CN111292114A - 用于生成标签的方法和装置 - Google Patents

Abstract

本申请实施例公开了用于生成标签的方法和装置。该方法的一具体实施方式包括获取用户在历史时间段内操作过的应用的应用名称列表；获取应用名称列表中的应用的相关信息；基于应用名称列表和相关信息确定用户所属的人群类别；基于用户所属的人群类别生成对应的人群类别标签。该实施方式基于用户操作过的应用确定用户所属的人群类别，提高了所确定出的人群类别的准确度，有助于提高对用户属性的刻画精准度和细化度。

Description

用于生成标签的方法和装置

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于生成标签的方法和装置。

背景技术

用户画像可以是根据预先积累的多源的用户数据所建立的包括至少一种用户属性的描述性标签的用户信息。描述性标签可以用于描述用户属性，包括但不限于性别、年龄、婚姻状况、职业、资产状况、教育水平等等。对用户画像中的各个维度的用户属性进行理解可以挖掘出用户的兴趣点，包括但不限于旅游、游戏、体育球赛等等。然而，由于现有的用于建立用户画像的用户数据获取存在一定的难度，且无法评估这些用户数据的真实性和准确性，从而导致对用户属性的刻画不够精准、不够细化。

发明内容

本申请实施例提出了用于生成标签的方法和装置。

第一方面，本申请实施例提供了一种用于生成标签的方法，包括：获取用户在历史时间段内操作过的应用的应用名称列表；获取应用名称列表中的应用的相关信息；基于应用名称列表和相关信息确定用户所属的人群类别；基于用户所属的人群类别生成对应的人群类别标签。

在一些实施例中，基于应用名称列表和相关信息确定用户所属的人群类别，包括：利用自然语言处理技术提取应用名称列表和相关信息中的关键词；将应用名称列表和相关信息中的关键词在预设的第一人群类别集合中进行匹配，得到匹配成功的第一人群类别，作为用户所属的人群类别。

在一些实施例中，基于应用名称列表和相关信息确定用户所属的人群类别，包括：利用汉语语言模型对应用名称列表中的应用名称的前缀和/或后缀进行识别，得到识别结果；将识别结果在预设的第二人群类别集合中进行匹配，得到与识别结果匹配成功的第二人群类别，作为用户所属的人群类别。

在一些实施例中，基于应用名称列表和相关信息确定用户所属的人群类别，包括：对相关信息中的语句进行语句结构分析，确定出符合预设语句结构的语句；将符合预设语句结构的语句在第二人群类别集合中进行匹配，得到与符合预设语句结构的语句匹配成功的第二人群类别，作为用户所属的人群类别。

在一些实施例中，基于应用名称列表和相关信息确定用户所属的人群类别，包括：利用自然语言处理技术提取相关信息中的关键词；将应用名称列表中的应用名称和相关信息中的关键词作为分类特征对名称列表中的应用进行分类，以及基于分类结果确定用户所属的人群类别。

第二方面，本申请实施例提供了一种用于生成标签的装置，包括：第一获取单元，被配置成获取用户在历史时间段内操作过的应用的应用名称列表；第二获取单元，被配置成获取应用名称列表中的应用的相关信息；确定单元，被配置成基于应用名称列表和相关信息确定用户所属的人群类别；生成单元，被配置成基于用户所属的人群类别生成对应的人群类别标签。

在一些实施例中，确定单元进一步被配置成：利用自然语言处理技术提取应用名称列表和相关信息中的关键词；将应用名称列表和相关信息中的关键词在预设的第一人群类别集合中进行匹配，得到匹配成功的第一人群类别，作为用户所属的人群类别。

在一些实施例中，确定单元进一步被配置成：利用汉语语言模型对应用名称列表中的应用名称的前缀和/或后缀进行识别，得到识别结果；将识别结果在预设的第二人群类别集合中进行匹配，得到与识别结果匹配成功的第二人群类别，作为用户所属的人群类别。

在一些实施例中，确定单元进一步被配置成：对相关信息中的语句进行语句结构分析，确定出符合预设语句结构的语句；将符合预设语句结构的语句在第二人群类别集合中进行匹配，得到与符合预设语句结构的语句匹配成功的第二人群类别，作为用户所属的人群类别。

在一些实施例中，确定单元进一步被配置成：利用自然语言处理技术提取相关信息中的关键词；将应用名称列表中的应用名称和相关信息中的关键词作为分类特征对名称列表中的应用进行分类，以及基于分类结果确定用户所属的人群类别。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于生成标签的方法和装置，首先获取用户在历史时间段内操作过的应用的应用名称列表；然后获取应用名称列表中的应用的相关信息；最后基于应用名称列表和相关信息确定用户所属的人群类别，以及基于用户所属的人群类别生成对应的人群类别标签。基于用户操作过的应用确定用户所属的人群类别，提高了所确定出的人群类别的准确度，有助于提高对用户属性的刻画精准度和细化度。

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2是根据本申请的用于生成标签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标签的方法的又一个实施例的流程图；

图4是根据本申请的用于生成标签的方法的再一个实施例的流程图；

图5是根据本申请的用于生成标签的方法的另一个实施例的流程图；

图6是根据本申请的用于生成标签的装置的一个实施例的结构示意图；

图7是适于用来实现本申请实施例的电子设备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标签的方法或用于生成标签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中可以包括服务器101、102和网络103。网络103用以在服务器101和服务器102之间提供通信链路的介质。网络103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。

服务器101可以通过网络103与服务器102交互，以接收或发送消息等。服务器101上可以应用市场或手机助手的后台服务器，其可以存储各种应用的应用名称。

服务器102可以提供各种服务，例如，服务器102可以对从服务器101获取到的用户在历史时间段内操作过的应用的应用名称列表等数据进行分析等处理，并生成处理结果(例如人群类别标签)。

需要说明的是，服务器101、102可以是硬件，也可以是软件。当服务器101、102为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器101、102为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的用于生成标签的方法一般由服务器102执行，相应地，用于生成标签的装置一般设置于服务器102中。

应该理解，图1中的服务器和网络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服务器和网络。

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

步骤201，获取用户在历史时间段内操作过的应用的应用名称列表。

在本实施例中，用于生成标签的方法的执行主体(例如图1所示的服务器102)可以通过有线连接方式或者无线连接方式从应用市场或手机助手的后台服务器(例如图1所示的服务器101)获取用户在历史时间段内(例如前三个月内)操作过的应用的应用名称列表。其中，用户操作过的应用可以包括但不限于用户下载过的应用、用户安装过的应用、用户使用过的应用、用户更新过的应用、用户卸载过的应用等等。应用名称可以包括但不限于应用的名称、应用的安装包的名称等等。通常，当用户操作应用时，可以向应用市场或手机助手的后台服务器反馈用户所操作的应用的信息，以便于应用市场或手机助手的后台服务器将该应用的应用名称记录在用户操作过的应用的应用名称列表中。因此，上述执行主体可以从应用市场或手机助手的后台服务器获取用户在历史时间段内操作过的应用的应用名称列表。

步骤202，获取应用名称列表中的应用的相关信息。

在本实施例中，上述执行主体可以通过有线连接方式或者无线连接方式从应用市场或手机助手的后台服务器、百科应用的后台服务器或者搜索应用的后台服务器获取应用名称列表中的应用的相关信息。其中，应用的相关信息可以包括但不限于应用的介绍信息、用户对应用的评价信息等等。通常，应用市场或手机助手的后台服务器还可以存储应用的介绍信息和用户对应用的评价信息，这样，上述执行主体可以从应用市场或手机助手的后台服务器获取应用名称列表的同时，还获取应用名称列表中的应用的应用的介绍信息和用户对应用的评价信息。上述执行主体也可以基于应用名称列表中的应用名称在百科应用的后台服务器或者搜索应用的后台服务器进行搜索，从而获取应用名称列表中的应用的相关信息。

步骤203，基于应用名称列表和相关信息确定用户所属的人群类别。

在本实施例中，上述执行主体可以对应用名称列表和相关信息进行分析，以确定用户所属的人群类别。例如，根据应用的应用名称和相关信息确定该应用是某品牌汽车的云服务应用，则用户属于该品牌汽车的车主。又例如，根据应用的应用名称和相关信息确定该应用是某代驾司机端应用，则该用户属于代驾司机。

步骤204，基于用户所属的人群类别生成对应的人群类别标签。

在本实施例中，上述执行主体可以基于用户所属的人群类别生成对应的人群类别标签。

在本实施例的一些可选的实现方式中，上述执行主体可以基于用户的人群类别标签生成用户的用户画像，从而提高了用户画像对用户的属性的刻画准确度。然后，上述执行主体还可以基于用户画像确定用户的兴趣点，从而提高了所确定出的兴趣点的准确度。最后，上述执行主体还可以根据用户的兴趣点为用户推送信息，从而提高了信息推送的准确度。

本申请实施例提供的用于生成标签的方法，首先获取用户在历史时间段内操作过的应用的应用名称列表；然后获取应用名称列表中的应用的相关信息；最后基于应用名称列表和相关信息确定用户所属的人群类别，以及基于用户所属的人群类别生成对应的人群类别标签。基于用户操作过的应用确定用户所属的人群类别，提高了所确定出的人群类别的准确度，有助于提高对用户属性的刻画精准度和细化度。

进一步参考图3，其示出了根据本申请的用于生成标签的方法的又一个实施例的流程300。该用于生成标签的方法，包括以下步骤：

步骤301，获取用户在历史时间段内操作过的应用的应用名称列表。

步骤302，获取应用名称列表中的应用的相关信息。

在本实施例中，步骤301-302的具体操作与图2所示的实施例中步骤201-202的操作基本相同，在此不再赘述。

步骤303，利用自然语言处理技术提取应用名称列表和相关信息中的关键词。

在本实施例中，用于生成标签的方法的执行主体(例如图1所示的服务器102)可以从应用名称列表和相关信息中提取关键词。通常，上述执行主体可以利用NLP(NaturalLanguage Processing，自然语言处理)技术提取应用名称列表和相关信息中的关键词。其中，NLP是计算机以一种聪明而有用的方式分析，理解和从人类语言中获取意义的一种方式。通过利用NLP，开发者可以组织和构建知识来执行自动摘要，翻译，命名实体识别，关系提取，情感分析，语音识别和话题分割等任务。

步骤304，将应用名称列表和相关信息中的关键词在预设的第一人群类别集合中进行匹配，得到匹配成功的第一人群类别，作为用户所属的人群类别。

在本实施例中，上述执行主体可以预先设置第一人群类别集合。例如，上述执行主体可以基于各种汽车品牌生成第一人群类别集合。此时，第一人群类别集合中包括各种品牌汽车的车主的类别。然后，上述执行主体可以将应用名称列表和相关信息中的关键词与第一人群类别集合中的每个第一人群类别集合逐一匹配，若应用名称列表和相关信息中的关键词与一个第一人群类别对应的汽车品牌相同，则匹配成功，该第一人群类别是匹配成功的第一人群类别，即可作为用户所属的人群类别。

步骤305，基于用户所属的人群类别生成对应的人群类别标签。

在本实施例中，步骤305的具体操作与图2所示的实施例中步骤204的操作基本相同，在此不再赘述。

从图3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标签的方法的流程300突出了将应用名称列表和相关信息中的关键词在第一人群类别集合中进行匹配，以得到用户所属的人群类别的步骤。由此，基于关键词匹配得到用户所属的人群类别，进一步提高了所确定出的人群类别的准确度。

进一步参考图4，其示出了根据本申请的用于生成标签的方法的再一个实施例的流程400。该用于生成标签的方法，包括以下步骤：

步骤401，获取用户在历史时间段内操作过的应用的应用名称列表。

步骤402，获取应用名称列表中的应用的相关信息。

在本实施例中，步骤401-402的具体操作与图2所示的实施例中步骤201-202的操作基本相同，在此不再赘述。

步骤403，利用汉语语言模型对应用名称列表中的应用名称的前缀和/或后缀进行识别，得到识别结果。

在本实施例中，用于生成标签的方法的执行主体(例如图1所示的服务器102)可以对应用名称列表中的应用名称的前缀和/或后缀进行识别，以得到识别结果。通常，上述执行主体可以利用汉语语言模型对应用名称列表中的应用名称的前缀和/或后缀进行识别，以得到识别结果。其中，N-Gram是大词汇连续语音识别中常用的一种语言模型，又称之为汉语语言模型(CLM,Chinese Language Model)。汉语语言模型利用上下文中相邻词间的搭配信息，可以实现到汉字的自动转换。

在本实施例的一些可选的实现方式中，部分应用的应用名称的前缀和/或后缀可以体现出用户的职业，此时，对这部分应用的应用名称的前缀和/或后缀进行识别，得到的识别结果可以是用户的职业。例如，对于应用名称是“хх代驾司机端”的应用，其对应的识别结果可以是代驾司机。又例如，对应用名称是“хх大夫医生版”的应用，其对应的识别结果可以是医生。

步骤404，将识别结果在预设的第二人群类别集合中进行匹配，得到与识别结果匹配成功的第二人群类别，作为用户所属的人群类别。

在本实施例中，上述执行主体可以预先设置第二人群类别集合。例如，上述执行主体可以基于各种职业类型生成第二人群类别集合。此时，第二人群类别集合中包括各种职业类型。其中，职业类型的来源可以包括但不限于从职业类技术考试站点抓取。然后，上述执行主体可以将识别结果与第二人群类别集合中的每个第二人群类别集合逐一匹配，若识别结果与一个第二人群类别对应的职业类型相同，则匹配成功，该第二人群类别是匹配成功的第二人群类别，即可作为用户所属的人群类别。

在本实施例的一些可选的实现方式中，上述执行主体还可以首先对相关信息中的语句进行语句结构分析，确定出符合预设语句结构的语句；然后将符合预设语句结构的语句在第二人群类别集合中进行匹配，得到与符合预设语句结构的语句匹配成功的第二人群类别，作为用户所属的人群类别。作为示例，上述执行主体可以从相关信息中确定出语句结构为“专为хх”的语句，然后将语句结构为“专为хх”的语句与第二人群类别集合中的每个第二人群类别逐一匹配，若语句结构为“专为хх”的语句中的存在与一个第二人群类别相同的关键词，则匹配成功，该第二人群类别是匹配成功的第二人群类别，即可作为用户所属的人群类别。例如，“专为хх”的语句可以是“专为教师开发的智能教学软件”，该语句中的关键词“教师”可以与第二人群类别集合中“教师”对应的第二人群类别匹配成功。

步骤405，基于用户所属的人群类别生成对应的人群类别标签。

在本实施例中，步骤405的具体操作与图2所示的实施例中步骤204的操作基本相同，在此不再赘述。

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标签的方法的流程400突出了将应用名称列表中的应用名称的前缀和/或后缀对应的识别结果在第二人群类别集合中进行匹配，以得到用户所属的人群类别的步骤。由此，基于应用名称的前缀和/或后缀对应的识别结果匹配得到用户所属的人群类别，进一步提高了所确定出的人群类别的准确度。

进一步参考图5，其示出了根据本申请的用于生成标签的方法的另一个实施例的流程500。该用于生成标签的方法，包括以下步骤：

步骤501，获取用户在历史时间段内操作过的应用的应用名称列表。

步骤502，获取应用名称列表中的应用的相关信息。

在本实施例中，步骤501-502的具体操作与图2所示的实施例中步骤201-202的操作基本相同，在此不再赘述。

步骤503，利用自然语言处理技术提取相关信息中的关键词。

在本实施例中，用于生成标签的方法的执行主体(例如图1所示的服务器102)可以从相关信息中提取关键词。通常，上述执行主体可以利用NLP技术提取相关信息中的关键词。

步骤504，将应用名称列表中的应用名称和相关信息中的关键词作为分类特征对名称列表中的应用进行分类，以及基于分类结果确定用户所属的人群类别。

在本实施例中，上述执行主体可以首先将应用名称列表中的应用名称和相关信息中的关键词作为分类特征对名称列表中的应用进行分类；然后基于分类结果确定用户所属的人群类别。通常，上述执行主体可以利用聚类方法进行分类。其中，聚类是将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。随后，上述执行主体可以提取同一个簇中的应用的关键信息，并基于关键信息确定人群类别。

步骤505，基于用户所属的人群类别生成对应的人群类别标签。

在本实施例中，步骤505的具体操作与图2所示的实施例中步骤204的操作基本相同，在此不再赘述。

从图5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标签的方法的流程500突出了基于分类特征对名称列表中的应用进行分类的分类结果确定用户所属的人群类别的步骤。由此，基于关键词匹配得到用户所属的人群类别，进一步提高了所确定出的人群类别的准确度。

进一步参考图6，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标签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6所示，本实施例的用于生成标签的装置600可以包括：第一获取单元601、第二获取单元602、确定单元603和生成单元604。其中，第一获取单元601，被配置成获取用户在历史时间段内操作过的应用的应用名称列表；第二获取单元602，被配置成获取应用名称列表中的应用的相关信息；确定单元603，被配置成基于应用名称列表和相关信息确定用户所属的人群类别；生成单元604，被配置成基于用户所属的人群类别生成对应的人群类别标签。

在本实施例中，用于生成标签的装置600中：第一获取单元601、第二获取单元602、确定单元603和生成单元604的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，确定单元603进一步被配置成：利用自然语言处理技术提取应用名称列表和相关信息中的关键词；将应用名称列表和相关信息中的关键词在预设的第一人群类别集合中进行匹配，得到匹配成功的第一人群类别，作为用户所属的人群类别。

在本实施例的一些可选的实现方式中，确定单元603进一步被配置成：利用汉语语言模型对应用名称列表中的应用名称的前缀和/或后缀进行识别，得到识别结果；将识别结果在预设的第二人群类别集合中进行匹配，得到与识别结果匹配成功的第二人群类别，作为用户所属的人群类别。

在本实施例的一些可选的实现方式中，确定单元603进一步被配置成：对相关信息中的语句进行语句结构分析，确定出符合预设语句结构的语句；将符合预设语句结构的语句在第二人群类别集合中进行匹配，得到与符合预设语句结构的语句匹配成功的第二人群类别，作为用户所属的人群类别。

在本实施例的一些可选的实现方式中，确定单元603进一步被配置成：利用自然语言处理技术提取相关信息中的关键词；将应用名称列表中的应用名称和相关信息中的关键词作为分类特征对名称列表中的应用进行分类，以及基于分类结果确定用户所属的人群类别。

下面参考图7，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器102)的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例，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7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；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707；包括硬盘等的存储部分708；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709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，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710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708。

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709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701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介质或者是上述两者的任意组合。计算机可读介质例如可以是——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目标的程序设计语言—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：一种处理器包括第一获取单元、第二获取单元、确定单元和生成单元。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，第一获取单元还可以被描述为“获取用户在历史时间段内操作过的应用的应用名称列表的单元”。

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电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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电子设备执行时，使得该电子设备：获取用户在历史时间段内操作过的应用的应用名称列表；获取应用名称列表中的应用的相关信息；基于应用名称列表和相关信息确定用户所属的人群类别；基于用户所属的人群类别生成对应的人群类别标签。

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)

1.一种用于生成标签的方法，包括：

获取用户在历史时间段内操作过的应用的应用名称列表；

获取所述应用名称列表中的应用的相关信息；

基于所述应用名称列表和所述相关信息确定所述用户所属的人群类别；

基于所述用户所属的人群类别生成对应的人群类别标签。

2.根据权利要求1所述的方法，其中，所述基于所述应用名称列表和所述相关信息确定所述用户所属的人群类别，包括：

利用自然语言处理技术提取所述应用名称列表和所述相关信息中的关键词；

将所述应用名称列表和所述相关信息中的关键词在预设的第一人群类别集合中进行匹配，得到匹配成功的第一人群类别，作为所述用户所属的人群类别。

3.根据权利要求1所述的方法，其中，所述基于所述应用名称列表和所述相关信息确定所述用户所属的人群类别，包括：

利用汉语语言模型对所述应用名称列表中的应用名称的前缀和/或后缀进行识别，得到识别结果；

将所述识别结果在预设的第二人群类别集合中进行匹配，得到与所述识别结果匹配成功的第二人群类别，作为所述用户所属的人群类别。

4.根据权利要求3所述的方法，其中，所述基于所述应用名称列表和所述相关信息确定所述用户所属的人群类别，包括：

对所述相关信息中的语句进行语句结构分析，确定出符合预设语句结构的语句；

将所述符合预设语句结构的语句在所述第二人群类别集合中进行匹配，得到与所述符合预设语句结构的语句匹配成功的第二人群类别，作为所述用户所属的人群类别。

5.根据权利要求1所述的方法，其中，所述基于所述应用名称列表和所述相关信息确定所述用户所属的人群类别，包括：

利用自然语言处理技术提取所述相关信息中的关键词；

将所述应用名称列表中的应用名称和所述相关信息中的关键词作为分类特征对所述名称列表中的应用进行分类，以及基于分类结果确定所述用户所属的人群类别。

6.一种用于生成标签的装置，包括：

第一获取单元，被配置成获取用户在历史时间段内操作过的应用的应用名称列表；

第二获取单元，被配置成获取所述应用名称列表中的应用的相关信息；

确定单元，被配置成基于所述应用名称列表和所述相关信息确定所述用户所属的人群类别；

生成单元，被配置成基于所述用户所属的人群类别生成对应的人群类别标签。

7.根据权利要求6所述的装置，其中，所述确定单元进一步被配置成：

利用自然语言处理技术提取所述应用名称列表和所述相关信息中的关键词；

将所述应用名称列表和所述相关信息中的关键词在预设的第一人群类别集合中进行匹配，得到匹配成功的第一人群类别，作为所述用户所属的人群类别。

8.根据权利要求6所述的装置，其中，所述确定单元进一步被配置成：

利用汉语语言模型对所述应用名称列表中的应用名称的前缀和/或后缀进行识别，得到识别结果；

将所述识别结果在预设的第二人群类别集合中进行匹配，得到与所述识别结果匹配成功的第二人群类别，作为所述用户所属的人群类别。

9.根据权利要求8所述的装置，其中，所述确定单元进一步被配置成：

对所述相关信息中的语句进行语句结构分析，确定出符合预设语句结构的语句；

将所述符合预设语句结构的语句在所述第二人群类别集合中进行匹配，得到与所述符合预设语句结构的语句匹配成功的第二人群类别，作为所述用户所属的人群类别。

10.根据权利要求6所述的装置，其中，所述确定单元进一步被配置成：

利用自然语言处理技术提取所述相关信息中的关键词；

将所述应用名称列表中的应用名称和所述相关信息中的关键词作为分类特征对所述名称列表中的应用进行分类，以及基于分类结果确定所述用户所属的人群类别。

11.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

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。

12.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机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