具体实施方式

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，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。

本发明实施例提供一种用户行为标签偏好排序方法，参见图1所示，是本发明实施例提供的一种用户行为标签偏好排序方法的流程示意图，所述方法包括步骤S101～S105：

S101，收集用户行为数据，并通过清洗汇总方式将用户行为数据投递分析数据库中；

S102，通过分析用户行为数据得到行为标签，统计不同的行为标签下的各种行为的数值；

S103，结合行为标签，使用层次分析法，量化行为标签的各种行为的相对权重；

S104，根据不同行为标签下的各种行为的权重和各种行为的数值，计算各种行为标签的偏好值；

S105，根据行为标签的偏好值的排序，生成偏好标签表。

在本实施例具体实施时，用户的行为数据通过日志系统收集，实时投递到数据平台，然后通过清洗汇总方式将所述行为数据投递到分析数据库中；

通过所述用户行为数据，根据不同的行为标签分析用户的行为标签下的各种行为，行为标签包括：主品牌，系列、价格、种类。行为标签下的各种行为包括：浏览、分享、收藏、下单、支付。

结合行为标签，使用层次分析法，量化行为标签的各种行为的相对权重；

根据不同行为标签下的各种行为的权重和各种行为的数值，计算各种行为标签的偏好值；

根据行为标签的偏好值排序，生成偏好标签表。

本发明的实施例通过获取用户行为，通过层次分析法计算各个行为的权重，层次分析法用于计算每个行为标签下的行为的行对权重，能客观准确地评判每个行为对每个标签的重要程度，对各个行为标签进行相对公平的衡量，这样计算出的行为标签的偏好值能够构建出清晰的用户行为标签画像。

在本发明的另一实施例中，所述方法还包括：

实时重复收集用户行为数据，统计不同行为标签的各种行为，使用层次分析法计算各种行为的行对权重，计算得到行为标签的偏好值，实时更新偏好标签表。

在本实施例具体实施时，所述根据偏好标签的权重排序，生成偏好标签表之后，由于用户的数据每天都在变化，需要重复进行上面的步骤，实时重复收集用户行为数据，并分析用户的各种行为，使用层次分析法计算各种行为的行对权重，计算得到行为标签的偏好值，实时更新偏好标签表；

通过对数据的实时同步，能够实现用户数据的实时更新，提高用户行为数据的时效性，提高用户画像的用户标签构建的时效性和准确度。

在本发明提供的又一实施例中，所述结合行为标签，使用层次分析法，量化行为标签的各种行为的相对权重，具体包括：

针对第一标签，对第一标签的各种行为进行两两标定，判定第一行为和第二行为对第一标签的重要性，分别对两个行为分别进行标度；

建立第一行为的成对比较矩阵，计算得到第一行为的相对权重；

分别对各种行为进行标定和计算，得到所有标签的所有行为的相对权重。

在本发明具体实施时，选定第一标签，对第一标签下的各种行为进行两两一组标定，并不将所有的行为放在一起比较，而是将行为数据进行两两比较，减少性质不同的行为之间比较的困难，提高行为标签下的各种行为权重的计算准确率；

需要说明的是，若行为数量为单数时，可存在两两比较多次的行为数据；

判定两个行为对所述第一行为标签的重要性，分别对两个行为分别进行标度；

建立所述第一行为的成对比较正互反矩阵，计算权重，得到所述第一行为的权重；

在具体实施时，在主品牌这一行为标签中，购买Ai相对浏览Aj行为是明显重要的，购买行为得分aij＝5，浏览行为的得分aji＝1/5，同理，得到其他行为的标度。

根据层次分析法构建成对比较矩阵所述矩阵为正互反矩阵。采用和法计算判断矩阵A的特征向量W。

假设，M1＝1*5*3＝15，M2＝1/5*1*1/3＝1/15，M3＝1/3*1*3＝1；

计算得到向量，

计算上述向量的平均值，得到第一行为的权重；

同理，采用上述方法，可得到所有行为标签的所有行为的权重；

通过层次分析法分别量化个不同行为标签下的各个行为的权重，能够客观的客户用户的行为数据，得到用户画像分析的结果，用户画像的构建更加准确。

在本发明提供的又一实施例中，所述判定第一行为和第二行为对所述第一标签的重要性，分别对两个行为分别进行标度，具体包括：

确定两个行为中的第一行为相较于第二行为对第一标签的关联度，并查询预设的关联度标度表，得到第一行为的标度；

对第一行为的标度取倒数，得到第二行为对第一标签的标度。

在本实施例具体实施时，对两个行为进行标度需要先对比两个行为相对于第一标签的重要程度，这一对比具体过程可根据统计法，统计两者之间存在的必要性联系频率，即在一定数量的用户行为数据中，同时出现某一行为和第一标签的次数，并进行归一化处理；

得到第一行为相交第二行为对于第一标签的关联度，查询关联度标度表，得到所述第一行为的标度；

对所述第一行为的标度取倒数，得到所述第二行为对所述第一标签的标度。

本发明通过获取行为标签和行为之间的关联度，查询关联度标度表，获取不同行为标签下的各个行为的标度，用于计算各行为的权重，各个行为标签的标度过程更加客观，行为标签的偏好度计算更加准确，高效。

在本发明提供的又一实施例中，所述确定两个行为中的第一行为相较于第二行为对第一标签的关联度，并查询预设的关联度标度表，得到第一行为的标度，具体包括：

查询所述第一行为与所述第一标签的关联度，记为第一行为关联度；

查询所述第二行为与所述第一标签的关联度，记为第二行为关联度；

当所述第一行为与所述第二行为关联度相同时，所述第一行为的标度为第一阈值；

当所述第一行为关联度大于所述第二行为关联度，且第一行为关联度小于第二行为关联度与预设第一阈值的乘积，所述第一行为的标度为N1；

当所述第一行为关联度不小于所述第二行为关联度与所述第一阈值的乘积，且所述第一行为关联度小于所述第二行为关联度与预设第二阈值的乘积，所述第一行为的标度为N2；

当所述第一行为关联度不小于所述第二行为关联度与所述第二阈值的乘积，且所述第一行为关联度小于所述第二行为关联度与预设第三阈值的乘积，所述第一行为的标度为N3；

当所述第一行为关联度不小于所述第二行为关联度与所述第三阈值的乘积，且所述第一行为关联度小于所述第二行为关联度与预设第四阈值的乘积，所述第一行为的标度为N4；

当所述第一行为关联度不小于所述第二行为关联度与所述第四阈值的乘积，所述第一行为的标度为N5。

在本实施例具体实施时，查询所述第一行为与所述第一标签的关联度，记为第一行为关联度；

查询所述第二行为与所述第一标签的关联度，记为第二行为关联度；

当所述第一行为与所述第二行为关联度相同时，所述第一行为的标度为1；

当所述第一行为关联度大于所述第二行为关联度，且第一行为关联度小于两倍第二行为关联度，所述第一行为的标度为2；

当所述第一行为关联度不小于两倍所述第二行为关联度，且第一行为关联度小于三倍第二行为关联度，所述第一行为的标度为3；

当所述第一行为关联度不小于三倍所述第二行为关联度，且第一行为关联度小于四倍第二行为关联度，所述第一行为的标度为4；

当所述第一行为关联度不小于四倍所述第二行为关联度，且第一行为关联度小于五倍第二行为关联度，所述第一行为的标度为5；

当所述第一行为关联度不小于五倍所述第二行为关联度，所述第一行为的标度为6。

需要说明的是，在本实施例中，所述第一阈值、所述第二阈值、所述第三阈值、所述第四阈值、所述第五阈值、N1、N2、N3、N4和N5的取值均为一种优选实施方式，在本发明提供的其他实施例中，选值可为其他值。

通过对比第一行为关联度和第二行为关联度，获得所述第一行为与第一行为标签的标度，用于计算第一标签下的各个行为的权重，能够的到用户的画像分析结果，定量分析用户的偏好标签。

本发明提供的又一实施例中，所述根据不同行为标签下的各种行为的权重和各种行为的数值，计算各种行为标签的偏好值，具体包括：

根据不同行为标签下的各种行为的权重和各种行为的数值，对不同行为标签下的各个行为数值的加权求和，得到各种行为标签的偏好值。

在本实施例具体实施时，根据不同行为标签下的各种行为的权重和各种行为的数值，对不同行为标签下的各个行为数值的加权求和，即各个行为标签的偏好值等于各个行为标签下的各个行为数值与各个行为权重乘积之和，所述行为数值为各行为标签下的各个行为频率的归一化数值，得到各种行为标签的偏好值。

本发明实施例提供的一种用户行为标签偏好排序方法，通过收集用户行为数据，并通过清洗汇总方式将用户行为数据投递分析数据库中，通过分析用户行为数据得到行为标签，统计不同的行为标签下的各种行为的数值，结合行为标签，使用层次分析法，量化行为标签的各种行为的相对权重；根据不同行为标签下的各种行为的权重和各种行为的数值，计算各种行为标签的偏好值；根据行为标签的偏好值的排序，生成偏好标签表，构建出清晰的用户行为标签画像，便于后续行为标签的应用。

本发明另一实施例提供的一种用户行为标签偏好排序装置，所述装置包括用户数据收集模块、行为标签模块、层次分析模块和标签表模块：

所述用户数据收集模块用于收集用户行为数据，并通过清洗汇总方式将所述用户行为数据投递分析数据库中；

所述行为标签模块用于通过所述用户行为数据分析用户的各种行为，并生成不同的行为标签；

所述层次分析模块用于结合所述行为标签，使用层次分析法，量化所述各种行为相对所述行为标签的权重，得到所述行为标签的偏好值；

所述标签表模块用于根据所述行为标签的偏好值排序，生成偏好标签表。

在本实施例具体实施时，参见图2所示，是本发明实施例提供的一种用户行为标签偏好排序装置的结构示意图，所述装置包括用户数据收集模块、行为标签模块、层次分析模块、偏好值模块和标签表模块：

所述用户数据收集模块用于收集用户行为数据，并通过清洗汇总方式将用户行为数据投递分析数据库中；

所述行为标签模块用于通过分析用户行为数据得到行为标签，统计不同的行为标签下的各种行为的数值；

所述层次分析模块用于结合行为标签，使用层次分析法，量化行为标签的各种行为的相对权重；

所述偏好值模块用于根据不同行为标签下的各种行为的权重和各种行为的数值，计算各种行为标签的偏好值；

所述标签表模块用于根据行为标签的偏好值的排序，生成偏好标签表。

需要说明的是，本实施例提供的一种用户行为标签偏好排序装置的具体功能在上述实施例中做了具体阐述，在此不作赘述。

参见图3，是本发明实施例提供的一种终端设备的结构示意图。该实施例的终端设备包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，例如用户行为标签偏好排序程序。所述处理器执行所述计算机程序时实现上述各个用户行为标签偏好排序方法实施例中的步骤，例如图1所示的步骤S101～S105。或者，所述处理器执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能。

示例性的，所述计算机程序可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。例如，所述计算机程序可以被分割成用户数据收集模块、行为标签模块、层次分析模块和标签表模块，各模块具体功能在此不作赘述。

所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述示意图仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述终端设备的控制中心，利用各种接口和线路连接整个终端设备的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡 (Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

其中，所述终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

本发明提供了一种用户行为标签偏好排序方法、装置、设备及存储介质，通过收集用户行为数据，并通过清洗汇总方式将用户行为数据投递分析数据库中，通过分析用户行为数据得到行为标签，统计不同的行为标签下的各种行为的数值，结合行为标签，使用层次分析法，量化行为标签的各种行为的相对权重；根据不同行为标签下的各种行为的权重和各种行为的数值，计算各种行为标签的偏好值；根据行为标签的偏好值的排序，生成偏好标签表，构建出清晰的用户行为标签画像，便于后续行为标签的应用。

需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。