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！

摘要：本发明属于营销定位领域，具体的说是基于AI用户画像的拓扑分析与优化方法及系统，该方法首先通过收集并预处理用户多维数据，结合自然语言算法和聚类算法，构建多级用户画像可视化图谱，实现用户画像的精准描绘，其次根据用户画像和共享匿名画像，制定拓扑推送策略，并实时监测拓扑推送策略推送效果和用户反馈，同时利用情感分析和综合评估技术，量化评估推送效果，对拓扑推送策略进行实时优化；本发明利用拓扑推送策略提高了营销内容推送的精准度和效率，同时利用分层知识聚类策略构建了更加精准的用户画像，为用户提供了更加个性化和高质量的营销体验。

主权项：1.基于AI用户画像的拓扑分析与优化方法，其特征在于，步骤包括：S1、通过公开或内部跨平台渠道收集并预处理用户多维原始数据，并对预处理后的数据进行保存、加密和备份处理；S2、引入自然语言算法，对保存的用户多维原始数据进行多维关键词与关系属性特征抽取，利用抽取的关键词与关系属性结合聚类算法构建阶梯式多级用户画像可视化图谱，并利用实时收集的用户数据对多级用户画像可视化图谱进行更新；S3、根据构建的多级用户画像和收集的共享匿名用户画像，制定拓扑推送策略，对用户进行内容推送，并实时监测收集推送内容效果指标数据和用户反馈数据；S4、利用深度学习算法，根据用户反馈数据计算得到用户的推送内容转化率，并利用获取的用户推送内容转化率和推送内容效果指标数据结合综合模糊策略对推送内容效果进行量化评估，并将评估结果反馈给制定的拓扑推送策略，对拓扑推送策略进行实时优化更新；所述用户推送内容转化率计算的具体步骤包括：S401、获取用户情感文本原始数据及对应表达情感的关键词、语音数据和表情包数据，利用情感标签对获取的情感文本原始数据及对应关键词和表情包进行标注，获取标注好的情感文本原始数据；S402、构建全局-局部协同注意力情感识别模型，将情感文本原始数据和语音数据输入到全局-局部协同注意力情感识别模型中的全局编码层中，输出全局上下文情感编码特征，同时将关键词、标注的情感类型和表情包数据输入到全局-局部协同注意力情感识别模型中的局部编码层，输出局部情感类别特征，将获取的全局上下文情感编码特征和局部情感类别特征输入到协同注意力融合层，获取全局-局部协同情感编码特征；S403、将获取的全局-局部协同情感编码特征输入到情感预测层中，获取预测的情感类型，并将预测的情感类型和真实情感类型标签输入到交叉熵损失函数中对全局-局部协同注意力情感识别模型进行训练；S404、将实时监测的用户反馈评论文本数据，语音数据及表情包数据输入到训练完成的全局-局部协同注意力情感识别模型中，预测得到内容推送后用户的情感类型；所述用户推送内容转化率计算的具体步骤还包括：S405、将阶梯式多级用户画像可视化图谱中保存的内容推送前的用户情感类别与内容推送后对应用户预测得到的情感类型进行比较，获取从推送前正向情感到推送后负向情感的变换个数，从推送前负向情感到推送后正向情感的变换个数，从推送前中性情感到推送后正向情感的变换个数以及从推送前中性情感到推送后负向情感的变换个数，并利用获取的、、和计算得到用户推送内容转化率，推送内容转化率包括正向转化率和负向转化率，具体公式为：正向转化率=，负向转化率=1-；所述S4中对推送内容效果进行量化评估的具体步骤包括：S411、设地域、网络社交渠道、性别、年龄和人均可支配收入为阶梯式分层一级指标，将S405计算得到的用户推送内容转化率和收集的推送内容效果指标数据进行格式统一化预处理作为各阶梯式分层一级指标下的二级指标；S412、将获取的人均可支配收入指标与对应的二级指标一输入到综合模糊算法中，计算得到人均可支配收入指标下对应的有效内容投放得分一；S413、将人均可支配收入指标下对应的有效内容投放得分一作为年龄的一个二级指标，同时将年龄指标与对应的二级指标二输入到综合模糊算法计算得到的不同年龄层下的有效内容投放得分二，并根据计算得到的不同年龄层下的有效内容投放得分二，采用加权策略计算得到年龄指标下对应的综合有效内容投放得分三；S414、利用S413计算得到的不同年龄层下的有效内容投放得分二、综合有效内容投放得分三及性别指标对应的二级指标三，构建新的性别二级指标，并将构建的新性别二级指标与性别一级指标输入到综合模糊算法，计算得到性别指标下男、女对应的有效内容投放得分四和有效内容投放得分五；S415、利用不同性别对应的有效内容投放得分四、有效内容投放得分五和网络社交渠道对应二级指标四构建不同网络社交渠道下的二级指标，并将构建的二级指标和对应不同网络社交渠道一级指标输入到综合模糊算法中计算得到不同网络社交渠道对应的有效内容投放得分六，并利用计算得到的不同网络社交渠道对应的有效内容投放得分计算得到综合渠道有效内容投放得分七；所述S4中对推送内容效果进行量化评估的具体步骤还包括：S416、利用计算得到的不同网络社交渠道对应的有效内容投放得分六和综合渠道有效内容投放得分七以及地域对应的二级指标五构建新的地域二级指标，并将构建的新地域二级指标和地域指标输入到综合模糊算法中计算得到不同地域的有效内容投放得分八；S417、将上述计算得到的所有有效内容投放得分按照设定的聚类层级指标保存到阶梯式多级用户画像可视化图谱中，同时将获取的有效内容投放得分反馈到S3中制定的拓扑推送策略中，对拓扑推送策略进行更新调整；所述S3中拓扑推送策略的具体步骤包括：S301、设定匹配阈值，利用文本生成算法根据阶梯式多级用户画像可视化图谱和共享匿名用户画像，生成对应类别内用户的推送内容，并通过关联度算法计算得到生成推送内容与用户画像的匹配度，当用户画像的匹配度大于匹配阈值时，向对应类别内用户推送生成的内容；S302、利用S411-S416过程对生成内容的推送结果进行评估，计算得到阶梯式多级用户画像下内容推送获得的各层级有效内容投放得分；S303、根据设定的层级以及层级优先级，设定对应层级的有效内容投放得分阈值，将获得的有效内容投放得分八与对应的阈值进行比较，若有效内容投放得分八大于对应的阈值，则对综合渠道有效内容投放得分七与对应的阈值进行比较；若有效内容投放得分八小于等于对应的阈值，则利用实时监测的用户反馈数据对该地域下所有阶梯式多级用户画像进行更新，同时根据生成的用户画像生成新的推送内容，推送给对应的用户；S304、重复S303过程，当高优先级层级对应有效内容投放得分大于对应的阈值时，则继续对比低级别层级有效内容投放得分，若小于等于，则更新该层级下所有对应层级的用户画像和推送内容。

全文数据：

权利要求：

百度查询： 新立讯科技集团股份有限公司 基于AI用户画像的拓扑分析与优化方法及系统