113app113313811111113app290
69.步骤s120：基于用户画像源数据，生成任一用户的用户基础标签。
70.其中，本实施例中的用户基础标签为根据用户画像源数据直接生成的用户画像标签。该用户基础标签可以为定性标签也可以为定量标签。在实际的实施过程中，可预先配置用户基础标签生成规则，从而基于用户画像源数据及用户基础标签生成规则来生成任一用户的用户基础标签。例如，针对于上述表1中用户画像源数据中“白领”可直接转换为定性用户基础标签；又或者，针对于上述表2中的用户画像源数据，根据预先配置的访问日频次阈值，确定出用户的app偏好，继而生成用户的定量用户基础标签。总之，本领域可通过提供的用户基础标签生成规则配置入口来配置用户基础标签生成规则。
71.步骤s130：获取新标签，并对新标签进行标签解析，以获得与新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系。
72.在实际的应用场景中，由于业务更新或业务扩展等需求，通常会配置新标签，并为满足条件的用户分配该新标签，从而实现用户画像标签的动态扩展。不同于现有技术中重新进行源数据的获取及数据挖掘来为用户分配新标签，本实施例具体是在用户已经生成的用户画像标签的基础上来确定是否为该用户分配新标签。
73.具体地，在基于用户基础标签分配新标签过程中，需对新标签进行标签解析，以获得与新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系。
74.在一种可选的实施方式中，可以对新标签进行分词处理和/或语义分析处理，以获得与新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系。具体地，在获取新标签时，可获取到该新标签的相关数据，如标签名称、标签释义和/或标签简介等等，继而对该新标签的相关数据进行分词处理和/或语义分析处理来获取与该新标签关联的基础标签(即目标基础标签)，以及新标签与该关联用户基础标签之间的关联关系。
75.在该实施方式的具体执行过程中，可先对新标签进行分词处理，生成与新标签对应的标签分词；并将生成的标签分词与预设基础标签库中的标签进行匹配，其中，预设基础标签库中的标签具体为当前已生成的多个用户的用户画像标签。进一步将与预设基础标签库中的标签匹配的标签分词，确定为新标签对应的目标基础标签；最终根据与预设基础标签库中的标签不匹配的标签分词，确定新标签与目标基础标签之间的关联关系。其中，确定新标签与目标基础标签之间的关联关系具体为：若不存在与预设基础标签库中的标签不匹配的标签分词(即与预设基础标签库中的标签不匹配的标签分词为空)，则确定新标签为多
个目标基础标签进行与运算的结果；若存在与预设基础标签库中的标签不匹配的标签分词，则根据与预设基础标签库中的标签不匹配的标签分词的语义，确定新标签与目标基础标签之间的关联关系。
76.举例来说，新标签名称为“老年app1偏好用户”，进行分词处理后获得分词“老年”及“app1偏好用户”，而现有的基础标签库中包含有“老年人”标签，以及“app1偏好用户”标签，则与“老年app偏好用户”对应的目标基础标签为“老年人”及“app1偏好用户”，由于不存在与预设基础标签库中的标签不匹配的标签分词，则新标签为多个目标基础标签进行与运算的结果，即同时具有“老年人”及“app1偏好用户”的用户具备该新标签；或者，新标签名称为“非大学生”，现有的基础标签库中包含有“大学生”标签，则与该新标签对应的目标基础标签为“大学生”(身份类别标签)，同时存在与预设基础标签库中的标签不匹配的标签分词“非”，从而确定新标签为目标基础标签的关系为逻辑非，从而将身份类别标签不是大学生的用户确定为该新标签的待分配用户。
77.在另一种可选的实施方式中，可以根据为新标签配置的标签合成规则，获得与新标签对应的目标基础标签以及目标基础标签之间的关联关系。具体地，可提供新标签配置入口，用于配置新标签的标签合成规则。其中，本实施例对具体的标签合成规则不作限定。
78.步骤s140：针对于任一用户，若该用户的用户基础标签与新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系相匹配，则为该用户分配该新标签。
79.当用户已生成的用户基础标签与新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系相匹配，则确定该用户为该新标签的待分配用户，继而为该用户分配该新标签。从中可看出，本实施例在分配新标签时无需重新对源数据进行挖掘分析，从而提升新标签的分配效率。进一步地，为用户分配的新标签可进一步作为后续更新标签的目标基础标签，即本实施例中的预设基础标签库是动态更新变化的。
80.可选的，本实施例生成的用户画像标签的数据结构类型也支持宽/纵两种模式。宽表标签与纵表标签之间均通过统一用户标识进行关联。
81.可选的，可进一步提供用户画像配置入口，通过该配置入口能够基于不同的业务场景和/或用户权限，分配其对应的用户画像标签的查看权限；又或者，通过该配置入口可配置相应的数据泛化规则，从而进行数据的泛化脱敏，保障用户数据隐私及安全。
82.进一步可选的，可接收画像查询请求；确定画像查询请求对应的用户权限和/或场景权限；继而展示与用户权限和/或场景权限匹配的用户画像标签，从而在查询过程中实现用户维度与业务场景维度的结合。并且，本实施例中查询出的标签可以为一级标签也可以为二级标签等等。此外，在查询过程中的输入及输出结果符合预先配置的参数规范。另外，为进一步地保障数据安全及稳定性，可进一步地进行日志记录、安全与权限相关的管控，对下游调用平台提供稳定可靠的数据基础。
83.由此可见，本实施例中根据用户画像源数据来生成用户基础标签，继而以用户已经生成的用户画像标签为基础，来生成新的标签，从而能够大幅提升新标签的生成效率。并且，本实施例提供的用户画像标签生成方案可扩展性好，适于大规模应用与实施。
84.实施例二
85.图2示出了根据本发明实施例二提供的一种用户画像标签生成装置的功能结构示意图。如图2所示，该装置包括：获取模块21、基础标签生成模块22、新标签解析模块23、新标
签匹配模块24。
86.获取模块21，适于获取用户画像源数据；
87.基础标签生成模块22，适于基于所述用户画像源数据，生成任一用户的用户基础标签；
88.新标签解析模块23，适于获取新标签，并对所述新标签进行标签解析，以获得与所述新标签对应的目标基础标签以及目标基础标签之间的关联关系；
89.新标签匹配模块24，适于针对于任一用户，若该用户的用户基础标签与所述新标签对应的目标基础标签以及目标基础标签之间的关联关系相匹配，则为该用户分配所述新标签。
90.可选的，所述基础标签生成模块进一步适于：对所述新标签进行分词处理和/或语义分析处理，以获得与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系。
91.可选的，所述基础标签生成模块进一步适于：对所述新标签进行分词处理，生成与所述新标签对应的标签分词；
92.将所述标签分词与预设基础标签库中的标签进行匹配；
93.将与预设基础标签库中的标签匹配的标签分词，确定为所述新标签对应的目标基础标签；
94.根据与预设基础标签库中的标签不匹配的标签分词，确定新标签与目标基础标签之间的关联关系。
95.可选的，所述基础标签生成模块进一步适于：若不存在与预设基础标签库中的标签不匹配的标签分词，则确定新标签为多个目标基础标签进行与运算的结果；
96.若存在与预设基础标签库中的标签不匹配的标签分词，则根据与预设基础标签库中的标签不匹配的标签分词的语义，确定新标签与目标基础标签之间的关联关系。
97.可选的，所述基础标签生成模块进一步适于：根据为所述新标签配置的标签合成规则，获得与所述新标签对应的目标基础标签以及目标基础标签之间的关联关系。
98.可选的，所述装置还包括：表结构确定模块，适于在所述获取用户画像源数据之后，所述方法还包括：
99.根据用户画像源数据的画像数据类型，确定所述用户画像源数据的数据表结构；其中，所述数据表结构包括宽表结构或纵表结构。
100.可选的，所述装置还包括：查询模块，适于接收画像查询请求；
101.确定所述画像查询请求对应的用户权限和/或场景权限；
102.展示与所述用户权限和/或场景权限匹配的用户画像标签。
103.其中，本实施例中各模块的具体实施过程可参照实施例一中相应部分的描述，本实施例在此不做赘述。
104.由此可见，本实施例中根据用户画像源数据来生成用户基础标签，继而以用户已经生成的用户画像标签为基础，来生成新的标签，从而能够大幅提升新标签的生成效率。并且，本实施例提供的用户画像标签生成方案可扩展性好，适于大规模应用与实施。
105.实施例三
106.根据本发明实施例三提供了一种非易失性计算机存储介质，所述计算机存储介质
存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的用户画像标签生成方法。
107.可执行指令具体可以用于使得处理器执行以下操作：
108.获取用户画像源数据；
109.基于所述用户画像源数据，生成任一用户的用户基础标签；
110.获取新标签，并对所述新标签进行标签解析，以获得与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系；
111.针对于任一用户，若该用户的用户基础标签与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系相匹配，则为该用户分配所述新标签。
112.在一种可选的实施方式中，可执行指令具体可以用于使得处理器执行以下操作：
113.对所述新标签进行分词处理和/或语义分析处理，以获得与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系。
114.在一种可选的实施方式中，可执行指令具体可以用于使得处理器执行以下操作：
115.对所述新标签进行分词处理，生成与所述新标签对应的标签分词；
116.将所述标签分词与预设基础标签库中的标签进行匹配；
117.将与预设基础标签库中的标签匹配的标签分词，确定为所述新标签对应的目标基础标签；
118.根据与预设基础标签库中的标签不匹配的标签分词，确定新标签与目标基础标签之间的关联关系。
119.在一种可选的实施方式中，可执行指令具体可以用于使得处理器执行以下操作：
120.若不存在与预设基础标签库中的标签不匹配的标签分词，则确定新标签为多个目标基础标签进行与运算的结果；
121.若存在与预设基础标签库中的标签不匹配的标签分词，则根据与预设基础标签库中的标签不匹配的标签分词的语义，确定新标签与目标基础标签之间的关联关系。
122.在一种可选的实施方式中，可执行指令具体可以用于使得处理器执行以下操作：
123.根据为所述新标签配置的标签合成规则，获得与所述新标签对应的目标基础标签以及目标基础标签之间的关联关系。
124.在一种可选的实施方式中，可执行指令具体可以用于使得处理器执行以下操作：
125.在所述获取用户画像源数据之后，根据用户画像源数据的画像数据类型，确定所述用户画像源数据的数据表结构；其中，所述数据表结构包括宽表结构或纵表结构。
126.在一种可选的实施方式中，可执行指令具体可以用于使得处理器执行以下操作：
127.接收画像查询请求；
128.确定所述画像查询请求对应的用户权限和/或场景权限；
129.展示与所述用户权限和/或场景权限匹配的用户画像标签。
130.由此可见，本实施例中根据用户画像源数据来生成用户基础标签，继而以用户已经生成的用户画像标签为基础，来生成新的标签，从而能够大幅提升新标签的生成效率。并且，本实施例提供的用户画像标签生成方案可扩展性好，适于大规模应用与实施。
131.实施例四
132.图3示出了根据本发明实施例四提供的一种计算设备的结构示意图，本发明具体
实施例并不对计算设备的具体实现做限定。
133.如图3所示，该计算设备可以包括：处理器(processor)302、通信接口(communications interface)304、存储器(memory)306、以及通信总线308。
134.其中：处理器302、通信接口304、以及存储器306通过通信总线308完成相互间的通信。通信接口304，用于与其它设备比如客户端或其它服务器等的网元通信。处理器302，用于执行程序310，具体可以执行上述用于上述方法实施例中的相关步骤。
135.具体地，程序310可以包括程序代码，该程序代码包括计算机操作指令。
136.处理器302可能是中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
137.存储器306，用于存放程序310。存储器306可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
138.程序310具体可以用于使得处理器302执行以下操作：
139.获取用户画像源数据；
140.基于所述用户画像源数据，生成任一用户的用户基础标签；
141.获取新标签，并对所述新标签进行标签解析，以获得与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系；
142.针对于任一用户，若该用户的用户基础标签与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系相匹配，则为该用户分配所述新标签。
143.在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：
144.对所述新标签进行分词处理和/或语义分析处理，以获得与所述新标签对应的目标基础标签以及新标签与目标基础标签之间的关联关系。
145.在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：
146.对所述新标签进行分词处理，生成与所述新标签对应的标签分词；
147.将所述标签分词与预设基础标签库中的标签进行匹配；
148.将与预设基础标签库中的标签匹配的标签分词，确定为所述新标签对应的目标基础标签；
149.根据与预设基础标签库中的标签不匹配的标签分词，确定新标签与目标基础标签之间的关联关系。
150.在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：
151.若不存在与预设基础标签库中的标签不匹配的标签分词，则确定新标签为多个目标基础标签进行与运算的结果；
152.若存在与预设基础标签库中的标签不匹配的标签分词，则根据与预设基础标签库中的标签不匹配的标签分词的语义，确定新标签与目标基础标签之间的关联关系。
153.在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：
154.根据为所述新标签配置的标签合成规则，获得与所述新标签对应的目标基础标签以及目标基础标签之间的关联关系。
155.在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：
156.在所述获取用户画像源数据之后，根据用户画像源数据的画像数据类型，确定所述用户画像源数据的数据表结构；其中，所述数据表结构包括宽表结构或纵表结构。
157.在一种可选的实施方式中，程序310具体可以用于使得处理器302执行以下操作：
158.接收画像查询请求；
159.确定所述画像查询请求对应的用户权限和/或场景权限；
160.展示与所述用户权限和/或场景权限匹配的用户画像标签。
161.由此可见，本实施例中根据用户画像源数据来生成用户基础标签，继而以用户已经生成的用户画像标签为基础，来生成新的标签，从而能够大幅提升新标签的生成效率。并且，本实施例提供的用户画像标签生成方案可扩展性好，适于大规模应用与实施。
162.在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
163.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
164.类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
165.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
166.此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
167.本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的一些或者全部部件的一些
或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
168.应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。