用户动态画像生成方法、系统、存储介质及电子设备

技术领域

本发明属于用户动态画像生成领域，具体涉及一种用户动态画像生成方法、系统、存储介质及电子设备。

背景技术

用户画像(User Persona)的概念最早由交互设计之父Alan Cooper提出，是建立在一系列属性数据之上的目标用户模型。一般是产品设计、运营人员从用户群体中抽象出来的典型用户，本质是一个用以描述用户需求的工具。用户画像包含了新的内涵：根据用户人口学特征、网络浏览内容、网络社交活动和消费行为等信息而抽象出的一个标签化的用户模型。它的核心工作主要是利用存储在服务器上的海量日志和数据库里的大量数据进行分析和挖掘，给用户贴“标签”，而“标签”是能表示用户某一维度特征的标识。

在新闻场景下，大部分新闻平台(app或者网站)会根据用户画像对用户进行新闻内容的分发和推荐。但是常见的用户画像体系主要是基于用户的属性统计一下年龄、性别、地域、机型等分布；和基于用户的交互数据统计一下曝光、点击、收藏、点评、点赞等聚合数据量。这样的用户画像过于偏重聚合统计的结果，会导致用户画像数据反映的是整体用户的平均水平和平均偏好，很难反映用户的个性化需求和偏好。

例如，现有技术如公开号：CN109978630A的专利，基于网络探针采集了用户的静态信息和动态信息数据，对数据的特征处理实际上就是将用户数据拆分成可以聚合统计的维度，例如，年龄用分段来统计，用户群中小于18岁的用户、19～24岁的用户、25～30岁的用户、31～35岁的用户、36～40岁的用户、41～45岁的用户，大于45岁的用户。单纯这样的分段式聚合统计的结果只能看出用户所属的区间特征和整体分布，针对单个用户的个性化效果很差。

综上所述，现有方案对数据的特征处理实际上就是将用户数据拆分成可以聚合统计的维度，单纯这样的分段式聚合统计的结果只能看出用户所属的区间特征和整体分布，针对单个用户的个性化效果很差。因此亟需开发一种克服上述缺陷的用户动态画像生成方法、系统、存储介质及电子设备。

发明内容

本申请实施例提供了一种用户动态画像生成方法、系统、存储介质及电子设备，以至少解决现有的分段式聚合统计的结果只能看出用户所属的区间特征和整体分布，针对单个用户的个性化效果很差的问题。

本发明提供了一种用户动态画像生成方法，其中，包括：

生成候选集步骤：根据历史信息构建具有多用户画像维度的用户画像体系；

构建用户画像步骤：根据所述用户画像体系的子类的用户画像内容从用户信息中提取用户的属性和行为进行预测，以构建所述用户的用户画像。

上述用户动态画像生成方法，其中，所述构建用户画像步骤包括：

基于环境特征子类构建用户画像步骤：根据所述用户画像体系的环境特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征构建所述用户的用户画像。

上述用户动态画像生成方法，其中，所述构建用户画像步骤包括：

基于交互兴趣特征子类构建用户画像步骤：根据所述用户画像体系的交互兴趣特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征，根据所述用户的属性及行为的时序特征计算获得所述用户的需求指标，根据所述需求指标结合所述用户的属性及行为的时序特征构建所述用户的用户画像；或；

基于交互兴趣特征子类构建用户画像步骤：根据所述用户画像体系的交互兴趣特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征，根据所述用户的属性及行为的时序特征提取关键词，再对所述关键词进行聚类获得具有中间粒度的标签，根据所述标签结合所述用户的属性及行为的时序特征构建所述用户的用户画像。

上述用户动态画像生成方法，其中，所述构建用户画像步骤包括：

基于交叉特征子类构建用户画像步骤：将所述用户画像体系的人口属性子类，所述账户信息子类，所述社会特征子类，所述环境特征子类及所述交互兴趣特征子类中的用户画像内容进行交叉组合获得所述交叉特征子类的用户画像内容，根据所述交互兴趣特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征构建所述用户的用户画像。

本发明还提供一种用户动态画像生成系统，其中，包括：

生成候选集模块，所述生成候选集模块根据历史信息构建具有多用户画像维度的用户画像体系；

构建用户画像模块，所述构建用户画像模块根据所述用户画像体系的子类的用户画像内容从用户信息中提取用户的属性和行为进行预测，以构建所述用户的用户画像。

上述用户动态画像生成系统，其中，所述构建用户画像模块包括：

基于环境特征子类构建用户画像单元，所述用户画像体系的基于环境特征子类构建用户画像单元根据所述环境特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征构建所述用户的用户画像。

上述用户动态画像生成系统，其中，所述构建用户画像模块包括：

基于交互兴趣特征子类构建用户画像单元，所述基于交互兴趣特征子类构建用户画像单元根据所述用户画像体系的交互兴趣特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征，根据所述用户的属性及行为的时序特征计算获得所述用户的需求指标，根据所述需求指标结合所述用户的属性及行为的时序特征构建所述用户的用户画像；或；

基于交互兴趣特征子类构建用户画像单元，所述基于交互兴趣特征子类构建用户画像单元根据所述用户画像体系的交互兴趣特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征，根据所述用户的属性及行为的时序特征提取关键词，再对所述关键词进行聚类获得具有中间粒度的标签，根据所述标签结合所述用户的属性及行为的时序特征构建所述用户的用户画像。

上述用户动态画像生成系统，其中，所述构建用户画像模块包括：

基于交叉特征子类构建用户画像单元，所述基于交叉特征子类构建用户画像单元将所述用户画像体系的人口属性子类，所述账户信息子类，所述社会特征子类，所述环境特征子类及所述交互兴趣特征子类中的用户画像内容进行交叉组合获得所述交叉特征子类的用户画像内容，根据所述交互兴趣特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征构建所述用户的用户画像。

本发明还包括一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现上述中任一所述的用户动态画像生成方法。

本发明还包括一种存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现上述任一所述的用户动态画像生成方法。

本发明属于推荐技术领域。本发明的有益效果在于：

1、本发明可以适用于任意新闻场景的用户画像需求，自动高效，极大节省开发成本和时间成本。

2、用户画像建模需要注意粒度，过细的粒度会导致标签没有泛化能力和使用价值，过粗的粒度会导致没有区分度，为了保证兴趣画像既有一定的准确度又有较好的泛化性，本发明会构建层次化的兴趣标签体系，使用中同时用几个粒度的标签去匹配，既保证了标签的准确性，又保证了标签的泛化性。

3、本发明是以用户某一行为跟全平台平均行为的对比作为用户兴趣的标签，避免的热门新闻或平台强推新闻对用户画像的干扰，更精准和个性化。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

在附图中：

图1是本发明的用户动态画像生成方法的流程图；

图2是图1中步骤S2的分步骤流程图；

图3是本发明的用户动态画像生成系统的结构示意图；

图4是根据本发明实施例的电子设备的框架图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。

在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。

除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。

下面结合附图所示的各实施方式对本发明进行详细说明，但应当说明的是，这些实施方式并非对本发明的限制，本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代，均属于本发明的保护范围之内。

在详细阐述本发明各个实施例之前，对本发明的核心发明思想予以概述，并通过下述若干实施例予以详细阐述。

实施例一：

请参照图1，图1是用户动态画像生成方法的流程图。如图1所示，本发明的用户动态画像生成方法包括：

生成候选集步骤S1：根据历史信息构建具有多用户画像维度的用户画像体系，所述用户画像体系的子类包括：人口属性子类，账户信息子类，社会特征子类，环境特征子类，交互兴趣特征子类和交叉特征子类。

具体地说，鉴于用户画像的维度可以无限制细分，在不同的应用场景和业务中需要的用户画像也不一致，比如若考量的指标是用户流失率，则用户画像更关注活跃用户、流失用户这类指标。本发明重点围绕在新闻推荐场景所需的用户画像维度进行方案设计。新闻推荐的核心在合适的时间、合适的场合给用户推荐符合当下用户兴趣的内容。要符合这个需求，用户画像的设计必须满足个性化和动态变化的要求。因此，本发明的用户画像体系具体包含6个子类，详细如下表1所示。其中，人口属性信息、账户信息和社会特征属于事实型数据，主要是各种分类聚合统计做支撑。特殊的部分，针对用户的地域属性，本发明区分用户家乡(即籍贯)、用户常住地、用户当前所在地，以更好的区分用户画像的动态变化。针对某一个具体用户来说，家乡是不变的，常住地是3个月内更频繁出现的地方，当前所在地是指用户触发请求的时点所处的地理位置。

表1用户画像体系：

需要说明的是，表1中用户画像内容仅为举例说明，并不对本发明进行限制。

构建用户画像步骤S2：根据所述用户画像体系的子类的用户画像内容从用户信息中提取用户的属性和行为进行预测，以构建所述用户的用户画像。

由此，本本发明在新闻场景中，基于单个用户计算用户高于平均水平的需求和偏好，并且基于用户行为的时序特征，计算用户在新闻内容中的行为轨迹，更好的预测用户的行为偏好。

请参照图2，图2是图1中步骤S2的分步骤流程图。如图2所示，所述构建用户画像步骤S2包括：

基于环境特征子类构建用户画像步骤S21：根据所述环境特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征构建所述用户的用户画像。

具体地说，上述环境特征是指用户出发请求时刻的各种场景的总和。比如触发请求的时间节点所处的时段是早晨、上午、中午、下午、晚上、凌晨；触发请求的时间节点是工作日还是节假日；本次出发请求离上一次触发请求的时间差；用户出发请求是否存在一定的周期性等。所有的用户画像都根据用户的实时行为进行实时更新。例如，某用户每天上午登陆app浏览约30分钟新闻信息，中午短暂浏览20分钟新闻，下午浏览约30分钟新闻信息，其中上午和下午的登陆具有以工作日波动的周期，中午的浏览不固定，如果结合用户当前所在地、用户职业等信息综合推断，该用户是白领，每天通勤时间30分钟，通勤路上会看新闻，午休一小时有时候会短暂浏览新闻。这样用户某一个属性就更精准和明确，给用户推荐的内容可以更加贴合用户所处的场景。

再例如，某用户每天在工作时段浏览新闻采用了PC设备，而夜间休息时段浏览新闻采用了iPad，用户的场景特征很明显，工作时段尽量给用户推荐具有专业性、时效性的新闻内容，休息时段尽量给用户推荐娱乐、轻松的新闻内容。

基于交互兴趣特征子类构建用户画像步骤S22：根据所述交互兴趣特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征，根据所述用户的属性及行为的时序特征计算获得所述用户的需求指标，根据所述需求指标结合所述用户的属性及行为的时序特征构建所述用户的用户画像；或；

基于交互兴趣特征子类构建用户画像步骤S22'：根据所述交互兴趣特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征，根据所述用户的属性及行为的时序特征提取关键词，再对所述关键词进行聚类获得具有中间粒度的标签，根据所述标签结合所述用户的属性及行为的时序特征构建所述用户的用户画像。

具体地说，上述交互特征以最近1/3/7/14天点击次数、点击偏好(内容)为例，统计各个周期的点击次数不是直接作用于用户画像，本发明易于现有的方案的地方在于，用户的点击次数并不能直接体现用户的兴趣，因为曝光数会直接影响点击数，而新闻的曝光是平台制定的，对于用户来说是被动接受的行为，因为高热度的新闻曝光量一定高于普通信息，如果简单以点击数来衡量用户的兴趣是不准确的。本发明用户统计用户在某一时段内对不同栏目、不同话题的点击量与整个平台在不同栏目、不同话题下的平均点击量做比较，若该用户在某一栏目或话题下的点击量高于整个平台平均的点击量，才说明该栏目或话题是用户感兴趣的话题。同理点赞数也类似。

点击偏好是结合内容关键词的抽取，统计用户在不同栏目、话题、关键词下的点击情况，得出用户的点击内容偏好。内容标签需要尽可能准确描述用户感兴趣的内容，因此话题和关键词必不可少。

例如话题的角度，选取一篇体育新闻，体育这个新闻栏目分类可以表示用户兴趣，但是这个标签太粗了，用户可能只对足球感兴趣，体育这个标签就显得不够准确。再比如，新闻中的关键词，尤其是里面的专有名词(人名、机构名)，如“桑切斯”、“阿森纳”、“厄齐尔”，这些词也表示了用户的兴趣。关键词的主要问题在于粒度太细，如果一天的新闻里没有这些关键词出现，就无法给用户推荐内容。因此需要有一个中间粒度的标签，既有一定的准确度，又有一定的泛化能力。本方案尝试对关键词进行聚类，把一类关键词当成一个标签，或者把一个分类下的新闻进行拆分，生成像“足球”这种粒度介于关键词和分类之间的话题标签。基于交叉特征子类构建用户画像步骤S23：将所述人口属性子类，所述账户信息子类，所述社会特征子类，所述环境特征子类及所述交互兴趣特征子类中的用户画像内容进行交叉组合获得所述交叉特征子类的用户画像内容，根据所述交互兴趣特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征构建所述用户的用户画像。

具体地说，上述交叉特征是可配置的特征选项，就是对前面5类特征的交叉组合，形成有业务意义的新特征，需要根据实际业务需求进行扩展。尤其是结合时间的交叉特征特别有价值。比如：一个是用户的兴趣累加是线性的，数值会非常大，老的兴趣权重会特别高；另一个是用户的兴趣有很强的时效性，昨天的点击要比一个月之前的点击重要的多，线性叠加无法突出近期兴趣。为了解决这样的问题，需要对用户兴趣得分进行频次的衰减和时间的衰减。根据时间对兴趣进行衰减，这样做可以保证时间较早的兴趣会在一段时间以后变的非常弱，同时近期的兴趣会有更大的权重。同理，根据用户兴趣变化的速度、用户活跃度等因素，也可以对兴趣进行周级别、月级别或小时级别的衰减。

由此，本发明对标签粒度的设计从而排除了用户兴趣标签受外部因素干扰的问题。

实施例二：

请参照图3，图3是本发明的用户动态画像生成系统的结构示意图。如图3所示本发明的一种用户动态画像生成系统，其中，包括：

生成候选集模块，所述生成候选集模块根据历史信息构建具有多用户画像维度的用户画像体系，所述用户画像体系的子类包括：人口属性子类，账户信息子类，社会特征子类，环境特征子类，交互兴趣特征子类和交叉特征子类；

构建用户画像模块，所述构建用户画像模块根据所述用户画像体系的子类的用户画像内容从用户信息中提取用户的属性和行为进行预测，以构建所述用户的用户画像。

其中，所述构建用户画像模块包括：

基于环境特征子类构建用户画像单元，所述基于环境特征子类构建用户画像单元根据所述环境特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征构建所述用户的用户画像。

其中，所述构建用户画像模块包括：

基于交互兴趣特征子类构建用户画像单元，所述基于交互兴趣特征子类构建用户画像单元根据所述交互兴趣特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征，根据所述用户的属性及行为的时序特征计算获得所述用户的需求指标，根据所述需求指标结合所述用户的属性及行为的时序特征构建所述用户的用户画像；或；

基于交互兴趣特征子类构建用户画像单元，所述基于交互兴趣特征子类构建用户画像单元根据所述交互兴趣特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征，根据所述用户的属性及行为的时序特征提取关键词，再对所述关键词进行聚类获得具有中间粒度的标签，根据所述标签结合所述用户的属性及行为的时序特征构建所述用户的用户画像。

其中，所述构建用户画像模块包括：

基于交叉特征子类构建用户画像单元，所述基于交叉特征子类构建用户画像单元将所述人口属性子类，所述账户信息子类，所述社会特征子类，所述环境特征子类及所述交互兴趣特征子类中的用户画像内容进行交叉组合获得所述交叉特征子类的用户画像内容，根据所述交互兴趣特征子类的用户画像内容提取所述用户信息中的所述用户的属性及行为的时序特征构建所述用户的用户画像。

实施例三：

结合图4所示，本实施例揭示了一种电子设备的一种具体实施方式。电子设备可以包括处理器81以及存储有计算机程序指令的存储器82。

具体地，上述处理器81可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

其中，存储器82可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器82可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(Universal SerialBus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器82可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器82可在数据处理装置的内部或外部。在特定实施例中，存储器82是非易失性(Non-Volatile)存储器。在特定实施例中，存储器82包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(RandomAccess Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(Erasable ProgrammableRead-Only Memory，简称为EPROM)、电可擦除PROM(Electrically Erasable ProgrammableRead-Only Memory，简称为EEPROM)、电可改写ROM(Electrically Alterable Read-OnlyMemory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-Access Memory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode Dynamic Random Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(Extended Date Out Dynamic RandomAccess Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。

存储器82可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器81所执行的可能的计算机程序指令。

处理器81通过读取并执行存储器82中存储的计算机程序指令，以实现上述实施例中的任意一种用户动态画像生成方法。

在其中一些实施例中，电子设备还可包括通信接口83和总线80。其中，如图4所示，处理器81、存储器82、通信接口83通过总线80连接并完成相互间的通信。

通信接口83用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信端口83还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。

总线80包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。总线80包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线80可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(FrontSide Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线80可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

该电子设备可以基于用户动态画像生成，从而实现结合图1-图2描述的方法。

另外，结合上述实施例中用户动态画像生成方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种用户动态画像生成方法。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

综上所述，基于本发明的有益效果在于，通过本发明可以适用于任意新闻场景的用户画像需求，自动高效，极大节省开发成本和时间成本；用户画像建模需要注意粒度，过细的粒度会导致标签没有泛化能力和使用价值，过粗的粒度会导致没有区分度，为了保证兴趣画像既有一定的准确度又有较好的泛化性，本发明会构建层次化的兴趣标签体系，使用中同时用几个粒度的标签去匹配，既保证了标签的准确性，又保证了标签的泛化性；本发明是以用户某一行为跟全平台平均行为的对比作为用户兴趣的标签，避免的热门新闻或平台强推新闻对用户画像的干扰，更精准和个性化。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本发明的保护范围应以所附权利要求的保护范围为准。