买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳市万恒科技有限公司

摘要：本发明涉及大数据技术领域，尤其涉及一种基于大数据的用户画像构建方法及系统。该方法包括以下步骤：基于大数据技术进行用户数据深度挖掘，以生成多维用户行为数据及用户医疗健康数据；对多维用户行为数据进行动态行为分析，以生成用户动态行为数据；对用户动态行为数据进行行为诉求挖掘分析，以生成用户行为需求数据；对用户行为需求数据进行驱动动机推测处理，生成用户行为动机数据；根据用户行为动机数据对多维用户行为数据进行兴趣关键词检测，生成兴趣关键词数据；基于兴趣关键词数据对多维用户行为数据进行主题关联提取，生成行为主题向量数据；对行为主题向量数据进行时序分析。本发明实现了高效、准确的用户画像构建。

主权项：1.一种基于大数据的用户画像构建方法，其特征在于，包括以下步骤：步骤S1：基于大数据技术进行用户数据深度挖掘，以生成多维用户行为数据及用户医疗健康数据；对多维用户行为数据进行动态行为分析，以生成用户动态行为数据；对用户动态行为数据进行行为诉求挖掘分析，以生成用户行为需求数据；步骤S1的具体步骤为：步骤S11：基于大数据技术进行用户数据深度挖掘，以生成多维用户行为数据及用户医疗健康数据；步骤S12：对多维用户行为数据进行社交交互行为分析，以生成用户社交行为数据；步骤S13：基于用户社交行为数据对多维用户行为数据进行浏览行为统计分析，生成用户浏览行为数据；步骤S14：通过用户浏览行为数据对多维用户行为数据进行动态行为分析，以生成用户动态行为数据；步骤S15：对用户动态行为数据进行语义感知分析，以生成用户语义感知数据；步骤S16：根据用户语义感知数据对多维用户行为数据进行行为诉求挖掘分析，以生成用户行为需求数据；步骤S2：对用户行为需求数据进行驱动动机推测处理，生成用户行为动机数据；根据用户行为动机数据对多维用户行为数据进行兴趣关键词检测，生成兴趣关键词数据；基于兴趣关键词数据对多维用户行为数据进行主题关联提取，生成行为主题向量数据；步骤S3：对行为主题向量数据进行时序分析，生成时序行为主题向量数据；对时序行为主题向量数据进行行为轨迹分析，以构建用户行为轨迹图；利用深度学习算法对用户行为轨迹图进行行为倾向演化分析，以生成行为倾向演化规律；步骤S3的具体步骤为：步骤S31：对行为主题向量数据进行时间段分割，以生成主题向量分段序列；步骤S32：对主题向量分段序列进行时序分析，生成时序行为主题向量数据；步骤S33：对时序行为主题向量数据进行行为轨迹分析，生成行为轨迹数据；步骤S34：对行为轨迹数据进行轨迹图拟合，以构建用户行为轨迹图；步骤S34的具体步骤为：步骤S341：对时序行为主题向量数据进行主题时序迁徙分析，以生成主题时序迁徙数据；步骤S342：根据主题时序迁徙数据对行为轨迹数据进行迁移概率计算，以生成行为迁移概率数据；步骤S343：通过行为迁移概率数据对时序行为主题向量数据进行主题演变轨迹分析，以生成主题兴趣变化轨迹数据；步骤S344：通过主题兴趣变化轨迹数据对行为轨迹数据进行矩阵构建，以生成行为迁移概率矩阵；步骤S345：对行为迁移概率矩阵进行行为变化分析，以生成行为变化数据；步骤S346：通过行为变化数据对行为轨迹数据进行轨迹图拟合，以构建用户行为轨迹图；步骤S35：利用深度学习算法对用户行为轨迹图进行行为倾向演化分析，以生成行为倾向演化规律；步骤S4：利用行为倾向演化规律对用户动态行为数据进行行为兴趣趋势预测，以生成用户行为趋势数据；根据用户行为趋势数据对用户行为轨迹图进行行为图谱挖掘，以构建行为演化趋势图谱；通过行为演化趋势图谱对用户动态行为数据进行动态时序优化，以生成动态用户行为画像；步骤S4的具体步骤为：步骤S41：对用户动态行为数据进行兴衰周期分析，以生成动态行为兴衰周期数据；步骤S42：利用行为倾向演化规律对动态行为兴衰周期数据进行行为兴趣倾向分析，以生成用户行为兴趣倾向数据；步骤S43：对用户行为兴趣倾向数据行为兴趣趋势预测，以生成用户行为趋势数据；步骤S44：根据用户行为趋势数据对用户行为轨迹图进行行为图谱挖掘，以构建行为演化趋势图谱；步骤S44的具体步骤为：步骤S441：对用户行为轨迹图进行迭代卷积抽象出来，以生成卷积行为轨迹图；步骤S442：对卷积行为轨迹图进行兴趣转折点分析，标记行为兴趣关键点；步骤S443：利用行为兴趣关键点对卷积行为轨迹图进行兴趣路径识别，以生成行为兴趣路径；步骤S444：对行为兴趣路径进行兴趣权重计算，以生成行为兴趣路径权重数据；步骤S445：根据用户行为趋势数据对行为兴趣路径权重数据进行动态属性权重调整，以生成动态行为权重趋势数据；步骤S446：利用动态行为权重趋势数据对用户行为轨迹图进行行为图谱挖掘，以构建行为演化趋势图谱；步骤S45：通过行为演化趋势图谱对用户动态行为数据进行动态时序优化，以生成动态用户行为画像；步骤S5：对用户医疗健康数据进行用户情绪周期分析，以生成用户情绪波动数据；根据用户情绪波动数据对用户医疗健康数据进行健康素质分析，以生成用户健康素质评估数据；对用户健康素质评估数据进行风险趋势预测，以生成健康风险趋势预测图谱；步骤S5的具体步骤为：步骤S51：对用户医疗健康数据进行用户情绪周期分析，生成用户情绪周期数据；步骤S52：对情绪周期数据进行情绪波动识别，以生成用户情绪波动数据；步骤S53：根据用户情绪波动数据对用户医疗健康数据进行健康素质分析，以生成用户健康素质评估数据；步骤S54：对用户健康素质评估数据进行风险状态分析，以生成用户健康风险状态数据；步骤S55：利用用户健康风险状态数据对用户健康素质评估数据进行风险趋势预测，以生成健康风险趋势预测数据；步骤S56：对健康风险趋势预测数据进行知识图谱构建，以生成健康风险趋势预测图谱；步骤S6：利用健康风险趋势预测图谱对动态用户行为画像进行画像层次优化，以生成风险优化动态行为画像；利用循环卷积网络对风险优化动态行为画像进行膨胀卷积，以构建用户动态行为画像模型，执行用户画像构建作业。

全文数据：

权利要求：

百度查询： 深圳市万恒科技有限公司 一种基于大数据的用户画像构建方法及系统