CN107944481B - 用于生成信息的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：采集目标用户的特征信息，并将所采集的特征信息划分为至少两个维度，其中，特征信息包括用户信息和用户行为信息；从多个维度中选取与目标业务类型相关的维度；基于对所选取的维度中的特征信息的聚类分析，生成目标数目的特征信息集合。该实施方式通过利用目标用户的特征信息可以生成任一业务类型用户对应的特征信息集合，提高了信息生成方法的通用性。

Description

用于生成信息的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于生成信息的方法和装置。

背景技术

不同业务对不同的用户群需要提供个性化的信息推送等服务，因此，不同业务在为用户群提供信息推送等服务之前，必须要对用户群有一个了解。为了实现各行业对用户群的了解，我们往往需要借助用户的用户信息和用户行为信息等方面的特征信息，并对用户的特征信息进行集合划分，从而实现为用户提供个性化的服务和产品。现有技术中，通常需要通过设计与业务类型相关的人群问卷或在相关网站进行埋点等方式获取用户的特征信息来生成用户的特征信息集合。并且对于不同类型的业务，通常需要采用不同的人群问卷或网站埋点获取用户的特征信息来生成用户的特征信息集合。

发明内容

本申请实施例提出了用于生成信息的方法和装置。

第一方面，本申请实施例提供了一种用于生成信息的方法，该方法包括：采集目标用户的特征信息，并将所采集的特征信息划分为至少两个维度，其中，特征信息包括用户信息和用户行为信息；从多个维度中选取与目标业务类型相关的维度；基于对所选取的维度中的特征信息的聚类分析，生成目标数目的特征信息集合。

在一些实施例中，方法还包括：分析各特征信息集合中的特征信息，确定各特征信息集合的区别特征信息，其中，区别特征信息用于区别所采集的特征信息和特征信息集合。

在一些实施例中，基于对所选取的维度中的特征信息的聚类分析，生成目标数目的特征信息集合，包括：设置K值，其中，K为预设的特征信息集合的个数，且K为正整数；基于K值，执行如下聚类步骤：利用K值作为聚类算法的初始值对所选取的维度中的特征信息进行聚类分析，生成M个特征信息集合，其中，M为正整数；如果M≥K-N，则确定特征信息集合的目标数目为M，其中，N为预先设置的可容忍缺失的特征信息集合的个数，且N为正整数；如果M＜K-N，则将K+1作为K值继续执行聚类步骤。

在一些实施例中，分析各特征信息集合中的特征信息，确定各特征信息集合的区别特征信息，包括：分别为各特征信息集合建立用户画像群，并根据特征信息集合中的特征信息对各用户画像群中的用户画像进行多维度描述；确定每个用户画像群中具有第一维度的特征信息的用户画像数量在该用户画像群中所占的第一比例，其中，第一维度为用户画像描述的任一维度；确定各目标用户中具有第一维度的特征信息的用户数量在各目标用户中所占的第二比例；计算第二比例与第一比例的比值，并按照比值从大到小的顺序排列各特征信息集合生成特征信息集合队列；从特征信息集合队列中依次获取第一预设数目的特征信息集合，将第一维度的特征信息作为所获取的特征信息集合的区别特征信息。

在一些实施例中，方法还包括：确定第一用户画像群中兴趣维度的特征信息的用户画像数量在该第一用户画像群中所占的第三比例，其中，第一用户画像群为任一用户画像群；响应于判断出第三比例大于预设阈值，则确定该兴趣维度的特征信息为第一用户画像群对应的特征信息集合的区别特征信息。

在一些实施例中，方法还包括：对所采集的特征信息进行聚类分析，得到多个预留特征信息集合，确定各预留特征信息集合的标签；根据任一特征信息集合与各预留特征信息集合的相似度，确定该特征信息集合的标签。

第二方面，本申请实施例提供了一种用于生成信息的装置，装置包括：采集单元，配置用于采集目标用户的特征信息，并将所采集的特征信息划分为至少两个维度，其中，特征信息包括用户信息和用户行为信息；选取单元，配置用于从多个维度中选取与目标业务类型相关的维度；聚类单元，配置用于基于对所选取的维度中的特征信息的聚类分析，生成目标数目的特征信息集合。

在一些实施例中，装置还包括：确定单元，配置用于分析各特征信息集合中的特征信息，确定各特征信息集合的区别特征信息，其中，区别特征信息用于区别所采集的特征信息和特征信息集合。

在一些实施例中，聚类单元包括：设置模块，配置用于设置K值，其中，K为预设的特征信息集合的个数，且K为正整数；第一执行模块，配置用于基于K值，执行如下聚类步骤：利用K值作为聚类算法的初始值对所选取的维度中的特征信息进行聚类分析，生成M个特征信息集合，其中，M为正整数；如果M≥K-N，则确定特征信息集合的目标数目为M，其中，N为预先设置的可容忍缺失的特征信息集合的个数，且N为正整数；第二执行模块，配置用于如果M＜K-N，则将K+1作为K值继续执行聚类步骤。

在一些实施例中，确定单元具体配置用于：分别为各特征信息集合建立用户画像群，并根据特征信息集合中的特征信息对各用户画像群中的用户画像进行多维度描述；确定每个用户画像群中具有第一维度的特征信息的用户画像数量在该用户画像群中所占的第一比例，其中，第一维度为用户画像描述的任一维度；确定各目标用户中具有第一维度的特征信息的用户数量在各目标用户中所占的第二比例；计算第二比例与第一比例的比值，并按照比值从大到小的顺序排列各特征信息集合生成特征信息集合队列；从特征信息集合队列中依次获取第一预设数目的特征信息集合，将第一维度的特征信息作为所获取的特征信息集合的区别特征信息。

在一些实施例中，确定单元进一步配置用于：确定第一用户画像群中兴趣维度的特征信息的用户画像数量在该第一用户画像群中所占的第三比例，其中，第一用户画像群为任一用户画像群；响应于判断出第三比例大于预设阈值，则确定该兴趣维度的特征信息为第一用户画像群对应的特征信息集合的区别特征信息。

在一些实施例中，装置还包括标签设置单元，配置用于：对所采集的特征信息进行聚类分析，得到多个预留特征信息集合，确定各预留特征信息集合的标签；根据任一特征信息集合与各预留特征信息集合的相似度，确定该特征信息集合的标签。

本申请实施例提供的用于生成信息的方法和装置，通过采集所有目标用户的用户信息和用户行为信息作为特征信息，之后对采集到的特征信息进行维度划分，而后从各维度中获取与目标业务类型相关的维度，最后对所获取维度的特征信息进行聚类分析可以得到目标数目的特征信息集合，从而通过有效地利用目标用户的特征信息，实现生成任意业务类型的特征信息集合的目的，提高了生成信息方法的通用性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于生成信息的方法的一个实施例的流程图；

图3是根据本申请的用于生成信息的方法的一个应用场景的示意图；

图4是根据本申请的用于生成信息的的又一个实施例的流程图；

图5是根据本申请的用于生成信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于生成信息的方法或用于生成信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持用户网页浏览、网上支付等操作的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(MovingPicture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对从终端设备101、102、103上收集到的用户行为信息等进行聚类分析的后台服务器。并且，后台服务器还可以将聚类分析等处理的结果反馈给终端设备101、102、103。

需要说明的是，本申请实施例所提供的用于生成信息的方法一般由服务器105执行，相应地，用于生成信息的装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法，包括以下步骤：

步骤201，采集目标用户的特征信息，并将所采集的特征信息划分为至少两个维度。

在本实施例中，用于生成信息的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从目标用户利用其进行网页浏览、网上支付、用户注册等操作的终端设备收集目标用户的用户信息和用户行为信息，其中，用户信息和用户行为信息可以为用户的特征信息。这里，目标用户可以为使用终端设备上安装的某一个或多个应用(如，搜索类应用、购物类应用等)的所有的用户。通常，当用户利用终端上安装的应用进行网页浏览、网站注册、网上支付等操作时，上述电子设备可以从终端设备获取用户的昵称、年龄、性别、地理位置等用户信息，以及获取用户的消费水平、用户偏好、兴趣等用户行为信息。而后，上述电子设备可以对采集到的目标用户的特征信息进行多维度的划分，从而将所采集到的特征信息划分为至少两个维度。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultrawideband)连接、以及其他现在已知或将来开发的无线连接方式。

通常，上述电子设备可以对全网用户的特征信息进行高维度的划分，例如，电子设备可以根据业务类型的不同和业务类型中所包含的类别的不同目标将目标用户的特征信息划分为10万维高维特征，其中，高维特征可以包括汽车美容、汽车销售、汽车保养、二手车等维度。上述电子设备还可以对全网用户的特征信息进行低维度的划分，例如，电子设备可以根据业务类型的不同将目标用户的特征信息划分为2000维低维特征，其中，低维特征可以包括汽车、金融、零售等维度。在实践中，本领域技术人员可以根据不同业务类型的实际的需求对采集到的目标用户的特征信息进行维度的划分，这里没有唯一的限定。

步骤202，从多个维度中选取与目标业务类型相关的维度。

在本实施例中，基于步骤201划分的至少两个维度，上述电子设备可以根据目标业务类型的实际业务场景获取该目标业务类型的业务信息，利用该目标业务的业务信息通过各种手段对所划分的各维度进行筛选，从而获取与目标业务类型相关的维度，进而确定所获取维度中的特征信息。作为示例，上述目标业务类型可以为汽车业务，上述电子设备可以在其所划分的各维度中进行汽车类的业务信息的匹配，从而筛选出与汽车业务相关的汽车美容、汽车销售、汽车保养、二手车等维度。可见，上述电子设备可以通过采集目标用户的特征信息进行多维度的划分来自动地获取各个不同业务类型的特征信息。

步骤203，基于对所选取的维度中的特征信息的聚类分析，生成目标数目的特征信息集合。

在本实施例中，基于步骤202选取的与目标业务类型相关的维度，上述电子设备可以获取与目标业务类型相关的维度中的特征信息。而后，上述电子设备可以通过对所获取的维度中的特征信息进行聚类分析，生成目标数目的特征信息集合。通常，聚类分析可以将相同或相似的对象划分成一个群体。因此，通过对与目标业务类型相关的特征信息进行聚类分析，可以实现根据特征信息的相似性将目标用户的特征信息分成若干个集合，其中，每个集合即为一个特征信息集合。可见，上述电子设备可以利用该方法实现对任一业务类型的用户的特征信息进行聚类，而不需要针对不同的业务类型单独进行特征信息聚类处理，该方法的通用性强。

通常，对目标业务类型的相关特征信息进行细分后，可以得到若干个特征信息集合，同一特征信息集合对应的目标用户之间特征极为相似，不同特征信息集合对应的目标用户之间特征存在很大的差别。因此，在向用户进行信息推送等时，可以将同一特征信息集合对应的用户作为同一整体，从而增强信息推送等的针对性。

继续参见图3，图3是根据本实施例的用于生成信息方法的应用场景的一个示意图。在图3的应用场景中，将汽车业务作为目标业务类型，对其用户群进行细分。首先，后台服务器可以采集目标用户的特征信息并对其进行维度划分；之后，从各维度中筛选出与汽车业务相关的汽车美容、汽车销售、汽车保养、二手车等维度，并且所筛选出的各维度中可以包括用户的昵称、性别、年龄、居住小区档次等用户信息，以及汽车关注品牌、汽车保养频率等用户行为信息；而后，后台服务器可以对所筛选出的各维度的特征信息进行聚类分析，从而可以将与汽车业务相关的目标用户的特征信息划分为多个特征信息集合。这里，为了区别生成的各特征信息集合，可以为各特征信息集合分别命名为“汽车发烧友”、“理性消费群”、“社交驱动群”、“伪玩车用户群”和“其它”等，如图3所示

本申请的上述实施例提供的用于生成信息的方法，通过采集目标用户的用户信息和用户行为信息作为特征信息，之后对采集到的特征信息进行维度划分，而后从各维度中获取与目标业务类型相关的维度，最后基于对所选取的维度中的特征信息的聚类分析可以生成目标数目的特征信息集合，从而有效地利用目标的特征信息，实现了对任意目标业务类型的特征信息进行细分生成特征信息集合的目的，提高了生成信息方法的通用性。

接下来请参考图4，其示出了根据本实施例的用于生成信息的方法的另一实施例的流程400。本实施例中的用于生成信息的方法可以包括如下步骤：

步骤401，采集目标用户的特征信息，并将所采集的特征信息划分为至少两个维度。

在本实施例中，用于生成信息的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从目标用户利用其进行网页浏览、网上支付、用户注册等操作的终端设备收集目标用户的用户信息和用户行为信息，其中，用户信息和用户行为信息可以为用户的特征信息。而后，上述电子设备可以对采集到的目标用户的特征信息进行多维度的划分，从而将所采集到的特征信息划分为至少两个维度。

步骤402，从多个维度中选取与目标业务类型相关的维度。

在本实施例中，基于步骤401划分的至少两个维度，上述电子设备可以根据目标业务类型的实际业务场景获取该目标业务类型的业务信息，利用该目标业务的业务信息通过各种手段对所划分的各维度进行筛选，从而获取与目标业务类型相关的维度，进而确定所获取维度中的特征信息。

步骤403，设置K值。

在本实施例中，基于步骤402选取的与目标业务类型相关的维度，上述电子设备可以对所选取的维度中的特征信息进行聚类处理。具体地，上述电子设备可以预先设置聚类算法的K值，该K值可以表示预设的特征信息集合的个数。通常，K值可以根据目标业务类型的实际需求设定，例如，汽车业务需要将其的用户划分为10个群，则该K值可以设置为10，即最终利用所选取的维度的特征信息生成10个特征信息集合。或者，K值还可以根据与目标业务类型的相关的总用户的数量来确定，例如，汽车业务对应的用户的数量大于100万，此时可以将K值设为20。这里的K可以为正整数。

步骤404，利用K值作为聚类算法的初始值对所选取的维度中的特征信息进行聚类分析，生成M个特征信息集合。

在本实施例中，基于步骤403设置的K值，上述电子设备可以将其作为聚类算法的初始值，对与目标业务类型相关的维度中的特征信息进行聚类分析，从而可以生成M个特征信息集合。该步骤可以实现使得每个特征信息集合中的特征信息可最大化的相似。这里的M可以为正整数。上述目标业务类型预设的特征信息集合的数目K与聚类分析生成的最终特征信息集合的数目M可以不相同，此时上述电子设备需要对生成的特征信息集合的数目M和预设的特征信息集合的数目K进行比较处理。

步骤405，判断M≥K-N是否成立。

在本实施例中，在对与目标业务类型相关的维度中的特征信息聚类时，其需要生成的特征信息集合的目标数目可以为一个范围。因此，在对与目标业务类型相关的维度中的特征信息聚类时，上述电子设备在预设的特征信息集合的个数K的基础上，可以预先设置一个可容忍缺失的特征信息集合的个数N。基于步骤404生成的M个特征信息集合，上述电子设备可以判断M是否在K值可容忍缺失的特征信息集合的个数的范围内。即，上述电子设备可以判断M≥K-N是否成立，如果成立，则可以转到步骤406；如果不成立，则可以转到步骤407。

步骤406，确定特征信息集合的目标数目为M。

在本实施例中，基于步骤405确定的M≥K-N成立，则上述电子设备则可以确定聚类生成的特征信息集合的数目M在K值可容忍缺失的特征信息集合的个数的范围内。例如，对于目标业务类型需要生成8～10个特征信息集合，K值可以设置为10，此时可容忍缺失的特征信息集合的个数N可以为2，当生成的特征信息集合的数目M为8个、9个或10个时，生成的特征信息集合的数目M均在可容忍缺失的特征信息集合的个数的范围内。

步骤407，将K+1作为K值。

在本实施例中，基于步骤405确定的M≥K-N不成立，即M＜K-N，上述电子设备则可以确定聚类分析生成的特征信息集合的个数M不在K值可容忍缺失的特征信息集合的个数的范围内。此时需要重新调整聚类算法的K值。具体地，当M＜K-N时，可以将原始的K值加1重新作为K值进行聚类运算，即将K+1作为K值循环地执行步骤404，直到确定M≥K-N。从而使得最终生成的特征信息集合的个数M在可容忍缺失的特征信息集合的个数的范围内，得到目标数目的特征信息集合。

步骤408，分析各特征信息集合中的特征信息，确定各特征信息集合的区别特征信息。

在本实施例中，对于生成的目标数目的特征信息集合，上述电子设备还可以对各特征信息集合中的特征信息进行分析或解释，并从中确定出每个特征信息集合的区别特征信息。这里，区别特征信息可以将电子设备所采集的特征信息与特征信息集合区别开来。例如，对于任一特征信息集合，其中某一特征信息在该特征信息集合中所占的比例极大，而电子设备所采集的特征信息中该特征信息所占的比例极小，此时该特征信息可以将该特征信息集合与电子设备所采集的特征信息区别开来，该特征信息即为上述特征信息集合的区别特征信息。该步骤可以确定出特征信息集合所特有的区别特征信息，目标业务类型可以根据其所特有的区别特征信息为该特征信息集合对应的用户推送定制化信息等。

在本实施的一些可选的实现方式中，为了确定各特征信息集合的区别特征信息，上述电子设备可以首先为分别各特征信息集合建立用户画像群。该用户画像群可以理解为建立在各特征信息集合中的特征信息基础之上的用户目标模型的群。因此，上述电子设备在建立各用户画像群后可以根据特征信息集合中的特征信息对各用户画像群中的用户画像进行多维度描述。这里的维度可以包括常见的人口属性、设备信息、地理位置和兴趣等维度。

在本实施的一些可选的实现方式中，上述电子设备还可以对各用户画像群中用户画像的每个维度进行分析。具体地，上述电子设备可以在每个用户画像群中确定具有第一维度的特征信息的用户画像数量c，以及在所有目标用户中确定具有第一维度的特征信息的用户数量d；之后，确定各用户画像群中用户画像的总数量e，以及确定所有目标用户的总数量f；而后，计算每个用户画像群中具有第一维度的特征信息的用户画像数量c在其所在的用户画像群的总数量e中所占的第一比例g的值，g＝c/e，以及计算所有目标用户中具有第一维度的特征信息的用户数量d在所有目标用户的总量f中所占的第二比例h的值，h＝d/f；最后，上述电子设备可以计算各第二比例h和第一比例g的比值，并将各特征信息集合按照所计算出的比值从大到小的顺序依次排列，形成一特征信息集合队列，上述电子设备可以从该特征信息集合队列中选取前a个比值对应的特征信息集合，这里的a可以为第一预设数目。上述第一维度的特征信息可以作为所选取的a个特征信息集合的区别特征信息。上述第一维度可以为群体用户画像描述的任一维度。

在本实施的一些可选的实现方式中，对于用户画像群中的兴趣维度，上述电子设备可以采用如下方法确定特征信息集合兴趣维度的区别特征信息：首先，上述电子设备可以在第一用户画像群中确定具有兴趣维度的特征信息的用户画像数量x；而后，可以确定该第一用户画像群中总用户画像的数量y，并计算第一用户画像群中具有兴趣维度的特征信息的用户画像的数量在该第一用户画像群的总数中所占的第三比例z的值，z＝x/y；最后，判断该第三比例z是否大于预设阈值b，并在第三比例z大于预设阈值b时可以确定该兴趣维度的特征信息为第一用户画像群对应的特征信息集合的区别特征信息。

在本实施例的一些可选的实现方式中，上述电子设备在采集所有目标用户的特征信息之后，还可以直接对所采集的特征信息进行聚类分析，得到多个预留特征信息集合。而后，可以确定各预留特征信息集合对应的标签。最后，可以将任一特征信息集合与各预留特征信息集合进行相似度计算，并获取与该特征信息集合相似度最大的预留特征信息集合的标签。上述电子设备可以将所获取的预留特征信息集合的标签作为该特征信息集合的标签。此步骤可以实现直接利用已设置完成的大量的预留特征信息集合的标签为各特征信息集合设置标签，该为特征信息集合设置标签的方法简单，通用性强。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于生成信息的方法的流程400突出了对目标业务类型对应的特征信息聚类分析的步骤。由此，本实施例描述的方案可以根据业务的需求生成合理数目的特征信息集合。进一步地，本实施例中的用于生成信息的方法的流程400可以自动地完成对目标业务类型的相关特征信息的选取、聚类和分析等步骤，降低了人力成本。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于生成信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于生成信息的装置500包括：采集单元501、选取单元502和聚类单元503。其中，采集单元501配置用于采集目标用户的特征信息，并将所采集的特征信息划分为至少两个维度，其中，特征信息包括用户信息和用户行为信息；选取单元502配置用于从多个维度中选取与目标业务类型相关的维度；聚类单元503配置用于基于对所选取的维度中的特征信息的聚类分析，生成目标数目的特征信息集合。

在本实施例的一些可选的实现方式中，用于生成信息的装置500还包括：确定单元，配置用于分析各特征信息集合中的特征信息，确定各特征信息集合的区别特征信息，其中，区别特征信息用于区别所采集的特征信息和特征信息集合。

在本实施例的一些可选的实现方式中，聚类单元503包括：设置模块，配置用于设置K值，其中，K为预设的特征信息集合的个数，且K为正整数；第一执行模块，配置用于基于K值，执行如下聚类步骤：利用K值作为聚类算法的初始值对所选取的维度中的特征信息进行聚类分析，生成M个特征信息集合，其中，M为正整数；如果M≥K-N，则确定特征信息集合的目标数目为M，其中，N为预先设置的可容忍缺失的特征信息集合的个数，且N为正整数；第二执行模块，配置用于如果M＜K-N，则将K+1作为K值继续执行聚类步骤。

在本实施例的一些可选的实现方式中，确定单元具体配置用于：分别为各特征信息集合建立用户画像群，并根据特征信息集合中的特征信息对各用户画像群中的用户画像进行多维度描述；确定每个用户画像群中具有第一维度的特征信息的用户画像数量在该用户画像群中所占的第一比例，其中，第一维度为用户画像描述的任一维度；确定各目标用户中具有第一维度的特征信息的用户数量在各目标用户中所占的第二比例；计算第二比例与第一比例的比值，并按照比值从大到小的顺序排列各特征信息集合生成特征信息集合队列；从特征信息集合队列中依次获取第一预设数目的特征信息集合，将第一维度的特征信息作为所获取的特征信息集合的区别特征信息。

在本实施例的一些可选的实现方式中，确定单元进一步配置用于：确定第一用户画像群中兴趣维度的特征信息的用户画像数量在该第一用户画像群中所占的第三比例，其中，第一用户画像群为任一用户画像群；响应于判断出第三比例大于预设阈值，则确定该兴趣维度的特征信息为第一用户画像群对应的特征信息集合的区别特征信息。

在本实施例的一些可选的实现方式中，用于生成信息的装置500标签设置单元，配置用于：对所采集的特征信息进行聚类分析，得到多个预留特征信息集合，确定各预留特征信息集合的标签；根据任一特征信息集合与各预留特征信息集合的相似度，确定该特征信息集合的标签。

下面参考图6，其示出了适于用来实现本申请实施例的终端设备/服务器的计算机系统600的结构示意图。图6示出的终端设备/服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括采集单元、选取单元和聚类单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，采集单元还可以被描述为“采集目标用户的特征信息，并将所采集的特征信息划分为至少两个维度的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：采集目标用户的特征信息，并将所采集的特征信息划分为至少两个维度，其中，特征信息包括用户信息和用户行为信息；从多个维度中选取与目标业务类型相关的维度；基于对所选取的维度中的特征信息的聚类分析，生成目标数目的特征信息集合。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (12)

1.一种用于生成信息的方法，包括：

采集目标用户的特征信息，并基于业务类型和所述业务类型中所包含的类别将所采集的特征信息划分为至少两个维度，其中，所述特征信息包括用户信息和用户行为信息；

从所述至少两个维度中选取与目标业务类型相关的维度；

基于对所选取的维度中的特征信息的聚类分析，生成目标数目的特征信息集合；

所述方法还包括：

分析各所述特征信息集合中的特征信息，确定各所述特征信息集合的区别特征信息，包括：基于各所述特征信息集合对应的用户画像群中具有第一维度的特征信息的用户画像数量以及所述目标用户中具有第一维度的特征信息的用户数量，确定所述特征信息集合的区别特征信息，其中，所述区别特征信息用于区别所采集的特征信息和所述特征信息集合。

2.根据权利要求1所述的方法，其中，所述基于对所选取的维度中的特征信息的聚类分析，生成目标数目的特征信息集合，包括：

设置K值，其中，K为预设的所述特征信息集合的个数，且K为正整数；

基于所述K值，执行如下聚类步骤：利用所述K值作为聚类算法的初始值对所选取的维度中的特征信息进行聚类分析，生成M个所述特征信息集合，其中，M为正整数；如果M≥K-N，则确定所述特征信息集合的目标数目为M，其中，N为预先设置的可容忍缺失的特征信息集合的个数，且N为正整数；

如果M＜K-N，则将K+1作为所述K值继续执行所述聚类步骤。

3.根据权利要求1所述的方法，其中，所述基于各所述特征信息集合对应的用户画像群中具有第一维度的特征信息的用户画像数量以及所述目标用户中具有第一维度的特征信息的用户数量，确定所述特征信息集合的区别特征信息，包括：

分别为各所述特征信息集合建立用户画像群，并根据所述特征信息集合中的特征信息对各所述用户画像群中的用户画像进行多维度描述；

确定每个所述用户画像群中具有第一维度的特征信息的用户画像数量在该所述用户画像群中所占的第一比例，其中，所述第一维度为所述用户画像描述的任一维度；

确定各所述目标用户中具有第一维度的特征信息的用户数量在各所述目标用户中所占的第二比例；

计算所述第二比例与所述第一比例的比值，并按照所述比值从大到小的顺序排列各所述特征信息集合生成特征信息集合队列；

从所述特征信息集合队列中依次获取第一预设数目的所述特征信息集合，将所述第一维度的特征信息作为所获取的特征信息集合的区别特征信息。

4.根据权利要求3所述的方法，其中，所述方法还包括：

确定第一用户画像群中兴趣维度的特征信息的用户画像数量在该所述第一用户画像群中所占的第三比例，其中，所述第一用户画像群为任一所述用户画像群；

响应于判断出所述第三比例大于预设阈值，则确定该所述兴趣维度的特征信息为所述第一用户画像群对应的特征信息集合的区别特征信息。

5.根据权利要求1所述的方法，其中，所述方法还包括：

对所采集的特征信息进行聚类分析，得到多个预留特征信息集合，确定各所述预留特征信息集合的标签；

根据任一所述特征信息集合与各所述预留特征信息集合的相似度，确定该所述特征信息集合的标签。

6.一种用于生成信息的装置，包括：

采集单元，配置用于采集目标用户的特征信息，并基于业务类型和所述业务类型中所包含的类别将所采集的特征信息划分为至少两个维度，其中，所述特征信息包括用户信息和用户行为信息；

选取单元，配置用于从所述至少两个维度中选取与目标业务类型相关的维度；

聚类单元，配置用于基于对所选取的维度中的特征信息的聚类分析，生成目标数目的特征信息集合；

所述装置还包括：

确定单元，配置用于分析各所述特征信息集合中的特征信息，确定各所述特征信息集合的区别特征信息，包括：基于各所述特征信息集合对应的用户画像群中具有第一维度的特征信息的用户画像数量以及所述目标用户中具有第一维度的特征信息的用户数量，确定所述特征信息集合的区别特征信息，其中，所述区别特征信息用于区别所采集的特征信息和所述特征信息集合。

7.根据权利要求6所述的装置，其中，所述聚类单元包括：

设置模块，配置用于设置K值，其中，K为预设的所述特征信息集合的个数，且K为正整数；

第一执行模块，配置用于基于所述K值，执行如下聚类步骤：利用所述K值作为聚类算法的初始值对所选取的维度中的特征信息进行聚类分析，生成M个所述特征信息集合，其中，M为正整数；如果M≥K-N，则确定所述特征信息集合的目标数目为M，其中，N为预先设置的可容忍缺失的特征信息集合的个数，且N为正整数；

第二执行模块，配置用于如果M＜K-N，则将K+1作为所述K值继续执行所述聚类步骤。

8.根据权利要求6所述的装置，其中，所述确定单元具体配置用于：

分别为各所述特征信息集合建立用户画像群，并根据所述特征信息集合中的特征信息对各所述用户画像群中的用户画像进行多维度描述；

确定每个所述用户画像群中具有第一维度的特征信息的用户画像数量在该所述用户画像群中所占的第一比例，其中，所述第一维度为所述用户画像描述的任一维度；

确定各所述目标用户中具有第一维度的特征信息的用户数量在各所述目标用户中所占的第二比例；

计算所述第二比例与所述第一比例的比值，并按照所述比值从大到小的顺序排列各所述特征信息集合生成特征信息集合队列；

从所述特征信息集合队列中依次获取第一预设数目的所述特征信息集合，将所述第一维度的特征信息作为所获取的特征信息集合的区别特征信息。

9.根据权利要求8所述的装置，其中，所述确定单元进一步配置用于：

确定第一用户画像群中兴趣维度的特征信息的用户画像数量在该所述第一用户画像群中所占的第三比例，其中，所述第一用户画像群为任一所述用户画像群；

响应于判断出所述第三比例大于预设阈值，则确定该所述兴趣维度的特征信息为所述第一用户画像群对应的特征信息集合的区别特征信息。

10.根据权利要求6所述的装置，其中，所述装置还包括标签设置单元，配置用于：

对所采集的特征信息进行聚类分析，得到多个预留特征信息集合，确定各所述预留特征信息集合的标签；

根据任一所述特征信息集合与各所述预留特征信息集合的相似度，确定该所述特征信息集合的标签。

11.一种服务器，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images