(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211200463.3 (22)申请日 2022.09.29 (71)申请人 孙晴晴 地址 553000 贵州省六盘水市钟山区凉都 大道西段162号 (72)发明人 孙晴晴　孙海燕　 (51)Int.Cl. G06K 9/62(2022.01) G06F 16/18(2019.01) G06F 16/17(2019.01) G06F 16/2458(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 30/02(2012.01) (54)发明名称 互动营销平台的用户画像识别方法及AI系 统 (57)摘要 本发明实施例提供的互动营销平台的用户 画像识别方法及AI系统， 通过对选定用户的业务 行为日志进行业务行为描述向量挖掘得到选定 用户的业务行为描述向量， 再依据选定用户的业 务行为描述向量对临时用户画 像进行调整， 从而 得到选定用户的最终用户画 像， 本发明实施例采 用临时用户画 像获取选定用户的最终用户画像， 在具有模板指示的情况下， 使得选定用户的最终 用户画像偏离性低， 效率和精确性高。 权利要求书4页 说明书14页 附图2页 CN 115423040 A 2022.12.02 CN 115423040 A 1.一种互动营销平台的用户画像识别方法， 其特征在于， 应用于互动营销平台， 所述互 动营销平台与业 务终端设备通信连接， 所述方法包括： 获取所述业务终端设备发送的选 定用户的业 务行为日志； 对所述业务行为日志进行业务行为描述向量挖掘， 得到所述选定用户的业务行为描述 向量； 依据所述选定用户的业务行为描述向量对临时用户画像进行调整， 得到所述选定用户 的最终用户画像。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述业务行为日志进行业务行为描 述向量挖掘， 得到所述选 定用户的业 务行为描述向量， 包括： 通过画像生成模型中的向量挖掘模块对所述业务行为日志进行业务行为描述向量挖 掘， 得到所述选 定用户的业 务行为描述向量； 所述依据 所述选定用户的业务行为描述向量对临时用户画像进行调 整， 得到所述选定 用户的最终用户画像， 包括： 通过所述画像生成模型中的画像调整单元， 依据 所述向量挖掘模块产生的选定用户的 业务行为描述向量对所述临时用户画像进行调整， 得到所述选 定用户的最终用户画像。 3.根据权利要求2所述的方法， 其特征在于， 所述向量挖掘模块包括多个依次连接的归 类分析单元以及多个依次连接的识别优化单元， 所述画像调整单元包括多个依次连接的调 整单元， 每个所述调整单 元对应一个所述识别优化单 元； 所述通过画像生成模型中的向量挖掘模块对所述业务行为日志进行业务行为描述向 量挖掘， 得到所述选 定用户的业 务行为描述向量， 包括： 通过所述多个依次连接的归类分析单元对所述业务行为日志进行归类分析， 并通过多 个识别优化单元对所述归类分析单元生成的结果进行识别优化， 得到每个所述识别优化单 元针对所述选 定用户的业 务行为描述向量； 所述通过所述画像生成模型中的画像调整单元依据所述向量挖掘模块产生的选定用 户的业务行为描述向量对所述临时用户画像进行调整， 得到所述选定用户的最终用户画 像， 包括： 对于所述画像调整单元中的首个所述调 整单元， 通过和所述调整单元对应的识别优化 单元产生的所述选定用户的业务行为描述向量， 对所述临时用户画像进行调整， 得到所述 调整单元对应的调整临时用户画像； 对于所述首个调整单元之外的每个所述调整单元， 通过和每个所述调整单元对应的识 别优化单元产生的所述选定用户的业务行为描述向量， 对前一个所述调整 单元产生的调整 临时用户画像进行调整， 得到所述调整 单元对应的调整临 时用户画像； 其中， 最末一个所述 调整单元获得的调整临时用户画像 被确定为所述选 定用户的最终用户画像。 4.根据权利要求3所述的方法， 其特征在于， 每个所述调整单元包括业务行为描述向量 挖掘单元和分析单元， 所述对于所述画像调整单元中的首个所述调整单元， 通过和所述调 整单元对应的识别优化单元产生的所述选定用户的业务行为描述向量， 对 所述临时用户画 像进行调整， 得到所述调整单 元对应的调整临时用户画像， 包括： 通过所述调 整单元的业务行为描述向量挖掘单元， 对所述临时用户画像和与 所述调整 单元对应的识别优化单元产生的所述选定用户的业务行为描述向量进行业务行为描述向权　利　要　求　书 1/4 页 2 CN 115423040 A 2量挖掘， 得到所述调整单 元针对所述选 定用户的业 务行为完 善描述向量； 通过所述调整单元的分析单元依据所述业务行为完善描述向量对所述临时用户画像 进行调整， 得到后一个调整单元进行第二业务行为描述向量挖掘和调整中运用的调整临 时 用户画像； 所述对于所述首个调整单元之外的每个所述调 整单元， 通过和每个所述调 整单元对应 的识别优化单元产生的所述选定用户的业务行为描述向量， 对前一个所述调整单元产生的 调整临时用户画像进行调整， 得到所述调整单 元对应的调整临时用户画像， 包括： 通过所述调 整单元的业务行为描述向量挖掘单元， 对前一个所述调 整单元获得的业务 行为完善描述向量和所述调整临 时用户画像、 和与所述调整 单元对应的识别优化单元产生 的所述选定用户的业务行为描述向量进行业务行为描述向量挖掘， 得到所述调整 单元针对 所述选定用户的业 务行为完 善描述向量； 通过所述调整单元的分析单元依据所述业务行为完善描述向量对前一个所述调整单 元获得的调整临时用户画像进行调整， 得到所述调整单 元对应的调整临时用户画像。 5.根据权利要求4所述的方法， 其特征在于， 所述方法还包括对所述画像生成模型的调 校过程， 所述调校 过程包括以下步骤： 获取所述选定用户的业 务行为日志样本； 通过所述画像生成模型依据 所述业务行为日志样本和事先生成的临时用户画像， 得到 所述选定用户的多个调校用户画像， 所述多个调校用户画像包括所述画像调整单元中各个 所述调整单 元产生的调校用户画像； 依据所述多个调校用户画像确定代价 值loss1； 基于所述代价 值loss1调节所述画像生成模型的模型系数； 每个所述调校用户画像的描绘体系由多个调校画像维度组成， 所述依据 所述多个调校 用户画像确定代价 值loss1， 包括： 针对每个所述调校用户画像， 依据 所述调校用户画像的描绘体系中各调校画像维度的 代表标签与画像维度样本的代表标签之间的矢量差代价值， 其中， 所述画像维度样本为所 述选定用户的实际用户画像的描绘体系中的画像维度； 以及， 获取所述调校用户画像的每个调校画像维度的规范化代价值， 所述规范化代价 值与每个所述调校画像维度之间的调整内容关联； 通过各个所述调校用户画像对应的所述矢量差代价值和所述规范化代价值， 得到所述 代价值loss1。 6.根据权利要求5所述的方法， 其特征在于， 所述通过各个所述调校用户画像对应的所 述矢量差代价 值和所述 规范化代价 值， 获得所述代价 值loss1， 包括： 针对每个所述调校用户画像， 将所述调校用户画像对应的所述矢量差代价值和所述规 范化代价 值进行合并， 得到所述调校用户画像的代价 值； 将各个所述调校用户画像的代价 值求和， 得到所述代价 值loss1； 其中， 各个所述调校用户画像的规范化代价值相应的权值和预设参考条件反向关联， 所述预设参考条件包括以下条件中的至少一个： 获取所述调 校用户画像的调 校循环轮数； 获取到所述调校用户画像的调整单 元在所述画像调整单 元中的顺次； 所述方法还 包括：权　利　要　求　书 2/4 页 3 CN 115423040 A 3