用户画像生成方法及装置与流程

1.本技术涉及用户画像技术领域，具体涉及一种用户画像生成方法及装置。


背景技术：

2.目前，越来越多金融机构会对企业用户提供投资服务，以促进经济发展。而为减少投资风险，金融机构需要针对企业用户形成用于判断企业用户的投资风险的用户画像，以根据该用户画像对企业用户的投资进行风险识别。因此，如何准确地生成用户画像，以判断判断企业用户是否潜在投资风险，是当前继续解决的问题。


技术实现要素：

3.本技术旨在至少解决相关技术中存在的技术问题之一。为此，本技术提出一种用户画像生成方法，能够提高获取到的用户画像的置信度，提高利用用户画像判定企业用户的潜在投资风险的准确率。
4.本技术还提出一种用户画像生成装置。
5.本技术还提出一种电子设备。
6.本技术还提出一种计算机可读存储介质。
7.根据本技术第一方面实施例的用户画像生成方法，包括：
8.从多个数据源中，获取企业用户的至少一个有形资产数据和至少一个无形资产数据；
9.根据各所述有形资产数据，得到所述企业用户的第一用户画像，以及根据各所述无形资产数据，得到所述企业用户的第二用户画像；
10.根据所述第一用户画像和所述第二用户画像，生成所述企业用户的目标用户画像。
11.本技术实施例提供的用户画像生成方法，通过企业用户的各有形资产数据，来得到企业用户的第一用户画像，并通过企业用户的各无形资产数据，来得到企业用户的第二用户画像，以根据第一用户画像和第二用户画像，来生成企业用户的目标用户画像，使得到的用户画像因同时考虑了企业的有形资产和无形资产而更加全面，同时由于在生成用户画像时考虑了企业的无形资产，因此可利用无形资产对用户画像的影响，来提高轻资产企业之间用户画像区分度，从而提高获取到的用户画像的置信度，进而提高利用用户画像判定企业用户的潜在投资风险的准确率。
12.根据本技术的一个实施例，根据各所述有形资产数据，得到所述企业用户的第一用户画像，以及根据各所述无形资产数据，得到所述企业用户的第二用户画像，包括：
13.将各所述有形资产数据输入训练好的第一用户画像生成模型，得到所述企业用户的第一用户画像；以及，
14.将各所述无形资产数据输入训练好的第二用户画像生成模型，得到所述企业用户的第二用户画像。
15.根据本技术的一个实施例，根据各所述有形资产数据，得到所述企业用户的第一用户画像，以及根据各所述无形资产数据，得到所述企业用户的第二用户画像，包括：
16.对各所述有形资产数据进行数据格式转换，以根据同一数据格式的各所述有形资产数据，得到所述企业用户的第一用户画像；以及，
17.对各所述无形资产数据进行数据格式转换，以根据同一数据格式的各所述无形资产数据，得到所述企业用户的第二用户画像。
18.根据本技术的一个实施例，所述有形资产数据包括多个时刻的有形资产；
19.根据各所述有形资产数据，得到所述企业用户的第一用户画像，包括：
20.根据所述有形资产数据中各所述有形资产对应的时刻的时间排序，得到各所述有形资产组成的数据序列，以将所述数据序列输入训练好的第一用户画像生成模型，得到所述有形资产数据的目标资产特征；
21.根据各所述有形资产数据的目标资产特征，得到所述企业用户的第一用户画像；
22.其中，多个所述时刻包括当前时刻和至少一个历史时刻，任意相邻两个所述时刻的间隔时长相同。
23.根据本技术的一个实施例，根据所述有形资产数据中各所述有形资产对应的时刻的时间排序，将各所述有形资产依次输入训练好的第一用户画像生成模型，得到所述形资产数据的目标资产特征，包括：
24.根据所述有形资产数据中各所述有形资产对应的时刻的时间排序，得到各所述有形资产组成的数据序列，以将所述数据序列输入训练好的第一用户画像生成模型，得到所述有形资产数据的初始资产特征；
25.根据所述有形资产数据的初始资产特征，以及所述有形资产数据的类型对应的预设权重，得到所述有形资产数据的目标资产特征。
26.根据本技术的一个实施例，根据各所述无形资产数据，得到所述企业用户的第二用户画像，包括：
27.将所述无形资产数据输入训练好的第二用户画像生成模型，得到所述无形资产数据的初始资产特征；
28.根据所述无形资产数据的初始资产特征，以及所述无形资产数据的类型对应的预设权重，得到所述无形资产数据的目标资产特征；
29.根据各所述无形资产数据的目标资产特征，得到所述企业用户的第二用户画像。
30.根据本技术的一个实施例，根据所述第一用户画像和所述第二用户画像，生成所述企业用户的目标用户画像，包括：
31.根据所述第一用户画像和所述第一用户画像对应的第一权重，得到第一特征画像；以及，
32.根据所述第二用户画像和所述第二用户画像对应的第二权重，得到第二特征画像；
33.根据所述第一特征画像和所述第二特征画像，得到所述企业用户的目标用户画像；
34.其中，所述第一权重和所述第二权重根据所述企业用户的企业类型确定。
35.根据本技术第二方面实施例的用户画像生成装置，包括：
36.资产数据获取模块，用于从多个数据源中，获取企业用户的至少一个有形资产数据和至少一个无形资产数据；
37.资产数据处理模块，用于将各所述有形资产数据输入训练好的第一用户画像生成模型，得到所述企业用户的第一用户画像，以及将各所述无形资产数据输入训练好的第二用户画像生成模型，得到所述所述企业用户的第二用户画像；
38.用户画像生成模块，用于根据所述第一用户画像和所述第二用户画像，生成所述企业用户的目标用户画像。
39.根据本技术第三方面实施例的电子设备，包括处理器和存储有计算机程序的存储器，所述处理器执行所述计算机程序时实现上述任一实施例所述的用户画像生成方法。
40.根据本技术第四方面实施例的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述的用户画像生成方法。
41.根据本技术第五方面实施例的计算机程序产品，包括：所述计算机程序被处理器执行时实现如上述任一实施例所述的用户画像生成方法。
42.本技术实施例中的上述一个或多个技术方案，至少具有如下技术效果之一：
43.通过企业用户的各有形资产数据，来得到企业用户的第一用户画像，并通过企业用户的各无形资产数据，来得到企业用户的第二用户画像，以根据第一用户画像和第二用户画像，来生成企业用户的目标用户画像，使得到的用户画像因同时考虑了企业的有形资产和无形资产而更加全面，同时由于在生成用户画像时考虑了企业的无形资产，因此可利用无形资产对用户画像的影响，来提高轻资产企业之间用户画像区分度，从而提高获取到的用户画像的置信度，进而提高利用用户画像判定企业用户的潜在投资风险的准确率。
附图说明
44.为了更清楚地说明本技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
45.图1是本技术实施例提供的用户画像生成方法的第一流程示意图；
46.图2是本技术实施例提供的用户画像生成方法的第二流程示意图；
47.图3是本技术实施例提供的用户画像生成方法的第三流程示意图；
48.图4是本技术实施例提供的用户画像生成方法的第四流程示意图；
49.图5是本技术实施例提供的用户画像生成装置的结构示意图；
50.图6是本技术实施例提供的电子设备的结构示意图。
具体实施方式
51.下面将结合附图对本技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本技术的技术方案，因此只作为示例，而不能以此来限制本技术的保护范围。
52.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同；本文中所使用的术语只是为了描述具体的实施例的目的，
不是旨在于限制本技术；本技术的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。
53.在本文中提及“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技术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。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
54.在本技术实施例的描述中，术语“多个”指的是两个以上(包括两个)，同理，“多组”指的是两组以上(包括两组)。
55.目前，越来越多金融机构会对企业用户提供投资服务，以促进经济发展。而为减少投资风险，金融机构需要针对企业用户形成用于判断企业用户的投资风险的用户画像，以根据该用户画像对企业用户的投资进行风险识别。
56.而对于企业用户的用户画像生成，可通过企业用户的银行流水、资金、产品、设备、装置以及厂房等有形资产，来生成企业用户的用户画像。然而，随着科技和经济不断进步，涌现了大量的中小微企业和互联网企业，但中小微企业或互联网企业均属于轻资产的企业用户，其通常不存在大量的有形资产，因此对于不同的中小微企业或互联网企业这些轻资产企业用户生成的用户画像基本相同，无法通过用户画像来有效地对这些轻资产企业进行区分，导致生成的用户画像的置信度差，从而无法准确地通过用户画像来识别企业用户的投资风险。
57.针对上述技术问题，本技术实施例通过企业用户的各有形资产数据，来得到企业用户的第一用户画像，并通过企业用户的各无形资产数据，来得到企业用户的第二用户画像，以根据第一用户画像和第二用户画像，来生成企业用户的目标用户画像，使得到的用户画像因同时考虑了企业的有形资产和无形资产而更加全面，同时由于在生成用户画像时考虑了企业的无形资产，因此可利用无形资产对用户画像的影响，来提高轻资产企业之间用户画像区分度，从而提高获取到的用户画像的置信度，进而提高利用用户画像判定企业用户的潜在投资风险的准确率。
58.本技术实施例公开的用户画像生成方法及装置可应用于服务器中，用于向企业的员工进行用户画像生成。其中，服务器可以是独立的服务器或者是多个服务器组成的服务器集群来实现，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能采样点设备等基础云计算服务的云服务器。
59.根据本技术的一些实施例提供的一种用户画像生成方法，该用户画像生成方法可应用于前述的服务器中。如图1所示，该用户画像生成方法包括：
60.s101，从多个数据源中，获取企业用户的至少一个有形资产数据和至少一个无形资产数据；
61.s102，根据各所述有形资产数据，得到所述企业用户的第一用户画像，以及根据各所述无形资产数据，得到所述企业用户的第二用户画像；
62.s103，根据所述第一用户画像和所述第二用户画像，生成所述企业用户的目标用户画像。
63.在一些实施例中，各数据源可以包括企业网站、工商网站、论坛以及金融机构等，
各数据源可以是多种类型的数据源，如关系型数据库、txt文件、非关系型数据库、excel文件以及sql文件，任一数据源中包括有企业用户的有形资产数据和/或无形资产数据。其中，各有形资产数据可以包括企业的资金数据、资源数据、产品数据、设备数据以及产房数据等生产要素。各无形资产数据可以包括企业的税务数据、工商数据以及舆情数据等。其中，税务数据可以是企业的纳税额，工商数据可以是企业的工商登记信息，舆情数据可以是企业的社会评价等。
64.针对第一用户画像的生成，可以是将有形资产数据，与该有形资产数据的类型对应的数据表进行匹配，以得到该有形资产数据对应的特征得分作为其目标资产特征。其中，服务器可预先存储有与各有形资产数据的类型一一对应的各数据表，如记录有与资金数据对应的数据表、与产品数据对应的数据表以及与设备数据对应的数据表等。数据表中记录有不同数据区间对应的特征得分。在获取到某个有形资产数据后，可先根据该有形资产数据对应的类型，确定对应的数据表，然后从该数据表中查找该有形资产数据对应的数据区间，从而得到该有形资产数据对应的特征得分作为其目标资产特征。在得到所有有形资产数据的目标资产特征后，即可将所有有形资产数据的目标资产特征组成第一用户画像。同理，可以得到各无形资产数据对应的特征得分作为其目标资产特征，以将所有无形资产数据的目标资产特征组成第二用户画像。
65.在得到第一用户画像和第二用户画像后，即可将第一用户画像和第二用户画像进行组合，从而得到企业用户的目标用户画像。
66.通过企业用户的各有形资产数据，来得到企业用户的第一用户画像，并通过企业用户的各无形资产数据，来得到企业用户的第二用户画像，以根据第一用户画像和第二用户画像，来生成企业用户的目标用户画像，使得到的用户画像因同时考虑了企业的有形资产和无形资产而更加全面，同时由于在生成用户画像时考虑了企业的无形资产，因此可利用无形资产对用户画像的影响，来提高轻资产企业之间用户画像区分度，从而提高获取到的用户画像的置信度，进而提高利用用户画像判定企业用户的潜在投资风险的准确率。
67.而为进一步提高获取到的用户画像的准确性，在从多个数据源中采集到至少一个有形资产数据后，还可将各有形资产数据输入训练好的第一用户画像生成模型，以得到企业用户的第一用户画像。其中，第一用户画像生成模型可以由多种类型的有形资产数据样本训练得到。第一用户画像生成模型可以包括分类子模型以及对应不同类型的多个第一数据子模型，一个第一数据子模型对应使用一个类型的有形资产数据样本进行训练。第一分类子模型和第一数据子模型可以是u-net、cnn、fcn或gan等神经网络中的任意一种。示例性的，第一用户画像生成模型可以包括用于进行数据分类的分类子模型、由资金数据样本训练得到的资金子模型、由资源数据样本训练得到的资源子模型、由产品数据样本训练得到的产品子模型、由设备数据样本训练得到的设备子模型以及由产房数据样本训练得到的产房子模型，服务器可预先获取多个类型的有形资产数据样本，如获取资金数据样本、资源数据样本、产品数据样本、设备数据样本以及产房数据样本等类型的有形资产数据样本，然后，可先利用各类型的有形资产数据样本，来训练分类子模型。如可将任一类型的有形资产数据样本，先输入分类子模型，以输出该有形资产数据样本的类型，然后根据输出的该有形资产数据样本的类型，与该有形资产数据样本的实际类型进行比较，以根据比较结果，采用梯度下降法，通过误差反向传播调整分类子模型的网络参数，再进行下一次训练，直至每次
输入有形资产数据样本后输出的类型，与本次输入的有形资产数据样本对应的实际类型相匹配，则表示完成分类子模型的训练，得到预先训练的分类子模型。
68.而针对其他第一数据子模型，则可采用对应类型的有形资产数据样本对其进行训练。如针对资金子模型，可获取所有资金数据样本输入该资金子模型进行训练，以得到训练好的资金子模型。其中，资金子模型训练过程可与上述分类子模型的训练过程相同。同理，也可得到训练好的其他第一数据子模型。
69.在完成所有第一数据子模型的训练后，可将训练好的分类子模型的输出端，与训练好的各第一数据子模型的输入端连接，如将训练好的分类子模型的输出端，与资金子模型、资源子模型、产品子模型、设备子模型以及产房子模型等子模型的输入端连接，从而得到训练好的第一用户画像生成模型。
70.在向第一用户画像生成模型输入有形资产数据后，第一用户画像生成模型会先通过第一分类子模型确定该有形资产数据的类型，然后根据该有形资产数据的类型，再将该有形资产数据，输入与该有形资产数据的类型对应的第一数据子模型中进行处理，以输出该有形资产数据对应的目标资产特征。如该有形资产数据为资金数据，例如企业的营业额，则将该资金数据输入资金子模型中，以得到该资金数据对应的目标资产特征，如特征评分。
71.在得到企业用户各有形资产数据的目标资产特征后，即可将所有有形资产数据的目标资产特征进行组合，从而形成该企业用户的第一用户画像。
72.同理，在从多个数据源中采集到至少一个无形资产数据后，可将各有形资产数据输入训练好的第二用户画像生成模型，以得到企业用户的第二用户画像。其中，第二用户画像生成模型可以由多种类型的无形资产数据样本训练得到。第二用户画像生成模型同样可以包括一个分类模型和对应不同类型的多个第二数据子模型，一个第二数据子模型对应使用一个类型的无形资产数据样本进行训练。第二分类子模型和第二数据子模型可以是u-net、cnn、fcn或gan等神经网络中的任意一种。示例性的，第二用户画像生成模型可以包括用于进行数据分类的第二分类子模型、由知识产权数据样本训练得到的知识产权子模型、由税务数据样本训练得到的税务子模型、由工商数据样本训练得到的工商子模型以及由舆论数据样本训练得到的舆论子模型，服务器可预先获取多个类型的无形资产数据样本，如获取知识产权数据样本、税务数据样本、工商数据样本以及舆论数据样本，然后，可先利用各类型的无形资产数据样本，来训练第二分类子模型，以及采用对应类型的无形资产数据样本训练对应的第二数据子模型。
73.在完成第二分类模型和所有第二数据子模型的训练后，可将训练好的第二分类子模型的输出端，与所有训练好的第二数据子模型的输入端连接，从而得到训练好的第二用户画像生成模型。这样，在向第二用户画像生成模型输入无形资产数据后，第二用户画像生成模型会先通过第二分类子模型确定该无形资产数据的类型，然后根据该无形资产数据的类型，再将该无形资产数据，输入与该无形资产数据的类型对应的第二数据子模型中进行处理，以输出该无形资产数据对应的目标资产特征。在得到企业各无形资产数据的目标资产特征后，即可将所有无形资产数据的目标资产特征进行组合，从而形成企业用户的第二用户画像。
74.在得到企业用户的第一用户画像和第二用户画像后，即可将该第一用户画像与第二用户画像进行组合，如取第一用户画像和第二用户画像的并集，形成企业用户的目标用
户画像，从而使得到的目标用户画像更为准确。
75.考虑到从不同数据源获取到的资产数据的数据格式可能不同，而不同数据格式的资产数据可能会对处理过程造成影响，从而影响用户画像的生成效率和置信度，因此，为提高用户画像的生成效率和置信度，在一些实施例中，根据各所述有形资产数据，得到所述企业用户的第一用户画像，以及根据各所述无形资产数据，得到所述企业用户的第二用户画像，包括：
76.对各所述有形资产数据进行数据格式转换，以根据同一数据格式的各所述有形资产数据，得到所述企业用户的第一用户画像；以及，
77.对各所述无形资产数据进行数据格式转换，以根据同一数据格式的各所述无形资产数据，得到所述企业用户的第二用户画像。
78.在一些实施例中，在获取到各有形资产数据后，可先按预设数据格式，如第一用户画像生成模型可处理的预设数据格式，对各有形资产数据进行数据格式转换，以将各有形资产数据的数据格式，转换至于该预设数据格式相同，从而确保对各有形资产数据的处理方式相同，如确保第一用户画像生成模型对各有形资产数据的处理方式相同，避免因数据格式不一致而影响第一用户画像的生成。同理，先按预设数据格式，如第二用户画像生成模型可处理的预设数据格式，对各无形资产数据进行数据格式转换，以将各无形资产数据的数据格式，转换至于该预设数据格式相同，从而确保对各无形资产数据的处理方式相同，如确保第二用户画像生成模型对各无形资产数据的处理方式相同，避免因数据格式不一致而影响第二用户画像的生成。其中，第一用户画像生成模型和第二用户画像生成模型可处理的预设数据格式可以相同，也可以不同。
79.为进一步提高生成的用户画像的准确性，在一些实施例中，如图2所示，所述有形资产数据包括多个时刻的有形资产；
80.根据各所述有形资产数据，得到所述企业用户的第一用户画像，包括：
81.步骤201，根据所述有形资产数据中各所述有形资产对应的时刻的时间排序，得到各所述有形资产组成的数据序列，以将所述数据序列输入训练好的第一用户画像生成模型，得到所述有形资产数据的目标资产特征；
82.步骤202，根据各所述有形资产数据的目标资产特征，得到所述企业用户的第一用户画像；
83.其中，多个所述时刻包括当前时刻和至少一个历史时刻，任意相邻两个所述时刻的间隔时长相同。
84.在一实施例中，假设当前时刻为t，则任一有形资产数据，均包括t时刻的有形资产、t-1时刻的有形资产、t-2时刻的有形资产
……
以及t-n时刻的有形资产。以时间间隔为1天为例，若当前时刻为第t天，有形资产数据为资金数据，则该资金数据包括第t天的资金、第t-1天的资金、第t-2天的资金
……
以及第t-n天的资金。
85.然后，以当前时刻的有形资产为起始点，按照各有形资产对应的时刻与当前时刻的时间间隔，从小到大对各有形资产依次进行排序，得到数据序列后，将该数据序列输入训练好的第一用户画像生成模型，以得到对应的有形资产数据的目标资产特征。
86.示例性的，以时间间隔为1天为例，若当前时刻为第t天，有形资产数据为资金数据，则将每一天的资金，按时间顺序排序组成的数据序列为：[第t天的资金、第t-1天的资
金、第t-2天得到资金
……
第t-n天的资金]。然后将该数据序列输入训练好的第一用户画像生成模型，以得到对应的有形资产数据的目标资产特征。
[0087]
而为使第一用户画像生成模型能够准确地处理由各有形资产组成的数据序列，进行第一用户画像生成模型训练的有形资产数据样本也可以包括多个历史时刻的有形资产样本，以利用多个历史时刻的有形资产样本组成的数据序列来进行训练。其中，多个历史时刻的有形资产样本组成数据序列的方式与上述多个时刻的有形资产组成数据序列的方式相同。
[0088]
在通过序列得到有形资产数据的目标资产特征后，即可根据各有形资产数据的目标资产特征，来得到企业用户的第一用户画像。
[0089]
通过有形资产数据中各有形资产对应的时刻的时间排序，得到各有形资产组成的数据序列，以利用数据序列来得到企业用户的第一用户画像，从而在生成第一用户画像时考虑了有形资产与时间的变化关系，进一步提高得到的第一用户画像的准确性。
[0090]
同理，也可根据无形资产数据中各无形资产对应的时刻的时间排序，得到各无形资产组成的数据序列，以将该数据序列输入训练好的第二用户画像生成模型，得到无形资产数据的目标资产特征，从而根据各无形资产数据的目标资产特征，得到所述企业用户的第二用户画像。
[0091]
为进一步提高得到的用户画像的准确度，在一些实施例中，如图3所示，根据所述有形资产数据中各所述有形资产对应的时刻的时间排序，将各所述有形资产依次输入训练好的第一用户画像生成模型，得到所述形资产数据的目标资产特征，包括：
[0092]
步骤301，根据所述有形资产数据中各所述有形资产对应的时刻的时间排序，将各所述有形资产依次输入训练好的第一用户画像生成模型，得到所述有形资产数据的初始资产特征；
[0093]
步骤302，根据所述有形资产数据的初始资产特征，以及所述有形资产数据的类型对应的预设权重，得到所述有形资产数据的目标资产特征。
[0094]
在一些实施例中，针对不同有形资产数据的类型，服务器可预先配置有对应的预设权重。其中，预设权重可根据实际情况进行设定，如根据金融机构的侧重进行设定。在将有形资产数据的各有形资产组成的数据序列，输入到训练好的第一用户画像生成模型后，可将第一用户画像生成模型的输出结果作为该有形资产数据的初始资产特征。同时，可根据该有形资产数据的类型，在服务器中查找与该有形资产数据对应的预设权重。在得到该有形资产数据的初始资产特征以及其对应的预设权重后，即可根据该有形资产数据的初始资产特征以及其对应的预设权重，得到有形资产数据的目标资产特征。这样，便可使最终利用各有形资产数据的目标资产特征得到的第一用户画像，能够更符合实际情况，从而提高最终得到的目标用户画像的准确度。
[0095]
同理，如图4所示，根据各所述无形资产数据，得到所述企业用户的第二用户画像，包括：
[0096]
步骤401，将所述无形资产数据输入训练好的第二用户画像生成模型，得到所述无形资产数据的初始资产特征；
[0097]
步骤402，根据所述无形资产数据的初始资产特征，以及所述无形资产数据的类型对应的预设权重，得到所述无形资产数据的目标资产特征；
[0098]
步骤403，根据各所述无形资产数据的目标资产特征，得到所述企业用户的第二用户画像。
[0099]
在一些实施例中，针对不同无形资产数据的类型，服务器也可预先配置有对应的预设权重。在将无形资产数据输入到训练好的第一用户画像生成模型后，可将第一用户画像生成模型的输出结果作为该无形资产数据的初始资产特征。同时，可根据该无形资产数据的类型，在服务器中查找与该无形资产数据对应的预设权重。在得到该无形资产数据的初始资产特征以及其对应的预设权重后，即可根据该无形资产数据的初始资产特征以及其对应的预设权重，得到无形资产数据的目标资产特征。这样，便可使最终利用各无形资产数据的目标资产特征得到的第二用户画像，能够更符合实际情况，从而提高最终得到的目标用户画像的准确度。
[0100]
考虑到不同类型的企业，其有形资产和无形资产的占比不同。如重资产类型的企业，其有形资产占比更多，而对于轻资产类型的企业，通常是无形资产占比更多。因此，为能够更准确地得到企业的用户画像，在一些实施例中，根据所述第一用户画像和所述第二用户画像，生成所述企业用户的目标用户画像，包括：
[0101]
根据所述第一用户画像和所述第一用户画像对应的第一权重，得到第一特征画像；以及，
[0102]
根据所述第二用户画像和所述第二用户画像对应的第二权重，得到第二特征画像；
[0103]
根据所述第一特征画像和所述第二特征画像，得到所述企业用户的目标用户画像；
[0104]
其中，所述第一权重和所述第二权重根据所述企业用户的企业类型确定。
[0105]
在一些实施例中，企业类型可以包括轻资产类型和重资产类型。不同的企业类型，针对其第一用户画像和第二用户画像可预先设定有不同的第一权重和第二权重。如企业类型为轻资产类型的企业用户，重点需关注其无形资产，因此其第一用户画像对应的第一权重，要小于其第二用户画像对应的第二权重。而对于企业类型为重资产类型的企业用户，重点需关注其有形资产，因此其第一用户画像对应的第一权重，要大于其第二用户画像对应的第二权重。
[0106]
在根据企业用户的企业类型，确定其第一用户画像对应的第一权重，以及其第二用户画像对应的第二权重后，即可根据第一用户画像和第一用户画像对应的第一权重，来得到第一特征画像，同理，可根据第二用户画像对应的第二权重，来得到第二特征画像。在得到第一第一特征画像和第二特征画像后，即可将两者进行组合，从而得到该企业用户的目标用户画像。
[0107]
示例性的，假设第一用户画像为有形资产的评分，第二用户画像为无形资产的评分，则可根据该有形资产的评分和对应的第一权重，得到对应的第一特征评分，以及根据该无形资产的评分和对应的第二权重，得到对应的第二特征评分。然后，将该第一特征评分和第二特征评分相加，即可得到企业用户的总评分，以利用该总评分，从记录有各评分区间与各用户画像的对应关系的数据表中，查找与该总评分所属的评分区间，从而从该数据表中确定该总评分对应的用户画像作为目标用户画像。其中，数据表中的用户画像可以是用户的投资风险等级，如1-5级，1级表示投资风险最高，5级表示投资风险最低。
[0108]
下面对本技术提供的用户画像生成装置进行描述，下文描述的用户画像生成装置与上文描述的用户画像生成方法可相互对应参照。
[0109]
在一实施例中，如图5所示，提供了一种用户画像生成装置，包括：
[0110]
资产数据获取模块210，用于从多个数据源中，获取企业用户的至少一个有形资产数据和至少一个无形资产数据；
[0111]
资产数据处理模块220，用于将各所述有形资产数据输入训练好的第一用户画像生成模型，得到所述企业用户的第一用户画像，以及将各所述无形资产数据输入训练好的第二用户画像生成模型，得到所述所述企业用户的第二用户画像；
[0112]
用户画像生成模块230，用于根据所述第一用户画像和所述第二用户画像，生成所述企业用户的目标用户画像。
[0113]
通过企业用户的各有形资产数据，来得到企业用户的第一用户画像，并通过企业用户的各无形资产数据，来得到企业用户的第二用户画像，以根据第一用户画像和第二用户画像，来生成企业用户的目标用户画像，使得到的用户画像因同时考虑了企业的有形资产和无形资产而更加全面，同时由于在生成用户画像时考虑了企业的无形资产，因此可利用无形资产对用户画像的影响，来提高轻资产企业之间用户画像区分度，从而提高获取到的用户画像的置信度，进而提高利用用户画像判定企业用户的潜在投资风险的准确率。
[0114]
在一实施例中，资产数据处理模块220具体用于：
[0115]
将各所述有形资产数据输入训练好的第一用户画像生成模型，得到所述企业用户的第一用户画像；以及，
[0116]
将各所述无形资产数据输入训练好的第二用户画像生成模型，得到所述企业用户的第二用户画像。
[0117]
在一实施例中，资产数据处理模块220具体用于：
[0118]
对各所述有形资产数据进行数据格式转换，以根据同一数据格式的各所述有形资产数据，得到所述企业用户的第一用户画像；以及，
[0119]
对各所述无形资产数据进行数据格式转换，以根据同一数据格式的各所述无形资产数据，得到所述企业用户的第二用户画像。
[0120]
在一实施例中，所述有形资产数据包括多个时刻的有形资产；
[0121]
资产数据处理模块220具体用于：
[0122]
根据所述有形资产数据中各所述有形资产对应的时刻的时间排序，得到各所述有形资产组成的数据序列，以将所述数据序列输入训练好的第一用户画像生成模型，得到所述有形资产数据的目标资产特征；
[0123]
根据各所述有形资产数据的目标资产特征，得到所述企业用户的第一用户画像；
[0124]
其中，多个所述时刻包括当前时刻和至少一个历史时刻，任意相邻两个所述时刻的间隔时长相同。
[0125]
在一实施例中，资产数据处理模块220具体用于：
[0126]
根据所述有形资产数据中各所述有形资产对应的时刻的时间排序，得到各所述有形资产组成的数据序列，以将所述数据序列输入训练好的第一用户画像生成模型，得到所述有形资产数据的初始资产特征；
[0127]
根据所述有形资产数据的初始资产特征，以及所述有形资产数据的类型对应的预
设权重，得到所述有形资产数据的目标资产特征。
[0128]
在一实施例中，资产数据处理模块220具体用于：
[0129]
将所述无形资产数据输入训练好的第二用户画像生成模型，得到所述无形资产数据的初始资产特征；
[0130]
根据所述无形资产数据的初始资产特征，以及所述无形资产数据的类型对应的预设权重，得到所述无形资产数据的目标资产特征；
[0131]
根据各所述无形资产数据的目标资产特征，得到所述企业用户的第二用户画像。
[0132]
在一实施例中，用户画像生成模块230具体用于：
[0133]
根据所述第一用户画像和所述第一用户画像对应的第一权重，得到第一特征画像；以及，
[0134]
根据所述第二用户画像和所述第二用户画像对应的第二权重，得到第二特征画像；
[0135]
根据所述第一特征画像和所述第二特征画像，得到所述企业用户的目标用户画像；
[0136]
其中，所述第一权重和所述第二权重根据所述企业用户的企业类型确定。
[0137]
图6示例了一种电子设备的实体结构示意图，如图6所示，该电子设备可以包括：处理器(processor)810、通信接口(communication interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的计算机程序，以执行用户画像生成方法，例如包括：
[0138]
从多个数据源中，获取企业用户的至少一个有形资产数据和至少一个无形资产数据；
[0139]
根据各所述有形资产数据，得到所述企业用户的第一用户画像，以及根据各所述无形资产数据，得到所述企业用户的第二用户画像；
[0140]
根据所述第一用户画像和所述第二用户画像，生成所述企业用户的目标用户画像。
[0141]
此外，上述的存储器830中的逻辑指令可以通过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，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0142]
另一方面，本技术实施例还提供一种处理器可读存储介质，处理器可读存储介质存储有计算机程序，计算机程序用于使处理器执行上述各实施例提供的方法，例如包括：
[0143]
从多个数据源中，获取企业用户的至少一个有形资产数据和至少一个无形资产数据；
[0144]
根据各所述有形资产数据，得到所述企业用户的第一用户画像，以及根据各所述无形资产数据，得到所述企业用户的第二用户画像；
[0145]
根据所述第一用户画像和所述第二用户画像，生成所述企业用户的目标用户画像。
[0146]
处理器可读存储介质可以是处理器能够存取的任何可用介质或用户画像生成设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nand flash)、固态硬盘(ssd))等。
[0147]
以上所描述的装置实施例仅仅是示意性的，其中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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0148]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0149]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。

技术特征：
1.一种用户画像生成方法，其特征在于，包括：从多个数据源中，获取企业用户的至少一个有形资产数据和至少一个无形资产数据；根据各所述有形资产数据，得到所述企业用户的第一用户画像，以及根据各所述无形资产数据，得到所述企业用户的第二用户画像；根据所述第一用户画像和所述第二用户画像，生成所述企业用户的目标用户画像。2.根据权利要求1所述的用户画像生成方法，其特征在于，根据各所述有形资产数据，得到所述企业用户的第一用户画像，以及根据各所述无形资产数据，得到所述企业用户的第二用户画像，包括：将各所述有形资产数据输入训练好的第一用户画像生成模型，得到所述企业用户的第一用户画像；以及，将各所述无形资产数据输入训练好的第二用户画像生成模型，得到所述企业用户的第二用户画像。3.根据权利要求1或2所述的用户画像生成方法，其特征在于，根据各所述有形资产数据，得到所述企业用户的第一用户画像，以及根据各所述无形资产数据，得到所述企业用户的第二用户画像，包括：对各所述有形资产数据进行数据格式转换，以根据同一数据格式的各所述有形资产数据，得到所述企业用户的第一用户画像；以及，对各所述无形资产数据进行数据格式转换，以根据同一数据格式的各所述无形资产数据，得到所述企业用户的第二用户画像。4.根据权利要求1或2所述的用户画像生成方法，其特征在于，所述有形资产数据包括多个时刻的有形资产；根据各所述有形资产数据，得到所述企业用户的第一用户画像，包括：根据所述有形资产数据中各所述有形资产对应的时刻的时间排序，得到各所述有形资产组成的数据序列，以将所述数据序列输入训练好的第一用户画像生成模型，得到所述有形资产数据的目标资产特征；根据各所述有形资产数据的目标资产特征，得到所述企业用户的第一用户画像；其中，多个所述时刻包括当前时刻和至少一个历史时刻，任意相邻两个所述时刻的间隔时长相同。5.根据权利要求4所述的用户画像生成方法，其特征在于，根据所述有形资产数据中各所述有形资产对应的时刻的时间排序，将各所述有形资产依次输入训练好的第一用户画像生成模型，得到所述形资产数据的目标资产特征，包括：根据所述有形资产数据中各所述有形资产对应的时刻的时间排序，得到各所述有形资产组成的数据序列，以将所述数据序列输入训练好的第一用户画像生成模型，得到所述有形资产数据的初始资产特征；根据所述有形资产数据的初始资产特征，以及所述有形资产数据的类型对应的预设权重，得到所述有形资产数据的目标资产特征。6.根据权利要求1、2或5所述的用户画像生成方法，其特征在于，根据各所述无形资产数据，得到所述企业用户的第二用户画像，包括：将所述无形资产数据输入训练好的第二用户画像生成模型，得到所述无形资产数据的
初始资产特征；根据所述无形资产数据的初始资产特征，以及所述无形资产数据的类型对应的预设权重，得到所述无形资产数据的目标资产特征；根据各所述无形资产数据的目标资产特征，得到所述企业用户的第二用户画像。7.根据权利要求1、2或5所述的用户画像生成方法，其特征在于，根据所述第一用户画像和所述第二用户画像，生成所述企业用户的目标用户画像，包括：根据所述第一用户画像和所述第一用户画像对应的第一权重，得到第一特征画像；以及，根据所述第二用户画像和所述第二用户画像对应的第二权重，得到第二特征画像；根据所述第一特征画像和所述第二特征画像，得到所述企业用户的目标用户画像；其中，所述第一权重和所述第二权重根据所述企业用户的企业类型确定。8.一种用户画像生成装置，其特征在于，包括：资产数据获取模块，用于从多个数据源中，获取企业用户的至少一个有形资产数据和至少一个无形资产数据；资产数据处理模块，用于将各所述有形资产数据输入训练好的第一用户画像生成模型，得到所述企业用户的第一用户画像，以及将各所述无形资产数据输入训练好的第二用户画像生成模型，得到所述所述企业用户的第二用户画像；用户画像生成模块，用于根据所述第一用户画像和所述第二用户画像，生成所述企业用户的目标用户画像。9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的用户画像生成方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的用户画像生成方法。

技术总结
本申请涉及用户画像技术领域，提供一种用户画像生成方法及装置。所述方法包括：从多个数据源中，获取企业用户的至少一个有形资产数据和至少一个无形资产数据；根据各所述有形资产数据，得到所述企业用户的第一用户画像，以及根据各所述无形资产数据，得到所述企业用户的第二用户画像；根据所述第一用户画像和所述第二用户画像，生成所述企业用户的目标用户画像。本申请实施例提供的用户画像生成方法能够提高获取到的用户画像的置信度。提高获取到的用户画像的置信度。提高获取到的用户画像的置信度。


技术研发人员：刘祖泽 田鸥
受保护的技术使用者：平安银行股份有限公司
技术研发日：2023.06.15
技术公布日：2023/9/12