一种用户画像生成方法、设备和计算机存储介质

技术领域

本发明涉及智慧校园领域，尤其涉及一种的用户画像生成方法、设备和计算机存储介质。

背景技术

随着科技的发展，大数据时代的到来，给我们生活的方方面面带来了不小的变化，“大数据”作为这个时代最重要的数据集之一，被比喻为蕴藏能量的煤矿，对于很多行业而言，“大数据”的合理应用是赢得竞争的关键，学校也不例外。随着教师和学生团体在校园中的活动，产生了越来越多的行为数据，逐渐形成了一个从身份信息、出勤率、一卡通消费到上网情况等多维度大数据体系，如何在校园管理中合理应用这些数据生成针对教师或学生的信息图，为教师或学生精准管理与服务奠定基础，成为了学校在管理上遇到的更高挑战。

发明内容

本发明实施例提供了一种用户画像生成方法、设备和计算机存储介质，具有根据教师和学生团体在校园中活动产生的行为数据生成针对教师或学生的用户画像的作用，为教师或学生的精准管理与服务奠定了基础。

本发明实施例一方面提供一种用户画像生成方法，应用于服务器，所述方法包括：通过信息采集器采集与第一目标对象对应的第一多维度信息；根据第一多维度分析模型对所述第一多维度信息进行分析，获得与所述第一多维度信息对应的第一特征标签；获取第二目标对象与第一目标对象对应的交互行为信息，基于所述第一目标对象确定与所述交互行为信息对应的第一交互标签；根据所述第一特征标签和所述第一交互标签生成与所述第一目标对象对应的第一用户画像。

在一可实施方式中，所述获取第二目标对象与第一目标对象对应的交互行为信息，包括：通过信息采集器采集与第二目标对象对应的第二多维度信息；根据第二多维度信息和第一多维度信息进行匹配，获取所述第二目标对象与第一目标对象对应的交互行为信息。

在一可实施方式中，根据所述第一特征标签和所述第一交互标签生成与所述第一目标对象对应的第一用户画像，包括：根据第二多维度分析模型对所述第二多维度信息进行分析，获得与所述第二多维度信息对应的第二特征标签；根据所述第一特征标签、第二特征标签和所述第一交互标签生成与所述第一目标对象对应的第一用户画像。

在一可实施方式中，所述方法还包括：基于所述第二目标对象确定与所述交互行为信息对应的第二交互标签；根据所述第一特征标签、第二特征标签和所述第二交互标签生成与所述第二目标对象对应的第二用户画像。

在一可实施方式中，根据多维度分析模型对所述第一多维度信息进行分析，获得与所述第一多维度信息对应的第一特征标签，包括：根据与所述第一目标对象对应的第一维度框架对所述第一多维度信息进行分类，确定第一分类信息；通过所述第一维度框架对所述第一分类信息进行分析，获得第一特征标签。

在一可实施方式中，所述第一分类信息包括如下信息至少之二：用于表征第一目标对象通勤行为的第一分类信息；用于表征第一目标对象网络行为的第二分类信息；用于表征第一目标对象生活作息的第三分类信息；用于表征第一目标对象消费清单的第四分类信息；用于表征第一目标对象教学评价的第五分类信息。

在一可实施方式中，根据第二多维度分析模型对所述第二多维度信息进行分析，获得与所述第二多维度信息对应的第二特征标签，包括：根据与所述第二目标对象对应的第二维度框架对所述第二多维度信息进行分类，确定第二分类信息；通过所述第二维度框架对所述第二分类信息进行分析，获得第二特征标签。

在一可实施方式中，所述第二分类信息包括如下信息至少之二：用于表征第二目标对象通勤行为的第六分类信息；用于表征第二目标对象网络行为的第七分类信息；用于表征第二目标对象生活作息的第八分类信息；用于表征第二目标对象消费清单的第九分类信息；用于表征第二目标对象成绩评价的第十分类信息。

本发明实施例另一方面提供一种用户画像生成设备，所述设备包括：

采集模块，用于通过信息采集器采集与第一目标对象对应的第一多维度信息；获得模块，用于根据第一多维度分析模型对所述第一多维度信息进行分析，获得与所述第一多维度信息对应的第一特征标签；第一确定模块，用于获取第二目标对象与第一目标对象对应的交互行为信息，基于所述第一目标对象确定与所述交互行为信息对应的第一交互标签；生成模块，根据所述第一特征标签和所述第一交互标签生成与所述第一目标对象对应的第一用户画像。

在一可实施方式中，所述第一确定模块包括：采集子模块，用于通过信息采集器采集与第二目标对象对应的第二多维度信息；获取子模块，用于根据第二多维度信息和第一多维度信息进行匹配，获取所述第二目标对象与第一目标对象对应的交互行为信息。

在一可实施方式中，所述生成模块包括：第一获得子模块，根据第二多维度分析模型对所述第二多维度信息进行分析，获得与所述第二多维度信息对应的第二特征标签；生成子模块，用于根据所述第一特征标签、第二特征标签和所述第一交互标签生成与所述第一目标对象对应的第一用户画像。

在一可实施方式中，所述设备还包括：第二确定模块，用于基于所述第二目标对象确定与所述交互行为信息对应的第二交互标签；所述生成模块还用于根据所述第一特征标签、第二特征标签和所述第二交互标签生成与所述第二目标对象对应的第二用户画像。

在一可实施方式中，所述获得模块包括：确定子模块，用于根据与所述第一目标对象对应的第一维度框架对所述第一多维度信息进行分类，确定第一分类信息；第二获得子模块，通过所述第一维度框架对所述第一分类信息进行分析，获得第一特征标签。

在一可实施方式中，第一获得子模块包括：确定单元，用于根据与所述第二目标对象对应的第二维度框架对所述第二多维度信息进行分类，确定第二分类信息；获得单元，用于通过所述第二维度框架对所述第二分类信息进行分析，获得第二特征标签。

本发明实施例另一方面提供一种计算机可读存储介质，所述存储介质包括一组计算机可执行指令，当所述指令被执行时用于执行上述任一项所述的用户画像生成方法。

在本发明实施例提供的一种用户画像生成方法、设备和计算机存储介质，根据信息采集器采集与第一目标对象对应的第一多维度信息，然后，根据第一多维度分析模型对第一多维度信息进行分析，获得与第一多维度信息对应的第一特征标签，而后，获取第二目标对象与第一目标对象对应的交互行为信息，并根据交互行为信息确定第一交互标签，最后，根据第一特征标签和第一交互标签生成与第一目标对象对应的第一用户画像，起到了根据教师和学生团体在校园中活动产生的行为数据生成针对教师或学生的用户画像的作用，为教师或学生的精准管理与服务奠定了基础。

附图说明

通过参考附图阅读下文的详细描述，本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

在附图中，相同或对应的标号表示相同或对应的部分。

图1为本发明实施例一种用户画像生成方法的实现流程示意图；

图2为本发明实施例一种用户画像生成方法的第一特征标签确定流程示意图；

图3为本发明实施例一种用户画像生成方法的交互行为信息确定流程示意图；

图4为本发明实施例一种用户画像生成方法的第一用户画像生成流程示意图；

图5为本发明实施例一种用户画像生成方法的第二特征标签确定流程示意图；

图6为本发明实施例一种用户画像生成方法的第二用户画像生成流程示意图；

图7为本发明实施例一种用户画像生成设备的模块示意图。

具体实施方式

为使本发明的目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例一种用户画像生成方法的实现流程示意图。

请参考图1，本发明实施例一方面提供一种用户画像生成方法，应用于服务器，方法包括：操作101，通过信息采集器采集与第一目标对象对应的第一多维度信息；操作102，根据第一多维度分析模型对第一多维度信息进行分析，获得与第一多维度信息对应的第一特征标签；操作103，获取第二目标对象与第一目标对象对应的交互行为信息，基于第一目标对象确定与交互行为信息对应的第一交互标签；操作104，根据第一特征标签和第一交互标签生成与第一目标对象对应的第一用户画像。

本发明实施例旨在为用户提供一种用户画像生成方法，主要应用在智慧校园领域中，用于根据教师和学生团体在校园中活动产生的行为数据如：消费、生活、出勤、网络、课堂等活动数据，生成针对教师或学生的用户画像。用户画像可以应用在对教师或学生的管理上，为教师或学生的精准管理与服务奠定基础。

结合操作过程进行具体解释，当应用本发明实施例提供的一种用户画像生成方法进行画像生成的情况下，在操作101中，服务器可以通过信息采集器采集获得与第一目标对象对应的第一多维度信息，其中第一多维度信息可以为教师或学生个人行为所对应的维度信息的一种或多种，在一种可实施情况下，当第一目标对象为教师或学生时，第一多维度信息均可包括通勤行为信息、网络行为信息、生活作息信息、消费清单信息和课堂行为信息等。并且，当第一目标对象为教师的情况下，第一多维度信息还可以包括针对该教师的教学评价信息，当第一目标对象为学生的情况下，第一多维度信息还可以包括针对该学生的成绩评价信息。进一步，本发明实施例提供的一种用户画像生成方法，为了更好的获取第一多维度信息，信息采集器可以为能够采集到教师和/或学生个人行为所对应的维度信息的设备，且其数量可以为一个或多个，种类可以随着第一多维度信息的变换而变换，在一种可实施情况下，信息采集器可以为通勤打卡器、摄像头和一卡通刷卡机等可以获取到第一多维度信息的设备的一种或多种，且每一种信息采集器的数量可以为多个，具体的，当信息采集器包括通勤打卡器时，第一多维度信息即可以包括通勤行为信息，如：通勤时间。当信息采集器包括一卡通刷卡机时，第一多维度信息可以包括消费清单信息，如：餐饮消费和学习消费信息等。当信息采集器包括摄像头时，第一多维度信息还可以包括学生和/或教师的学习或课堂行为信息，如：课堂中学生的听讲、阅读以及沉寂行为信息和教师的多媒体使用、对学生观察、活动路线以及授课行为信息等。

在获取到第一多维度信息后，操作102中，服务器还可以根据第一多维度分析模型对第一多维度信息进行分析，获得与第一多维度信息对应的第一特征标签。其中，第一特征标签为第一多维度分析模型根据第一目标对象的个人行为所对应的维度信息进行分析，进而获得的分析结果。在一种可实施情况下，分析结果可以为对第一目标对象的第一多维度信息进行抽象概括而获得的信息集。

进一步，当第一目标对象为学生的情况下，第一特征标签可以包括对该学生的学习、生活、消费、通勤和网络行为进行分析得到的分析结果，需要明确的是，本发明实施例不对第一特征标签的种类和数量进行限定，在一种可实施情况下，第一特征标签可以为由第一多维度分析模型针对该学生的学习、生活、消费、通勤和网络行为进行一一评分，得到的评分信息，这时，评分信息可以用于生成用户对应的五维图或六维图的依据。在另一种可实施情况下，第一特征标签还可以为对学生的学习、生活、消费、通勤和网络行为进行概括得到的标签词，该标签词可以是用于表示学生课堂是否积极、表示学生的生活作息是否规律以及表示学生消费水平高低等标签词的一种或多种，如通过学生在教室的学习时间长短、课堂学习的专注度等信息可以得出用于表示该学生学习刻苦的标签词等。相应的，第一多维度分析模型可以为多个模型的集合，其可以包括分别针对生活规律、消费、通勤、学习、成绩和网络行为等不同维度信息进行分别分析的多个模型，第一多维度分析模型还可以为一个模型，其可以通过对生活规律、消费、通勤、学习、成绩和网络行为等不同维度进行整体分析的一个模型。

在一种可实施情况下，第一多维度分析模型可以为分别针对教师生活规律、通勤、消费、网络和教学等行为的人力资源模型的集合，其可以通过大量与生活规律、通勤、消费、网络和教学行为相关的信息对相对应的模型进行分类训练以及等级划分训练得到。如消费模型可以为通过对大量的消费信息进行消费分类训练和消费等级划分训练得到。在应用时，消费模型可以确定第一多维度信息中与消费信息对应的维度信息如：伙食花费、学习花费等，并根据这些信息确定对应的消费等级，最后根据消费等级得到相应的标签词，如消费水平高或消费水平低等，在一种可实施情况下，还可以对消费信息对应的维度信息赋予对应的权重，进行综合运算后，确定消费等级。在另一种可实施情况下第一多维度分析模型还可以为一个模型，其可以通过大量与生活规律、通勤、消费、网络和教学行为相关的信息对模型进行整体分析训练获得，应用时，第一多维度分析模型可以在对第一多维度信息进行分类后，针对不同的类别进行等级划分，最后根据等级划分的结果综合确定第一特征标签。

在一种可实施情况下，当第一多维度分析模型为多个模型的集合，且第一多维度信息包括通勤行为信息和网络行为信息时，第一多维度分析模型包括可以用于根据通勤行为信息得到与通勤需求标签的模型，以及用于根据网络行为得到网络需求标签的模型。用第一多维度分析模型对第一多维度信息进行分析后得到的第一特征标签可以包括通勤需求标签和网络需求标签，如用于表示上课或工作准时和/或喜欢上网冲浪的标签等。

在操作103中，服务器获取第二目标对象与第一目标对象对应的交互行为信息，基于第一目标对象确定与交互行为信息对应的第一交互标签。其中，第二目标对象为在校园中与第一目标对象存在交互行为的人，交互行为信息为第二目标对象与第一目标对象的互动行为产生的信息，如课堂上教师和学生的教学互动、课后教师与学生的交流等等。并且第一交互标签为服务器根据交互行为信息确定的与第一目标对象对应的信息，且第一交互标签的主体为第一目标对象，在一种可实施情况下，当交互行为信息包括课堂上教师和学生的互动行为，且第一目标对象为教师时，第一交互标签即可以包括用于表示教师课堂上授课互动指数的标签词，如教师课堂教学氛围活跃等。当交互行为信息包括教师与学生的课后交流行为时，第一交互标签即可包括用于表示教师课后答疑指数的标签词，如：课后答疑有问必答等。在另一种可实施情况下，当第一目标对象为学生时，第一交互标签可以包括表示学生学习互动指数的标签词，如学生课堂学习氛围活跃等。此外，需要明确的是，本发明实施例同样不对交互行为信息和第一交互标签的种类和数量做出限定，只需满足不影响用户画像的生成即可。

在操作104中，可以根据第一特征标签和第一交互标签生成与第一目标对象对应的第一用户画像，供系统管理员参考，以达到为教师或学生的精准管理与服务奠定基础的目的。具体的，当第一特征标签和第一交互标签均为评分信息时，第一用户画像可以为由第一特征标签和第一交互标签画出的数学图像，如五维图和六维图等，当第一特征标签和第一交互标签为用于表示均为标签词时，第一用户画像可以为，根据标签词生成的标签图。

图2为本发明实施例一种用户画像生成方法的第一特征标签确定流程示意图。

参考图2，在一可实施方式中，操作102，根据多维度分析模型对第一多维度信息进行分析，获得与第一多维度信息对应的第一特征标签，包括：操作201，根据与第一目标对象对应的第一维度框架对第一多维度信息进行分类，确定第一分类信息；操作202，通过第一维度框架对第一分类信息进行分析，获得第一特征标签。

在操作201中，为了使第一多维度分析模型能够针对第一多维度信息进行精确分析，可以根据与第一目标对象对应的第一维度框架对第一多维度信息进行分类，确定第一分类信息，其中，第一多维度框架可以为预设在模型中用于对第一多维度信息进行分类和确定标签的信息表，在一种可实施情况下，第一多维度框架可以包括有指示对不同维度信息进行划分的信息，如：第一多维度框架可以用于指示将网络消费信息和餐饮消费信息划分到消费清单类别中以及将个人习惯划分到生活作息类别等。进一步，在第一多维度框架对第一多维度信息分类完成后，可以根据第一多维度框架的分类情况确定第一分类信息。

在操作202中，可以通过第一维度框架对第一分类信息进行分析，获得第一特征标签。在一种可实施情况下，第一分类信息可以包括有用于表示第一目标对象的消费清单的信息，进一步，第一多维度框架可以根据第一目标对象的消费清单信息确定第一目标对象的消费需求水平，进而，根据第一目标对象的消费需求水平确定对应的第一特征标签。具体的，当第一目标对象的消费清单的总金额满足预设阈值的情况下，第一多维度框架可以生成用于表示第一目标对象的消费水平的标签词如：消费水平高等。当第一目标对象为学生的情况下，第一多维度框架还可以通过信息采集器,如：摄像头采集到的课堂中的图像信息，第一多维度框架对该图像信息进行特征识别，确定图像中相应学生的举手次数，当学生举手次数满足预设阈值时，第一多维度框架也可以生成用于表示学生课堂积极度、或专注度的标签词：如学习态度认真、课堂积极发言、课堂专注度高等。

在一可实施方式中，第一分类信息包括如下信息至少之二：用于表征第一目标对象通勤行为的第一分类信息；用于表征第一目标对象网络行为的第二分类信息；用于表征第一目标对象生活作息的第三分类信息；用于表征第一目标对象消费清单的第四分类信息；用于表征第一目标对象教学评价的第五分类信息。

在一种可实施情况下，当第一目标对象为教师时，第一分类信息可以为教师的考勤打卡情况，第二分类信息可以为教师的上网记录。第三分类信息可以为教师的生活规律和个人爱好信息。第四分类信息可以为教师的网购、校园消费信息。第五分类信息可以是对教师进行教学评价的信息。需要明确的是本发明实施例不对第一分类信息的种类和数量进行限定，只需满足不影响第一目标对象的用户画像生成即可。

图3为本发明实施例一种用户画像生成方法的交互行为信息确定流程示意图。

参考图3，在一可实施方式中，获取第二目标对象与第一目标对象对应的交互行为信息，包括：操作301，通过信息采集器采集与第二目标对象对应的第二多维度信息；操作302，根据第二多维度信息和第一多维度信息进行匹配，获取第二目标对象与第一目标对象对应的交互行为信息。

具体的，在操作103中，为了获取第二目标对象与第一目标对象对应的交互行为，在操作301中，首先可以通过信息采集器采集与第二目标对象对应的第二多维度信息，其中，第二多维度信息同样可以是教师或学生个人行为所对应的维度信息的一种或多种，相对的，当第二目标对象可以为教师，也可以为学生，本发明实施例不对第二目标对象的身份做出限定，只需满足第二目标对象与第一目标对象之间存在有交互行为即可。

在操作302中，服务器可以根据第二多维度信息和第一多维度信息进行匹配，获取第二目标对象与第一目标对象对应的交互行为信息。具体的，服务器对第二多维度信息和第一多维度信息进行匹配用于确定第二目标对象与第一目标对象是否存在有互动行为，进而确定交互行为信息，在一种可实施情况下，第一多维度信息可以包括教师的教学信息，第二多维度信息可以包括学生的学习信息，根据第一多维度信息与第二多维度信息进行匹配，可以确定用于表征教师和学生的互动行为的交互行为信息，此时，交互行为信息可以为在教师的教学信息和学生的学习信息的交互部分，如教师和学生的教学互动信息等。

图4为本发明实施例一种用户画像生成方法的第一用户画像生成流程示意图。

参考图4，在一可实施方式中，在操作104中，根据第一特征标签和第一交互标签生成与第一目标对象对应的第一用户画像，包括：操作401，根据第二多维度分析模型对第二多维度信息进行分析，获得与第二多维度信息对应的第二特征标签；操作402，根据第一特征标签、第二特征标签和第一交互标签生成与第一目标对象对应的第一用户画像。

具体的，在操作401中，根据第二多维度分析模型对第二多维度信息进行分析，获得与第二多维度信息对应的第二特征标签。其中，第二多维度分析模型同样可以为多个模型的集合，其可以包括分别针对生活规律、消费、通勤、学习、成绩和网络行为等不同维度信息进行分别分析的多个模型。且第二多维度分析模型还可以为一个模型，其可以通过对生活规律、消费、通勤、学习、成绩和网络行为等不同维度进行整体分析的一个模型。需要明确的是，第二多维度分析模型可以和第一多维度分析模型相同或不同，当第一目标对象与第二目标对象均为教师或均为学生的情况下，第二多维度分析模型可以和第一多维度模型相同，当第一目标对象与第二目标对象分别为教师和学生的情况下，第二多维度分析模型可以和第一多维度模型不同。并且，在一种可实施情况下，第二多维度分析模型可以与第一多维度分析模型的训练方法相同。

而后，第二特征标签为第二多维度分析模型根据第二目标对象的个人行为所对应的维度信息进行分析，进而获得的分析结果。在一种可实施情况下，分析结果可以为对第二目标对象的第二多维度信息进行抽象概括而获得的信息集。

在一种可实施情况下，当第二目标对象为教师时，第二多维度信息同样可以包括对该教师教学、生活、消费、通勤和网络等行为进行分析得到的分析结果。进一步，根据第二多维度分析模型对第二多维度信息进行分析，得到第二特征标签。在一种可实施情况下，第二特征标签可以为由第二多维度分析模型针对该教师的教学、生活、消费、通勤、后勤和网络行为进行一一评分，得到的评分信息，生成与该教师对应的六维图。在另一种可实施情况下，第二特征标签还可以为对教师的教学、生活、消费、通勤和网络行为进行概括得到的标签词，该标签词可以是用于表示教师课堂讲授是否详细、表示教师的生活作息是否规律等等。进一步，当第二多维度信息包括教师的板书、教师的举例演示以及教师对学生的观察和教师多媒体操作信息的情况下，第二多维度分析模型还可以生成用于表示教师课堂质量的标签词，如：课堂质量良好等。

进一步，执行操作402，根据第一特征标签、第二特征标签和第一交互标签生成与第一目标对象对应的第一用户画像。在一种可实施情况下，第二目标对象为学生时，第二特征标签可以包括有用于表示学生出勤率、课堂专注度和课堂活跃度的标签词，并且，当第一目标对象为教师的情况下，第二特征标签中用于表示学生出勤率、课堂专注度、课堂疑惑度和课堂活跃度的部分同样可以作为对教师进行教学评价的依据，故第二特征标签同样可以用于生成第一目标对象的用户画像。因此，在生成第一用户画像时，为了获得更加准确的第一用户画像，可以由第一特征标签、第一交互标签以及第二特征标签生成第一用户画像。进一步，第一用户画像的生成方法可以有多种，在一种可实施情况下，根据第一特征标签、第一交互标签和第二特征标签生成第一用户画像可以包括对第二特征标签进行筛选，确定可以用于评价第一目标对象的第二特征标签，进而根据可以用于评价第一目标对象的第二特征标签以及第一特征标签、第一交互标签生成第一用户画像。

具体的，当第一目标对象为教师且第二目标对象为学生的情况下，第一特征标签可以包括：教学学风良好、工作认真、生活作息规律以及网络行为正常等。第一交互标签可以包括教师教学互动指数高、课后对学生指导频繁等，相应的，第二特征标签还可以包括学生学习态度良好、生活习惯良好、消费观念正确以及课堂专注度高等。在一种可实施情况下，服务器在生成第一用户画像时，首先可以对第二特征标签进行筛选，筛选出可以用于评价第一目标对象的第二特征标签，如：课堂专注度高，进而，根据用于评价第一目标对象的第二特征标签以及第一特征标签和第一交互标签生成与第一目标对象对应的第一用户画像，此时，第一用户画像可以包括以下标签：教学学风良好、工作认真、生活作息规律、网络行为正常、课堂专注度高、教学互动指数高以及课后对学生指导频繁。在另一种可实施情况下，还可以根据第一交互标签和用于评价第一目标对象的第二特征标签生成用于表征第一目标对象的教学水平的标签，如：根据表示教学互动指数高的标签和表示学生课堂专注度高的标签生成用于表示教师教学水平高的标签。最后根据用于表征第一目标对象的教学水平标签和第一特征标签生成第一用户画像，这时，第一用户画像可以包括以下标签：教学学风良好、工作认真、生活作息规律、网络行为正常以及教学水平高。

图5为本发明实施例一种用户画像生成方法的第二特征标签确定流程示意图。

在一可实施方式中，操作401，根据第二多维度分析模型对第二多维度信息进行分析，获得与第二多维度信息对应的第二特征标签，包括：操作501，根据与第二目标对象对应的第二维度框架对第二多维度信息进行分类，确定第二分类信息；操作502，通过第二维度框架对第二分类信息进行分析，获得第二特征标签。

在操作501中，可以根据与第二目标对象对应的第二维度框架对第二多维度信息进行分类，确定第二分类信息；其中，第二多维度框架同样可以为预设在模型中用于对第二多维度信息进行分类和确定标签的信息表，第二多维度框架可以包括有指示对不同维度信息进行划分的信息，进一步，在第二多维度框架对第二多维度信息分类完成后，可以根据第二多维度框架的分类情况确定第二分类信息。

在操作502中，通过第二维度框架对第二分类信息进行分析，最终获得第二特征标签。在一种可实施情况下，第二分类信息可以包括有第二目标对象的时间安排表信息，进一步，第二维度框架可以根据第二目标对象的时间安排表信息确定第二目标对象的生活作息信息，进而，根据第二目标对象的生活作息信息确定并总结对应的第二特征标签。如：生活作息不规律和经常熬夜等，与第一特征标签相同的，本发明同样不对第二特征标签的种类和数量做出限定，只需满足不影响用户画像的生成即可。

在一可实施方式中，第二分类信息包括如下信息至少之二：用于表征第二目标对象通勤行为的第六分类信息；用于表征第二目标对象网络行为的第七分类信息；用于表征第二目标对象生活作息的第八分类信息；用于表征第二目标对象消费清单的第九分类信息；用于表征第二目标对象成绩评价的第十分类信息。

在一种可实施情况下，当第二目标对象为学生时，第六分类信息可以为学生的早退、旷课、通勤情况，第七分类信息可以是学生的网络运用情况，如游戏、浏览网页等。第八分类信息则可以为学生的生活时间表，第九分类信息可以是学生在学校中的消费信息，第十分类信息可以是学生的学习情况和成绩情况等。

图6为本发明实施例一种用户画像生成方法的第二用户画像生成流程示意图。

参考图6，在一可实施方式中，方法还包括：操作601，基于第二目标对象确定与交互行为信息对应的第二交互标签；操作602，根据第一特征标签、第二特征标签和第二交互标签生成与第二目标对象对应的第二用户画像。

具体的，在获得第一用户画像后，方法还可以包括操作601，基于第二目标对象确定与交互行为信息对应的第二交互标签，其中，第二交互标签则为服务器根据交互行为信息确定的与第二目标对象对应的信息，并且第二交互标签的主体为第二目标对象。与第一交互标签对应的，在一种可实施情况下，当交互行为信息包括教师与学生的课堂互动行为时，第二交互标签可以包括用于表示学生课堂答题积极程度的标签词，如：学生积极回答问题等。

进一步，在操作602中，可以根据第一特征标签、第二特征标签和第二交互标签生成与第二目标对象对应的第二用户画像。具体的，第一特征标签中可以包括有用于评价教师教学水平的教学学风指数，如教师对学生的个别指导或评分，并且，当第二目标对象为学生的情况下，教师对学生的指导或评分也能成为评价学生的重要依据，因此，可以根据第一特征标签、第二特征标签和第二交互标签生成与第二目标对象对应的第二用户画像。

在一种具体实施情况下，本发明实施例提供了一种用户画像生成方法，具有根据教师和学生团体在校园中活动产生的行为数据生成针对教师或学生的用户画像的功能。具体的，在本发明实施例提供的应用场景中，信息采集器可以为摄像头、通勤打卡器和一卡通刷卡机等，第一多维度信息可以包括教师或学生的学习、生活、教务、后勤、网络、通勤等多个方面的信息，且第一多维度分析模型可以为分别呈现生活规律、消费、通勤、学习、成绩、网络行为等不同维度需求的多个模型的集合，用于针对第一多维度信息生成对应标签。进一步，本发明实施例提供的一种用户画像生成方法，首先可以通过摄像头、打卡器、一卡通刷卡器采集教师的第一多维度信息如生活规律、消费、出勤、学习、成绩和网络行为等，然后，根据第一多维度分析模型对第一多维度信息进行分析，获得与第一多维度信息对应的第一特征标签，具体的，当第一多维度信息包括生活规律、消费、出勤、学习和网络行为时，第一多维度分析模型可以根据对应的模型确定获得第一特征标签。当第一目标对象为教师时，第一特征标签可以包括用于表征第一目标对象的通勤行为、网络行为、生活作息、消费清单以及教学评价的标签。进一步，获取与教师存在交互行为的学生的第二多维度信息，一方面，当第一目标对象为教师第二目标对象为学生时，在根据第二多维度信息和第一多维度信息进行匹配，得到师生互动信息即交互行为信息后，可以根据交互行为信息得到第一交互标签和第二交互标签，在一种可实施情况下第一交互标签可以为教师授课互动指数，第二交互标签可以为学生的学习互动指数。另一方面，用第二多维度分析模型对第二多维度信息进行分析，获得第二标签，具体的，第二多维度分析模型可以对第二多维度信息进行分类，确定第二分类信息，进一步对第二分类信息进行分析，确定第二特征标签。最后，对第二特征标签进行筛选，确定可以用于评价第一目标对象的第二特征标签，进而根据可以用于评价第一目标对象的第二特征标签以及第一特征标签、第一交互标签生成第一用户画像。

图7为本发明实施例一种用户画像生成设备的模块示意图。

参考图7，本发明另一方面提供一种用户画像生成设备，设备包括：采集模块701，用于通过信息采集器采集与第一目标对象对应的第一多维度信息；获得模块705，用于根据第一多维度分析模型对第一多维度信息进行分析，获得与第一多维度信息对应的第一特征标签；第一确定模块704，用于获取第二目标对象与第一目标对象对应的交互行为信息，基于第一目标对象确定与交互行为信息对应的第一交互标签；生成模块703，根据第一特征标签和第一交互标签生成与第一目标对象对应的第一用户画像。

在一可实施方式中，第一确定模块704包括：采集子模块7041，用于通过信息采集器采集与第二目标对象对应的第二多维度信息；获取子模块7042，用于根据第二多维度信息和第一多维度信息进行匹配，获取第二目标对象与第一目标对象对应的交互行为信息。

在一可实施方式中，生成模块703包括：第一获得子模块7032，根据第二多维度分析模型对第二多维度信息进行分析，获得与第二多维度信息对应的第二特征标签；生成子模块7031，用于根据第一特征标签、第二特征标签和第一交互标签生成与第一目标对象对应的第一用户画像。

在一可实施方式中，设备还包括：第二确定模块702，用于基于第二目标对象确定与交互行为信息对应的第二交互标签；生成模块703还用于根据第一特征标签、第二特征标签和第二交互标签生成与第二目标对象对应的第二用户画像。

在一可实施方式中，获得模块705包括：确定子模块7051，用于根据与第一目标对象对应的第一维度框架对第一多维度信息进行分类，确定第一分类信息；第二获得子模块7052，通过第一维度框架对第一分类信息进行分析，获得第一特征标签。

在一可实施方式中，第一获得子模块7032包括：确定单元70321，用于根据与第二目标对象对应的第二维度框架对第二多维度信息进行分类，确定第二分类信息；获得单元70322，用于通过第二维度框架对第二分类信息进行分析，获得第二特征标签。

本发明实施例另一方面提供一种计算机可读存储介质，存储介质包括一组计算机可执行指令，当指令被执行时用于执行上述任一项的用户画像生成方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。