用户行为画像生成方法、装置、电子设备及存储介质与流程

技术特征：
1.一种用户行为画像生成方法，其特征在于，所述方法包括：对用户行为数据进行数据提取，得到单一行为矩阵、联合行为矩阵和非特定行为矩阵；对所述单一行为矩阵进行矩阵分解，得到单一行为特征组，并根据所述单一行为特征组进行用户画像构建，得到单一行为画像；对所述联合行为矩阵进行矩阵分解，得到联合行为特征组，并根据所述联合行为特征组进行用户画像构建，得到联合行为画像；对所述非特定行为矩阵进行矩阵分解，得到非特定行为特征组，并根据所述非特定行为特征组进行用户画像构建，得到非特定行为画像；将所述单一行为画像、所述联合行为画像和所述非特定行为画像输入权重确定模型，确定所述单一行为画像对应的第一权重、所述联合行为画像对应的第二权重和所述非特定行为画像对应的第三权重；根据所述第一权重、所述第二权重和所述第三权重，对所述单一行为画像、所述联合行为画像和所述非特定行为画像进行加权求和处理，得到所述用户的用户行为画像。2.根据权利要求1所述的方法，其特征在于，所述对用户行为数据进行数据提取，得到单一行为矩阵、联合行为矩阵和非特定行为矩阵，包括：根据所述用户行为数据所属的平台，确定至少一个领域标签；对所述至少一个领域标签中的每个领域标签进行单一行为特征提取，得到所述每个领域标签对应的至少一个单一行为标签；将所述每个领域标签对应的至少一个单一行为标签与预设的联合行为表进行匹配，得到至少一个联合行为标签；根据所述至少一个领域标签，对所述用户行为数据进行拆分处理，得到至少一个用户行为子数据，其中，所述至少一个用户行为子数据与所述至少一个领域标签一一对应；对于所述至少一个用户行为子数据中的每个用户行为子数据，分别根据所述每个用户行为子数据对应的所述至少一个单一行为标签和所述至少一个联合行为标签，对所述每个用户行为子数据进行数据提取，得到单一子行为数据、联合子行为数据和非特定子行为数据；分别将所述每个用户行为子数据对应的单一子行为数据、联合子行为数据和非特定子行为数据进行组合，得到所述单一行为矩阵、所述联合行为矩阵和所述非特定行为矩阵。3.根据权利要求1所述的方法，其特征在于，所述对所述单一行为矩阵进行矩阵分解，得到单一行为特征组，包括：对所述单一行为矩阵进行补全处理，得到第一单一行为矩阵；将所述第一单一行为矩阵进行矩阵分解，得到第一分解矩阵和第二分解矩阵，其中，所述第一单一行为矩阵、所述第一分解矩阵和所述第二分解矩阵，满足以下公式：其中，v
ij
表示所述第一单一行为矩阵中第i行第j列的值，e
ih
表示分解所得的所述第一矩阵中第i行第h列的值，g
hj
表示分解所得的所述第二矩阵中第h行第j列的值，λ
ij
表示v
ij
的误差项，q为自定义维度，且h、q、i、j为大于或等于0的整数；根据所述第一分解矩阵和所述第二分解矩阵，确定所述单一行为特征组。
4.根据权利要求3所述的方法，其特征在于，所述对所述单一行为矩阵进行补全处理，得到第一单一行为矩阵，包括：根据所述单一行为矩阵中每个确定元素的元素值，将所述单一行为矩阵分解为第一补全矩阵和第二补全矩阵，其中，所述确定元素为所述单一行为矩阵中除去缺失实际值的元素之外的所有元素；根据所述第一补全矩阵和所述第二补全矩阵，确定所述单一行为矩阵中每个缺失元素的元素值，得到所述第一单一行为矩阵，其中，所述缺失元素为所述单一行为矩阵中除去所有所述确定元素之外的所有元素，且所述每个缺失元素的元素值、所述第一补全矩阵和所述第二补全矩阵满足以下公式：其中，m
uv
表示所述单一行为矩阵中第u行第v列的缺失元素的元素值，d为自定义维度，p
uk
为所述第一补全矩阵中第u行第k列的值，q
kv
为所述第二补全矩阵中第k行第v列的值，d、u、v、k为大于或等于1的整数。5.根据权利要求3所述的方法，其特征在于，所述对所述单一行为矩阵进行补全处理，得到第一单一行为矩阵，包括：确定所述单一行为矩阵中所有确定元素的元素值的平均值，其中，所述确定元素为所述单一行为矩阵中除去缺失实际值的元素之外的所有元素；将所述平均值作为所述单一行为矩阵中每个缺失元素的元素值，得到所述第一单一行为矩阵，其中，所述缺失元素为所述单一行为矩阵中除去所有所述确定元素之外的所有元素。6.一种用户行为画像生成装置，其特征在于，所述方法包括：提取模块，用于对用户行为数据进行数据提取，得到单一行为矩阵、联合行为矩阵和非特定行为矩阵；分解模块，用于对所述单一行为矩阵进行矩阵分解，得到单一行为特征组，并根据所述单一行为特征组进行用户画像构建，得到单一行为画像，对所述联合行为矩阵进行矩阵分解，得到联合行为特征组，并根据所述联合行为特征组进行用户画像构建，得到联合行为画像，以及对所述非特定行为矩阵进行矩阵分解，得到非特定行为特征组，并根据所述非特定行为特征组进行用户画像构建，得到非特定行为画像；权重确定模块，用于将所述单一行为画像、所述联合行为画像和所述非特定行为画像输入权重确定模型，确定所述单一行为画像对应的第一权重、所述联合行为画像对应的第二权重和所述非特定行为画像对应的第三权重；画像生成模块，用于根据所述第一权重、所述第二权重和所述第三权重，对所述单一行为画像、所述联合行为画像和所述非特定行为画像进行加权求和处理，得到所述用户的用户行为画像。7.根据权利要求6所述的装置，其特征在于，在所述对用户行为数据进行数据提取，得到单一行为矩阵、联合行为矩阵和非特定行为矩阵方面，所述提取模块，具体用于：根据所述用户行为数据所属的平台，确定至少一个领域标签；对所述至少一个领域标签中的每个领域标签进行单一行为特征提取，得到所述每个领域标签对应的至少一个单一行为标签；
将所述每个领域标签对应的至少一个单一行为标签与预设的联合行为表进行匹配，得到至少一个联合行为标签；根据所述至少一个领域标签，对所述用户行为数据进行拆分处理，得到至少一个用户行为子数据，其中，所述至少一个用户行为子数据与所述至少一个领域标签一一对应；对于所述至少一个用户行为子数据中的每个用户行为子数据，分别根据所述每个用户行为子数据对应的所述至少一个单一行为标签和所述至少一个联合行为标签，对所述每个用户行为子数据进行数据提取，得到单一子行为数据、联合子行为数据和非特定子行为数据；分别将所述每个用户行为子数据对应的单一子行为数据、联合子行为数据和非特定子行为数据进行组合，得到所述单一行为矩阵、所述联合行为矩阵和所述非特定行为矩阵。8.根据权利要求6所述的装置，其特征在于，在所述对所述单一行为矩阵进行矩阵分解，得到单一行为特征组方面，所述分解模块，具体用于：对所述单一行为矩阵进行补全处理，得到第一单一行为矩阵；将所述第一单一行为矩阵进行矩阵分解，得到第一分解矩阵和第二分解矩阵，其中，所述第一单一行为矩阵、所述第一分解矩阵和所述第二分解矩阵，满足以下公式：其中，v
ij
表示所述第一单一行为矩阵中第i行第j列的值，e
ih
表示分解所得的所述第一矩阵中第i行第h列的值，g
hj
表示分解所得的所述第二矩阵中第h行第j列的值，λ
ij
表示v
ij
的误差项，q为自定义维度，且h、q、i、j为大于或等于0的整数；根据所述第一分解矩阵和所述第二分解矩阵，确定所述单一行为特征组。9.一种电子设备，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述一个或多个程序包括用于执行权利要求1-5任一项方法中的步骤的指令。10.一种可读计算机存储介质，其特征在于，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以实现如权利要求1-5任一项所述的方法。

技术总结
本申请公开了一种用户行为画像生成方法、装置、电子设备及存储介质，其中，方法包括：对用户行为数据进行数据提取，得到单一行为矩阵、联合行为矩阵和非特定行为矩阵；分别对单一行为矩阵、联合行为矩阵和非特定行为矩阵进行矩阵分解，并根据得到的单一行为特征组、联合行为特征组和非特定行为特征组分别进行用户画像构建，得到单一行为画像、联合行为画像和非特定行为画像；将单一行为画像、联合行为画像和非特定行为画像输入权重确定模型，确定第一权重、第二权重和第三权重；根据第一权重、第二权重和第三权重，对单一行为画像、联合行为画像和非特定行为画像进行加权求和处理，得到用户的用户行为画像。到用户的用户行为画像。到用户的用户行为画像。


技术研发人员：成杰峰 杨晓月 彭奕 蒋佳峻 李杨 丁琴
受保护的技术使用者：中国平安人寿保险股份有限公司
技术研发日：2022.03.04
技术公布日：2022/6/4