基于大数据和云业务的数据处理方法及云业务服务器

摘要

本发明是关于基于大数据和云业务的数据处理方法及云业务服务器，在应用上述方法时，能够对不同的用户画像数据进行分析以确定出用户画像变化信息，这样可以通过用户画像变化信息得到历史用户画像数据对应的第一业务评价信息以及与当前用户画像数据对应的第二业务评价信息，从而实现对用户画像变化的原因的深度分析。进一步地，基于不同的业务评价信息，能够获知业务服务产品的缺点和优点，从而针对缺点进行升级优化。如此设计，能够确保更新和升级之后的产品与用户的需求相匹配，实现针对性的产品更新和升级，减少盲目的产品更新换代而带来的软硬件成本，进而实现业务服务产品的智能化和低成本化升级。

权利要求

1.一种基于大数据和云业务的数据处理方法，其特征在于，包括：获取对待分析用户终端进行用户画像分析后所得到的历史用户画像数据和当前用户画像数据；

确定所述历史用户画像数据和所述当前用户画像数据中对应画像标签的标签差异比较结果，并基于所述对应画像标签的标签差异比较结果确定出所述历史用户画像数据和所述当前用户画像数据之间对应的且满足画像更新分析条件的目标画像标签；

基于所述历史用户画像数据中的所述目标画像标签对所述当前用户画像数据中的所述目标画像标签进行画像标签关联；对画像标签关联后的所述当前用户画像数据中的关联画像数据进行画像变化识别以得到用户画像变化信息；

根据所述用户画像变化信息确定与所述历史用户画像数据对应的第一业务评价信息以及与所述当前用户画像数据对应的第二业务评价信息，通过所述第一业务评价信息和所述第二业务评价信息进行业务服务调整；

基于所述对应画像标签的标签差异比较结果确定出所述历史用户画像数据和所述当前用户画像数据之间对应的且满足画像更新分析条件的目标画像标签包括：对所述历史用户画像数据和所述当前用户画像数据中所述对应画像标签按照标签差异比较结果对应的用户反馈信息的业务服务反馈内容进行更新；

进一步地，所述目标画像标签的确定方式为以下方式的任一种：根据更新后的所述对应画像标签对应的标签更新记录确定所述目标画像标签；

根据更新后的所述对应画像标签对应的画像指示信息确定所述目标画像标签；

将标签差异比较结果满足画像标签分析指标的所述对应画像标签确定为所述目标画像标签；

按顺序将标签差异比较结果不满足画像标签分析指标的所述对应画像标签中包括的各对应画像标签按照预定标签内容识别方式进行标签内容识别，基于标签内容识别结果确定所述目标画像标签；

基于所述对应画像标签的业务服务跟踪信息选取所述目标画像标签；

其中，按顺序将标签差异比较结果不满足画像标签分析指标的所述对应画像标签中包括的各对应画像标签按照预定标签内容识别方式进行标签内容识别，基于标签内容识别结果确定所述目标画像标签包括：

确定与标签差异比较结果不满足画像标签分析指标的所述对应画像标签中包括的各对应画像标签的标签差异比较结果对应的标签内容识别方式，其中，标签差异比较结果的分析指标推荐信息对应标签内容识别方式的片段内容提取指标；

按照确定的标签内容识别方式对标签差异比较结果不满足画像标签分析指标的所述对应画像标签中包括的各对应画像标签进行标签内容识别；

根据标签内容识别后的所述对应画像标签对应的标签内容聚类结果得到所述目标画像标签；

其中，基于所述对应画像标签的业务服务跟踪信息选取所述目标画像标签包括：按标签更新记录选取存在动态更新标识的所述对应画像标签，并确定所述存在动态更新标识的所述对应画像标签的用户需求更新信息，其中，所述存在动态更新标识的所述对应画像标签的数量为正整数n；

按顺序选取存在静态更新标识的所述对应画像标签，并确定所述存在静态更新标识的所述对应画像标签的服务内容更新信息；

在确定所述用户需求更新信息和所述服务内容更新信息的更新信息匹配结果满足画像确定条件时，将所述存在动态更新标识的所述对应画像标签确定为所述目标画像标签；

在确定所述用户需求更新信息和所述服务内容更新信息的更新信息匹配结果不满足所述画像确定条件时，重复执行选取比前一次选取数量多一个的存在所述动态更新标识的所述对应画像标签，直到后选取出的存在所述动态更新标识的所述对应画像标签的标签场景信息与前一次选取出的存在所述动态更新标识的所述对应画像标签的标签场景信息的场景匹配信息为预设场景匹配信息中的其中一种，并将前一次选取出的所述对应画像标签确定为所述目标画像标签。

2.根据权利要求1所述的方法，其特征在于，确定所述历史用户画像数据和所述当前用户画像数据中对应画像标签的标签差异比较结果包括：确定所述历史用户画像数据中各画像标签的标签分类结果以及所述当前用户画像数据中各画像标签的标签分类结果；

基于所述历史用户画像数据中各画像标签的标签分类结果以及所述当前用户画像数据中各画像标签的标签分类结果，确定所述历史用户画像数据和所述当前用户画像数据中所述对应画像标签的业务习惯变化数据，其中，所述标签差异比较结果包括所述业务习惯变化数据。

3.根据权利要求2所述的方法，其特征在于，确定所述历史用户画像数据和所述当前用户画像数据中对应画像标签的业务习惯变化数据的方式包括以下至少一种：基于所述历史用户画像数据中各画像标签的标签分类结果以及所述当前用户画像数据中各画像标签的标签分类结果，确定所述历史用户画像数据和所述当前用户画像数据中所述对应画像标签的业务兴趣内容以确定所述业务习惯变化数据；

基于所述历史用户画像数据中各画像标签的标签分类结果以及所述当前用户画像数据中各画像标签的标签分类结果，确定所述历史用户画像数据和所述当前用户画像数据中所述对应画像标签的标签分类结果的关联习惯数据以确定所述业务习惯变化数据；

确定所述历史用户画像数据和所述当前用户画像数据中所述对应画像标签的画像行为描述信息，基于确定出的画像行为描述信息以及所述历史用户画像数据和所述当前用户画像数据中所述对应画像标签的标签分类结果确定所述业务习惯变化数据。

4.根据权利要求1所述的方法，其特征在于，基于所述历史用户画像数据中的所述目标画像标签对所述当前用户画像数据中的所述目标画像标签进行画像标签关联包括：通过多维标签数组表示所述历史用户画像数据中的所述用户画像变化信息中包括的每一个画像标签，将多维标签数组表示的各画像标签组成历史画像标签集，对所述历史画像标签集进行标签兴趣内容提取及标签兴趣内容关联，以得到历史兴趣内容目录；

通过多维标签数组表示所述当前用户画像数据中的当前画像更新信息中包括的每一个画像标签，将多维标签数组表示的各画像标签组成当前画像标签集，对所述当前画像标签集进行标签兴趣内容提取及标签兴趣内容关联，以得到当前兴趣内容目录；

基于所述历史兴趣内容目录对所述历史用户画像数据中的历史画像更新信息进行画像变化轨迹提取，以得到历史画像变化轨迹；

基于所述当前兴趣内容目录以及所述历史画像变化轨迹对所述当前用户画像数据中的所述当前画像更新信息进行画像变化轨迹提取，得到当前画像变化轨迹；

通过所述当前画像变化轨迹以及所述历史画像变化信息之间的变化轨迹比较结果对所述当前用户画像数据中的所述目标画像标签进行画像标签关联；

其中，基于所述历史兴趣内容目录对所述历史用户画像数据中的所述历史画像更新信息进行画像变化轨迹提取，以得到历史画像变化轨迹包括：判断所述历史用户画像数据中的各所述历史画像更新信息对应的历史兴趣内容目录的服务交互信息是否满足历史服务交互对应的评价条件；

将历史兴趣内容目录满足所述历史服务交互对应的评价条件的历史画像更新信息的历史兴趣内容目录的服务交互信息进行交互评价标识的添加，确定其他历史画像更新信息的历史兴趣内容目录的服务交互信息对应的评价满意度信息，根据添加了交互评价标识的服务交互信息以及其他历史画像更新信息的历史兴趣内容目录的服务交互信息对应的评价满意度信息，生成所述历史画像变化轨迹；

其中，基于所述当前兴趣内容目录以及所述历史画像变化轨迹对所述当前用户画像数据中的所述当前画像更新信息进行画像变化轨迹提取包括：判断所述当前用户画像数据中的各所述当前画像更新信息对应的当前兴趣内容目录的服务交互信息与预设的第一服务交互参考信息的信息比较结果是否满足当前服务交互对应的评价条件，其中，所述预设的第一服务交互参考信息为所述历史用户画像数据中对应的历史画像更新信息所对应的历史兴趣内容目录与预先统计的用户服务调查结果的业务服务指导信息；

将当前兴趣内容目录与所述预设的第一服务交互参考信息的信息比较结果满足所述当前服务交互对应的评价条件的当前画像更新信息的当前兴趣内容目录进行交互评价标识的添加，确定其他当前画像更新信息的当前兴趣内容目录的服务交互信息对应的评价满意度信息，根据添加了交互评价标识的服务交互信息以及其他当前画像更新信息的历史兴趣内容目录的服务交互信息对应的评价满意度信息，生成所述当前画像变化轨迹。

5.根据权利要求1‑4任一项所述的方法，其特征在于，对画像标签关联后的所述当前用户画像数据中的关联画像数据进行画像变化识别以得到用户画像变化信息包括：将所述关联画像数据中包括的进行了所述画像标签关联后的画像标签的服务交互信息与未进行所述画像标签关联前的画像标签的服务交互信息进行比较，通过对选取进行了所述画像标签关联后的画像标签的服务交互信息与未进行所述画像标签关联前的画像标签的服务交互信息的比较结果满足画像变化指标的服务交互信息与未进行所述画像标签关联前的画像标签的服务交互信息进行服务交互信息筛选来确定所述关联画像数据的服务交互信息，以根据所述关联画像数据的服务交互信息确定所述用户画像变化信息。

6.根据权利要求1所述的方法，其特征在于，根据所述用户画像变化信息确定与所述历史用户画像数据对应的第一业务评价信息以及与所述当前用户画像数据对应的第二业务评价信息，包括：

按照待分析用户终端的业务处理记录将用户画像变化信息对应的业务服务需求数据进行服务需求分类为多个服务需求类别，根据每个服务需求类别的服务需求内容对应的业务服务事件所对应的业务服务产品信息，确定每个业务服务事件的服务产品输出信息；其中，所述服务产品输出信息包括与用户进行交互的产品信息；

在确定每个业务服务事件的服务产品输出信息后，对所述每个业务服务事件的服务产品输出信息进行产品反馈分析，确定所述每个服务产品输出信息的产品反馈结果，根据每个服务产品输出信息的产品反馈结果及每个业务服务事件的服务产品输出信息，确定所述业务服务需求数据对应的业务服务事件的第一产品投诉信息；

对每个产品投诉类别而言，根据每个业务服务事件与至少一个产品投诉类别的配对关系，确定每个业务服务事件对应的业务服务交互记录，根据所述第一产品投诉信息中每个业务服务事件的用户情绪表现记录和每个业务服务事件对应的业务服务交互记录，确定每个产品投诉类别对应的第一产品投诉信息统计结果；

根据每个产品投诉类别对应的第一产品投诉信息统计结果，确定所述业务服务需求数据对应的目标产品投诉类别；

根据每个业务服务事件与业务服务评分最高的第一业务服务事件之间在所述目标产品投诉类别上的业务服务差异信息，所述第一业务服务事件和业务服务评分最低的第二业务服务事件在所述目标产品投诉类别上的业务服务差异信息，及每个业务服务事件的服务产品输出信息，确定每个业务服务事件的业务服务评分指标；

根据每个业务服务事件的业务服务评分指标，确定每个业务服务事件对应的服务需求类别中每个服务需求事件的业务服务评分指标；根据每个服务需求事件的业务服务评分指标，对所述业务服务需求数据中每个服务需求事件进行业务评价信息分类，得到与所述历史用户画像数据对应的第一业务评价信息以及与所述当前用户画像数据对应的第二业务评价信息。

7.根据权利要求1所述的方法，其特征在于，所述根据每个服务产品输出信息的产品反馈结果及每个业务服务事件的服务产品输出信息，确定所述业务服务需求数据对应的业务服务事件的第一产品投诉信息包括：

当业务服务事件的服务产品输出信息匹配所述产品反馈结果时，所述业务服务需求数据对应的业务服务事件在所述第一产品投诉信息中对应无投诉记录；

当业务服务事件的服务产品输出信息不匹配所述产品反馈结果时，所述业务服务需求数据对应的业务服务事件在所述第一产品投诉信息中对应目标投诉记录，其中，所述目标投诉记录和所述服务产品输出信息存在时序相关性。

8.一种云业务服务器，其特征在于，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机程序并运行，以执行权利要求1‑7任一项所述的方法。

9.一种计算机可读信号介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时实现权利要求1‑7任一项所述的方法。

说明书

基于大数据和云业务的数据处理方法及云业务服务器

技术领域

[0001] 本申请涉及大数据、云计算和线上业务处理技术领域，具体而言，涉及一种基于大数据和云业务的数据处理方法及云业务服务器。

背景技术

[0002] 大数据的快速发展为各类业务的云端化办理提供了基础。现目前，许多的业务（例如办公业务、政务业务、娱乐业务等）都可以在云端进行，这样能够提高各类业务处理的智
能化程度。

[0003] 随着业务云端化的逐渐成熟，人机交互成为云业务办理的主要方式之一。各大服务商为了引流，通常会基于业务用户的用户画像进行针对性的产品推送。然而，如何对用户
画像进行进一步挖掘以实现对业务服务产品的智能化和低成本化升级是现目前需要考虑
的一个技术问题。

发明内容

[0004] 本发明的第一方面为一种基于大数据和云业务的数据处理方法，包括：获取对待分析用户终端进行用户画像分析后所得到的历史用户画像数据和当前用户画像数据；确定
所述历史用户画像数据和所述当前用户画像数据中对应画像标签的标签差异比较结果，并
基于所述对应画像标签的标签差异比较结果确定出所述历史用户画像数据和所述当前用
户画像数据之间对应的且满足画像更新分析条件的目标画像标签；基于所述历史用户画像
数据中的所述目标画像标签对所述当前用户画像数据中的所述目标画像标签进行画像标
签关联；对画像标签关联后的所述当前用户画像数据中的关联画像数据进行画像变化识别
以得到用户画像变化信息；根据所述用户画像变化信息确定与所述历史用户画像数据对应
的第一业务评价信息以及与所述当前用户画像数据对应的第二业务评价信息，通过所述第
一业务评价信息和所述第二业务评价信息进行业务服务调整。

[0005] 本发明的第二方面为一种云业务服务器，包括处理引擎、网络模块和存储器；所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎从所述存储器中读取计算机
程序并运行，以执行本发明第一方面所述的方法。

[0006] 本发明的第三方面为一种计算机可读信号介质，其上存储有计算机程序，所述计算机程序在运行是实现本发明第一方面的方法。

[0007] 技术效果：能够对不同的用户画像数据进行分析以确定出用户画像变化信息，这样可以通过用户画像变化信息得到历史用户画像数据对应的第一业务评价信息以及与当
前用户画像数据对应的第二业务评价信息，从而实现对用户画像变化的原因的深度分析。
进一步地，基于不同的业务评价信息，能够获知业务服务产品的缺点和优点，从而针对缺点
进行升级优化。如此设计，能够确保更新和升级之后的产品与用户的需求相匹配，实现针对
性的产品更新和升级，减少盲目的产品更新换代而带来的软硬件成本，进而实现业务服务
产品的智能化和低成本化升级。

[0008] 在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或
使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被
实现和获得。

附图说明

[0009] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对
范围的限定，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
些附图获得其他相关的附图。

[0010] 附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字
在附图的各个视图中代表相似的机构。

[0011] 图1是根据本发明的一些实施例所示的一种示例性基于大数据和云业务的数据处理系统的框图。

[0012] 图2是根据本发明的一些实施例所示的一种示例性云业务服务器中硬件和软件组成的示意图。

[0013] 图3是根据本发明的一些实施例所示的一种示例性基于大数据和云业务的数据处理方法和/或过程的流程图。

[0014] 图4是根据本发明的一些实施例所示的一种示例性基于大数据和云业务的数据处理装置的框图。

具体实施方式

[0015] 为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详
细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例
中的技术特征可以相互组合。

[0016] 在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本发
明。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被
描述，没有细节，以避免不必要的模糊本发明的方面。

[0017] 这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这
些形成本申请的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并
不旨在限制本申请的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理
解的是，附图仅用于说明和描述的目的，并不意图限制本发明的范围。应当知晓的是，这些
附图并不依照比例。

[0018] 本申请中使用流程图说明根据本申请的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序
或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以
从流程图中删除。

[0019] 图1是根据本发明的一些实施例所示的一种示例性基于大数据和云业务的数据处理系统300的框图，基于大数据和云业务的数据处理系统300可以包括云业务服务器100和
用户终端200。其中，用户终端200可以是手机、平板电脑、笔记本电脑等。

[0020] 在一些实施例中，如图2所示，云业务服务器100可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。

[0021] 处理引擎110可以处理相关的信息和/或数据以执行本申请中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引
擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(Central Processing 
Unit，CPU)、专用集成电路(Application‑Specific Integrated Circuit，ASIC)、专用指令
集处理器(Application‑Specific Instruction‑set Processor，ASIP)、图形处理单元
(Graphics Processing Unit，GPU)、物理处理单元(Physics Processing Unit，PPU)、数字
信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field Programmable 
Gate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制
器单元、精简指令集计算机(Reduced Instruction‑Set Computer，RISC)、微处理器等或其
任意组合。

[0022] 网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有
线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network，LAN)、广
域网(Wide Area Network，WAN)、无线局域网络(Wireless Local Area Network，WLAN)、城
域网(Metropolitan Area Network，MAN)、公用电话交换网(Public Telephone Switched 
Network，PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication，NFC)网
络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入
点。例如，网络模块120可以包括有线或无线网路接入点，如基站和/或网路接入点。

[0023] 存储器130可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read‑Only 
Memory，PROM），可擦除只读存储器（Erasable Programmable Read‑Only Memory，EPROM），
电可擦除只读存储器（Electric Erasable Programmable Read‑Only Memory，EEPROM）等。
其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。

[0024] 可以理解，图2所示的结构仅为示意，云业务服务器100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件
或其组合实现。

[0025] 发明人对现目前的业务服务产品（例如游戏软件产品、办公软件产品等）进行分析后发现，现目前的业务服务产品的更新和升级大多通过开发人员进行，这种方式一方面难
以与实际的用户需求相匹配，另一方面可能会增加不必要的软硬件成本。由此可见，如何实
现业务服务产品的智能化和低成本化升级是现目前的一个技术问题。

[0026] 基于此，发明人创新性地提供了一种基于大数据和云业务的数据处理方法及云业务服务器，通过对不同时段的用户画像数据进行分析，能够实现对用户画像数据的变化原
因的深度剖析，从而确定出业务服务产品的业务评价信息，进而基于业务评价信息进行业
务服务调整。可以理解，在进行业务服务调整时，能够考虑用户对之前的业务服务产品的评
价，从而能够确保更新和升级之后的产品与用户的需求相匹配，实现针对性的产品更新和
升级，减少不必要的软硬件成本。

[0027] 图3是根据本发明的一些实施例所示的一种示例性基于大数据和云业务的数据处理方法和/或过程的流程图，基于大数据和云业务的数据处理方法应用于图1中的云业务服
务器100，具体可以包括以下步骤S110‑步骤S140所描述的内容。

[0028] 步骤S110，获取对待分析用户终端进行用户画像分析后所得到的历史用户画像数据和当前用户画像数据。

[0029] 例如，待分析用户终端可以是与云业务服务器通信的智能终端（如手机、电脑、可穿戴式设备等）。历史用户画像数据和当前用户画像数据可以依据时间段进行划分，例如，
今天是XX年XX月XX日，那么历史用户画像数据可以是XX年XX月XX‑5日之前的用户画像数
据，当前用户画像数据可以是XX年XX月XX‑5日之后的用户画像数据，也就是说，历史用户画
像数据和当前用户画像数据是相对的。进一步地，用户画像数据用于记载待分析用户终端
对应的用户的相关信息，用户画像数据可以作为对应用户的各类信息的标签，例如用户的
食物爱好、运动爱好、交友爱好等。用户画像数据能够从多个方面综合反映不同用户对应的
个性化需求。

[0030] 步骤S120，确定所述历史用户画像数据和所述当前用户画像数据中对应画像标签的标签差异比较结果，并基于所述对应画像标签的标签差异比较结果确定出所述历史用户
画像数据和所述当前用户画像数据之间对应的且满足画像更新分析条件的目标画像标签。

[0031] 例如，所述历史用户画像数据和所述当前用户画像数据中对应画像标签可以理解为相同类别的画像标签，例如历史用户画像数据中的体育运动标签和当前用户画像数据中
的体育运动标签可以理解为对应画像标签。标签差异比较结果用于表征所述历史用户画像
数据和所述当前用户画像数据在相同类型的画像标签上的变化信息，比如历史用户画像数
据中的体育运动标签对应爱好打篮球，而当前用户画像数据中的体育运动标签对应爱好健
身，那么标签差异比较结果可以是篮球和健身之间的差异比较结果。满足画像更新分析条
件可以理解为满足产品更新需求的条件，因为一些画像标签的轻微变化可能不足以驱使产
品更新，比如一些非刚需性的画像标签（游戏界面的排版等），这些画像标签的改变基本不
是用户的关键需求，因此这一类的对应画像标签可以忽略。而目标画像标签一般对应用户
的关键需求，因此这类画像标签应该被重点关注。

[0032] 步骤S130，基于所述历史用户画像数据中的所述目标画像标签对所述当前用户画像数据中的所述目标画像标签进行画像标签关联；对画像标签关联后的所述当前用户画像
数据中的关联画像数据进行画像变化识别以得到用户画像变化信息。

[0033] 例如，画像标签关联是将一系列相对孤立的画像标签进行全局性整合，从而使得关联画像数据能够从整体反映用户的业务需求。用户画像变化信息可以用于表征历史用户
画像数据和当前用户画像数据之间的画像变化情况，用户画像变化信息可以理解为用户需
求的变化，也可以理解为用户对相关业务产品的使用反馈信息，通过将用户需求的变化以
及使用反馈信息进行综合分析，能够确定出用户画像存在变化的原因，从而与实际的业务
产品进行关联，这样能够为业务产品的升级和更新提供可靠的指导依据。

[0034] 步骤S140，根据所述用户画像变化信息确定与所述历史用户画像数据对应的第一业务评价信息以及与所述当前用户画像数据对应的第二业务评价信息，通过所述第一业务
评价信息和所述第二业务评价信息进行业务服务调整。

[0035] 例如，业务评价信息可以是用户针对不同业务服务产品的使用反馈信息，业务评价信息可以包括正面的评价信息，也可以包括负面的评价信息，正负面的评价信息可以为
开发者提供用户针对业务服务产品最直接的业务需求，这样能够基于不同的业务评价信息
进行业务服务产品的更新和升级。例如，针对一些办公软件产品，可以根据业务评价信息中
的负面评价信息进行相关功能的改进，也可以根据业务评价信息中的正面评价信息进行相
关功能的保持。这样一来，不仅能够实现对业务服务产品的缺陷的改进，还能够实现对业务
服务产品的竞争点的保持，从而有效减少盲目的产品更新换代而带来的软硬件成本，进而
实现业务服务产品的智能化和低成本化升级。

[0036] 综上可知，基于步骤S110‑步骤S140，能够对不同的用户画像数据进行分析以确定出用户画像变化信息，这样可以通过用户画像变化信息得到历史用户画像数据对应的第一
业务评价信息以及与当前用户画像数据对应的第二业务评价信息，从而实现对用户画像变
化的原因的深度分析。进一步地，基于不同的业务评价信息，能够获知业务服务产品的缺点
和优点，从而针对缺点进行升级优化。如此设计，能够确保更新和升级之后的产品与用户的
需求相匹配，实现针对性的产品更新和升级，减少盲目的产品更新换代而带来的软硬件成
本，进而实现业务服务产品的智能化和低成本化升级。

[0037] 接下来将对一些可选实施例进行说明，这些实施例应当理解为示例，不应理解为实现本方案所必不可少的技术特征。

[0038] 对于一些可能的实施例而言，步骤S120所描述的确定所述历史用户画像数据和所述当前用户画像数据中对应画像标签的标签差异比较结果，可以包括以下步骤S121和步骤
S122所描述的内容。

[0039] 步骤S121，确定所述历史用户画像数据中各画像标签的标签分类结果以及所述当前用户画像数据中各画像标签的标签分类结果。例如，标签分类结果可以根据预先设置的
分类指标进行，在此不作赘述。

[0040] 步骤S122，基于所述历史用户画像数据中各画像标签的标签分类结果以及所述当前用户画像数据中各画像标签的标签分类结果，确定所述历史用户画像数据和所述当前用
户画像数据中所述对应画像标签的业务习惯变化数据，其中，所述标签差异比较结果包括
所述业务习惯变化数据。例如，业务习惯变化数据可以表征用户在进行业务处理时的一些
行为习惯的变化。

[0041] 如此，基于上述步骤S121和步骤S122，能够将用户在进行业务处理时的一些行为习惯的变化考虑在内，从而确保标签差异比较结果能够尽可能与用户的实际情况相匹配。

[0042] 对于更进一步地的实施例中，所述历史用户画像数据和所述当前用户画像数据中所述对应画像标签的业务习惯变化数据确定方式可以有很多种，例如以下示出的三种方式
中的其中一种。

[0043] 第一种确定业务习惯变化数据的方式：基于所述历史用户画像数据中各画像标签的标签分类结果以及所述当前用户画像数据中各画像标签的标签分类结果，确定所述历史
用户画像数据和所述当前用户画像数据中所述对应画像标签的业务兴趣内容以确定所述
业务习惯变化数据。可以理解，这种方式将业务兴趣内容考虑在内以确定业务习惯变化数
据。

[0044] 第二种确定业务习惯变化数据的方式：基于所述历史用户画像数据中各画像标签的标签分类结果以及所述当前用户画像数据中各画像标签的标签分类结果，确定所述历史
用户画像数据和所述当前用户画像数据中所述对应画像标签的标签分类结果的关联习惯
数据以确定所述业务习惯变化数据；可以理解，这种方式将关联习惯数据考虑在内以确定
业务习惯变化数据。

[0045] 第三种确定业务习惯变化数据的方式：确定所述历史用户画像数据和所述当前用户画像数据中所述对应画像标签的画像行为描述信息，基于确定出的画像行为描述信息以
及所述历史用户画像数据和所述当前用户画像数据中所述对应画像标签的标签分类结果
确定所述业务习惯变化数据。可以理解，这种方式将画像行为描述信息考虑在内以确定业
务习惯变化数据。

[0046] 在实际实施过程中，上述确定业务习惯变化数据的方式的方式可以任意组合，在此不作限定，如此，能够从多个层面确定业务习惯变化数据，从而为后续的画像变化分析提
供数据基础。

[0047] 对于一些可能的实施例而言，步骤S120所描述的基于所述对应画像标签的标签差异比较结果确定出所述历史用户画像数据和所述当前用户画像数据之间对应的且满足画
像更新分析条件的目标画像标签，可以包括以下包括以下内容。

[0048] 首先，对所述历史用户画像数据和所述当前用户画像数据中所述对应画像标签按照标签差异比较结果对应的用户反馈信息的业务服务反馈内容进行更新。

[0049] 其次，所述目标画像标签的确定方式可以选用以下实施方式a e中的任一一种实~
施方式。

[0050] 实施方式a，根据更新后的所述对应画像标签对应的标签更新记录确定所述目标画像标签。例如，标签更新记录可以根据业务服务器的运行日志得到。

[0051] 实施方式b，根据更新后的所述对应画像标签对应的画像指示信息确定所述目标画像标签。例如，画像指示信息用于指示画像标签的相关引导信息。

[0052] 实施方式c，将标签差异比较结果满足画像标签分析指标的所述对应画像标签确定为所述目标画像标签。例如，画像标签分析指标可以预先进行设置，在此不作限定。

[0053] 实施方式d，按顺序将标签差异比较结果不满足画像标签分析指标的所述对应画像标签中包括的各对应画像标签按照预定标签内容识别方式进行标签内容识别，基于标签
内容识别结果确定所述目标画像标签。例如，预定标签内容识别方式可以针对文字内容或
者图像内容分写进行设置，在此不作赘述。

[0054] 实施方式e，基于所述对应画像标签的业务服务跟踪信息选取所述目标画像标签。例如，业务服务跟踪信息可以是售后服务等相关的用于进行用户跟踪的信息。

[0055] 可以理解，基于上述实施方式a‑实施方式e，能够根据不同的应用场景或者实际情况灵活地选取确定目标画像标签的实施方式，这样能够确保整个方案的灵活实施。

[0056] 进一步地，在实施方式d中，按顺序将标签差异比较结果不满足画像标签分析指标的所述对应画像标签中包括的各对应画像标签按照预定标签内容识别方式进行标签内容
识别，基于标签内容识别结果确定所述目标画像标签，可以包括以下步骤d1‑步骤d3。

[0057] 步骤d1，确定与标签差异比较结果不满足画像标签分析指标的所述对应画像标签中包括的各对应画像标签的标签差异比较结果对应的标签内容识别方式，其中，标签差异
比较结果的分析指标推荐信息对应标签内容识别方式的片段内容提取指标。

[0058] 步骤d2，按照确定的标签内容识别方式对标签差异比较结果不满足画像标签分析指标的所述对应画像标签中包括的各对应画像标签进行标签内容识别。

[0059] 步骤d3，根据标签内容识别后的所述对应画像标签对应的标签内容聚类结果得到所述目标画像标签。

[0060] 进一步地，在实施方式e中，基于所述对应画像标签的业务服务跟踪信息选取所述目标画像标签包括以下步骤e1‑步骤e4。

[0061] 步骤e1，按标签更新记录选取存在动态更新标识的所述对应画像标签，并确定所述存在动态更新标识的所述对应画像标签的用户需求更新信息，其中，所述存在动态更新
标识的所述对应画像标签的数量为正整数n。

[0062] 步骤e2，按顺序选取存在静态更新标识的所述对应画像标签，并确定所述存在静态更新标识的所述对应画像标签的服务内容更新信息。

[0063] 步骤e3，在确定所述用户需求更新信息和所述服务内容更新信息的更新信息匹配结果满足画像确定条件时，将所述存在动态更新标识的所述对应画像标签确定为所述目标
画像标签。

[0064] 步骤e4，在确定所述用户需求更新信息和所述服务内容更新信息的更新信息匹配结果不满足所述画像确定条件时，重复执行选取比前一次选取数量多一个的存在所述动态
更新标识的所述对应画像标签，直到后选取出的存在所述动态更新标识的所述对应画像标
签的标签场景信息与前一次选取出的存在所述动态更新标识的所述对应画像标签的标签
场景信息的场景匹配信息为预设场景匹配信息中的其中一种，并将前一次选取出的所述对
应画像标签确定为所述目标画像标签。

[0065] 在实际应用时发明人发现，为了实现画像标签的完整关联，从而尽可能从全局反应用户的实际情况，在步骤S130中，基于所述历史用户画像数据中的所述目标画像标签对
所述当前用户画像数据中的所述目标画像标签进行画像标签关联，可以包括以下步骤
S131‑步骤S135所描述的内容。

[0066] 步骤S131，通过多维标签数组表示所述历史用户画像数据中的所述用户画像变化信息中包括的每一个画像标签，将多维标签数组表示的各画像标签组成历史画像标签集，
对所述历史画像标签集进行标签兴趣内容提取及标签兴趣内容关联，以得到历史兴趣内容
目录。

[0067] 步骤S132，通过多维标签数组表示所述当前用户画像数据中的所述当前画像更新信息中包括的每一个画像标签，将多维标签数组表示的各画像标签组成当前画像标签集，
对所述当前画像标签集进行标签兴趣内容提取及标签兴趣内容关联，以得到当前兴趣内容
目录。

[0068] 步骤S133，基于所述历史兴趣内容目录对所述历史用户画像数据中的所述历史画像更新信息进行画像变化轨迹提取，以得到历史画像变化轨迹。

[0069] 步骤S134，基于所述当前兴趣内容目录以及所述历史画像变化轨迹对所述当前用户画像数据中的所述当前画像更新信息进行画像变化轨迹提取，得到当前画像变化轨迹。

[0070] 步骤S135，通过所述当前画像变化轨迹以及所述历史画像变化信息之间的变化轨迹比较结果对所述当前用户画像数据中的所述目标画像标签进行画像标签关联。例如，画
像变化轨迹可以通过二维曲线或者三维曲线的形式进行表示，对应的坐标轴可以是画像类
别或者标签类别，在此不作限定。

[0071] 可以理解，通过实施上述步骤S131‑步骤S135，能够分别确定历史用户画像数据的历史画像变化轨迹以及当前用户画像数据的当前画像变化轨迹，这样能够确保对历史用户
画像数据和当前用户画像数据进行分析时的时序连续性，进一步地，通过历史画像变化轨
迹和当前画像变化轨迹之间的变化轨迹比较结果，能够完整地、实时地对目标画像标签进
行关联，从而尽可能从全局反应用户的实际情况。

[0072] 对于进一步的实施例而言，步骤S133所描述的基于所述历史兴趣内容目录对所述历史用户画像数据中的所述历史画像更新信息进行画像变化轨迹提取，以得到历史画像变
化轨迹包括：判断所述历史用户画像数据中的各所述历史画像更新信息对应的历史兴趣内
容目录的服务交互信息是否满足历史服务交互对应的评价条件；将历史兴趣内容目录满足
所述历史服务交互对应的评价条件的历史画像更新信息的历史兴趣内容目录的服务交互
信息进行交互评价标识的添加，确定其他历史画像更新信息的历史兴趣内容目录的服务交
互信息对应的评价满意度信息，根据添加了交互评价标识的服务交互信息以及其他历史画
像更新信息的历史兴趣内容目录的服务交互信息对应的评价满意度信息，生成所述历史画
像变化轨迹。

[0073] 对于进一步的实施例而言，步骤S134所描述的基于所述当前兴趣内容目录以及所述历史画像变化轨迹对所述当前用户画像数据中的所述当前画像更新信息进行画像变化
轨迹提取包括：判断所述当前用户画像数据中的各所述当前画像更新信息对应的当前兴趣
内容目录的服务交互信息与预设的第一服务交互参考信息的信息比较结果是否满足当前
服务交互对应的评价条件，其中，所述预设的第一服务交互参考信息为所述历史用户画像
数据中对应的历史画像更新信息所对应的历史兴趣内容目录与预先统计的用户服务调查
结果的业务服务指导信息；将当前兴趣内容目录与所述预设的第一服务交互参考信息的信
息比较结果满足所述当前服务交互对应的评价条件的当前画像更新信息的当前兴趣内容
目录进行交互评价标识的添加，确定其他当前画像更新信息的当前兴趣内容目录的服务交
互信息对应的评价满意度信息，根据添加了交互评价标识的服务交互信息以及其他当前画
像更新信息的历史兴趣内容目录的服务交互信息对应的评价满意度信息，生成所述当前画
像变化轨迹。

[0074] 在实际实施过程中，为了确保用户画像变化信息与业务服务的高相关性，在步骤S130中，对画像标签关联后的所述当前用户画像数据中的关联画像数据进行画像变化识别
以得到用户画像变化信息包括：将所述关联画像数据中包括的进行了所述画像标签关联后
的画像标签的服务交互信息与未进行所述画像标签关联前的画像标签的服务交互信息进
行比较，通过对选取进行了所述画像标签关联后的画像标签的服务交互信息与未进行所述
画像标签关联前的画像标签的服务交互信息的比较结果满足画像变化指标的服务交互信
息与未进行所述画像标签关联前的画像标签的服务交互信息进行服务交互信息筛选来确
定所述关联画像数据的服务交互信息，以根据所述关联画像数据的服务交互信息确定所述
用户画像变化信息。如此设计，通过考虑画像标签关联前后的服务交互信息，以确定关联画
像数据的服务交互信息，这样可以根据关联画像数据的服务交互信息确定用户画像变化信
息，进而确保用户画像变化信息与业务服务的高相关性，便于后续进行相关业务服务的针
对性升级。

[0075] 对于一些可能的实施例而言，为了确保业务评价信息能够将用户针对产品的使用过程和使用感受进行全方位涵盖，需要考虑用户需求、产品反馈以及相关的投诉信息。为实
现这一目的，步骤S140所描述的根据所述用户画像变化信息确定与所述历史用户画像数据
对应的第一业务评价信息以及与所述当前用户画像数据对应的第二业务评价信息，可以包
括以下步骤S140a‑步骤S140e。

[0076] S140a，按照待分析用户终端的业务处理记录将用户画像变化信息对应的业务服务需求数据进行服务需求分类为多个服务需求类别，根据每个服务需求类别的服务需求内
容对应的业务服务事件所对应的业务服务产品信息，确定每个业务服务事件的服务产品输
出信息；其中，所述服务产品输出信息包括与用户进行交互的产品信息。

[0077] S140b，在确定每个业务服务事件的服务产品输出信息后，对所述每个业务服务事件的服务产品输出信息进行产品反馈分析，确定所述每个服务产品输出信息的产品反馈结
果，根据每个服务产品输出信息的产品反馈结果及每个业务服务事件的服务产品输出信
息，确定所述业务服务需求数据对应的业务服务事件的第一产品投诉信息。

[0078] S140c，对每个产品投诉类别而言，根据每个业务服务事件与至少一个产品投诉类别的配对关系，确定每个业务服务事件对应的业务服务交互记录，根据所述第一产品投诉
信息中每个业务服务事件的用户情绪表现记录和每个业务服务事件对应的业务服务交互
记录，确定每个产品投诉类别对应的第一产品投诉信息统计结果。

[0079] S140d，根据每个产品投诉类别对应的第一产品投诉信息统计结果，确定所述业务服务需求数据对应的目标产品投诉类别。

[0080] S140e，根据每个业务服务事件与业务服务评分最高的第一业务服务事件之间在所述目标产品投诉类别上的业务服务差异信息，所述第一业务服务事件和业务服务评分最
低的第二业务服务事件在所述目标产品投诉类别上的业务服务差异信息，及每个业务服务
事件的服务产品输出信息，确定每个业务服务事件的业务服务评分指标。

[0081] S140f，根据每个业务服务事件的业务服务评分指标，确定每个业务服务事件对应的服务需求类别中每个服务需求事件的业务服务评分指标；根据每个服务需求事件的业务
服务评分指标，对所述业务服务需求数据中每个服务需求事件进行业务评价信息分类，得
到与所述历史用户画像数据对应的第一业务评价信息以及与所述当前用户画像数据对应
的第二业务评价信息。

[0082] 可以理解，通过实施上述步骤S140a‑步骤S140f所描述的内容，能够将业务服务需求数据、服务需求类别、业务服务产品信息以及产品投诉的相关信息考虑在内，进而综合考
虑用户需求信息、产品反馈以及相关的投诉信息，这样能够确保确定出业务评价信息能够
将用户针对产品的使用过程和使用感受进行全方位涵盖，从而为后续的业务服务产品的升
级和改善提供完整可靠的决策依据。

[0083] 进一步地，在步骤S140b中，根据每个服务产品输出信息的产品反馈结果及每个业务服务事件的服务产品输出信息，确定所述业务服务需求数据对应的业务服务事件的第一
产品投诉信息，可以包括：当业务服务事件的服务产品输出信息匹配所述产品反馈结果时，
所述业务服务事件在所述第一产品投诉信息中对应无投诉记录；当业务服务事件的服务产
品输出信息不匹配所述产品反馈结果时，所述业务服务事件在所述第一产品投诉信息中对
应目标投诉记录，其中，所述目标投诉记录和所述服务产品输出信息存在时序相关性。

[0084] 对于一些可替换的实施例而言，为了灵活地实现业务服务的调整，从而减少业务服务升级的软硬件成本，步骤S140所描述的通过所述第一业务评价信息和所述第二业务评
价信息进行业务服务调整，可以包括以下步骤S141‑步骤S145所描述的内容。

[0085] 步骤S141，获取所述第一业务评价信息和所述第二业务评价信息之间的业务评价关联信息的服务产品开发数据，其中，所述服务产品开发数据包括产品服务转换数据与产
品服务漏洞数据。

[0086] 步骤S142，确定业务服务调整方式。

[0087] 步骤S143，根据所述产品服务漏洞数据与所述产品服务转换数据，确定是否需要对所述第一业务评价信息和所述第二业务评价信息之间的业务评价关联信息中业务评价
关联程度最高的服务事件执行记录对应的产品前端交互数据进行数据拆分。

[0088] 步骤S144，若需要进行数据拆分，则对所述第一业务评价信息和所述第二业务评价信息之间的业务评价关联信息的至少部分产品前端交互数据进行依交互次数指标的数
据拆分，得到所述业务评价关联程度最高的服务事件执行记录对应的产品前端交互数据。

[0089] 步骤S145，利用所述服务产品开发数据确定是否需要对所述业务评价关联程度最高的服务事件执行记录对应的产品前端交互数据进行前端交互模拟；若需要进行前端交互
模拟，则生成新的产品前端交互数据，并进行业务服务调整。

[0090] 可以理解，通过上述步骤S141‑步骤S145所描述的内容，能够灵活地实现业务服务的调整，从而减少业务服务升级的软硬件成本。

[0091] 在上述步骤S141‑步骤S145的基础上，所述产品服务转换数据包括所述第一业务评价信息和所述第二业务评价信息之间的业务评价关联信息的评价情绪信息、所述第一业
务评价信息和所述第二业务评价信息之间的业务评价关联信息的评价语音信息以及评价
传递信息，所述方法还包括以下步骤S21‑步骤S28。

[0092] 步骤S21，判断所述产品服务转换数据的类别、所述评价传递信息以及所述产品服务漏洞数据是否匹配。

[0093] 步骤S22，若所述产品服务转换数据的类别、所述评价传递信息以及所述产品服务漏洞数据匹配，则在所述业务服务调整方式为所述产品服务重置时，根据所述多个所述第
一业务评价信息和所述第二业务评价信息之间的业务评价关联信息的评价情绪信息判断
是否配置产品重置脚本；若已配置所述产品重置脚本，则根据所述产品重置脚本与所述多
个所述第一业务评价信息和所述第二业务评价信息之间的业务评价关联信息进行业务服
务调整；若未配置所述产品重置脚本，则根据所述多个所述第一业务评价信息和所述第二
业务评价信息之间的业务评价关联信息进行业务服务调整。

[0094] 步骤S23，在所述业务服务调整方式为所述产品服务局部调整时，则根据所述多个所述第一业务评价信息和所述第二业务评价信息之间的业务评价关联信息的评价语音信
息判断是否配置服务调整脚本。

[0095] 步骤S24，若已配置所述服务调整脚本，则根据所述服务调整脚本与所述多个所述第一业务评价信息和所述第二业务评价信息之间的业务评价关联信息进行业务服务调整；
若未配置所述服务调整脚本，则根据所述多个所述第一业务评价信息和所述第二业务评价
信息之间的业务评价关联信息进行业务服务调整。

[0096] 步骤S25，若所述产品服务转换数据的类别、所述评价传递信息或所述产品服务漏洞数据不匹配，则在所述业务服务调整方式为所述产品服务重置时，从所述多个所述第一
业务评价信息和所述第二业务评价信息之间的业务评价关联信息中选取一个所述第一业
务评价信息和所述第二业务评价信息之间的业务评价关联信息作为产品重置指示信息，根
据所述多个所述第一业务评价信息和所述第二业务评价信息之间的业务评价关联信息的
评价情绪信息判断是否配置所述产品重置脚本；若配置所述产品重置脚本，则利用所述产
品重置指示信息的服务产品开发数据、所述产品重置脚本与其他所述第一业务评价信息和
所述第二业务评价信息之间的业务评价关联信息，进行业务服务调整。

[0097] 步骤S26，若不配置所述产品重置脚本，则利用所述产品重置指示信息的服务产品开发数据以及所述其他所述第一业务评价信息和所述第二业务评价信息之间的业务评价
关联信息，进行业务服务调整。

[0098] 步骤S27，在所述业务服务调整方式为所述产品服务局部调整时，从所述多个所述第一业务评价信息和所述第二业务评价信息之间的业务评价关联信息中选取一个所述第
一业务评价信息和所述第二业务评价信息之间的业务评价关联信息作为产品局部调整指
示信息，根据所述多个所述第一业务评价信息和所述第二业务评价信息之间的业务评价关
联信息的评价语音信息判断是否配置所述服务调整脚本；若配置所述服务调整脚本，则利
用所述产品局部调整指示信息的服务产品开发数据、所述服务调整脚本与所述其他所述第
一业务评价信息和所述第二业务评价信息之间的业务评价关联信息，进行业务服务调整。

[0099] 步骤S28，若未配置所述服务调整脚本，则利用所述产品局部调整指示信息的服务产品开发数据以及所述其他所述第一业务评价信息和所述第二业务评价信息之间的业务
评价关联信息，进行业务服务调整。

[0100] 可以理解，基于上述步骤S21‑步骤S28，能够灵活采用产品重置和产品局部调整两种方式实现业务服务的调整，这样能够确保在满足用户后续的业务需求的前提下，尽可能
减少业务服务调整的软硬件成本。

[0101] 在另一个可替换的实施例中，在步骤S110所描述的获取对待分析用户终端进行用户画像分析后所得到的历史用户画像数据和当前用户画像数据的内容之前，所述方法还包
括以下内容。

[0102] 获取对待分析用户终端进行用户画像分析后所得到的关联用户画像数据，其中，所述关联用户画像数据为包括至少两类关联用户的用户画像数据；

[0103] 将所述关联用户画像数据转换成至少两组所述当前用户画像数据，其中，不同的所述当前用户画像数据中包括有不同的用户标识；

[0104] 确定所述历史用户画像数据和所述当前用户画像数据中对应画像标签的标签差异比较结果，并基于所述对应画像标签的标签差异比较结果确定出所述历史用户画像数据
和所述当前用户画像数据之间对应的且满足画像更新分析条件的目标画像标签包括：

[0105] 对于所述历史用户画像数据和任一个所述当前用户画像数据均执行以下操作：

[0106] 确定所述历史用户画像数据和所述当前用户画像数据中所述对应画像标签的标签差异比较结果，并基于所述对应画像标签的标签差异比较结果确定出所述历史用户画像
数据和所述当前用户画像数据之间对应的且满足画像更新分析条件的目标画像标签；

[0107] 基于所述历史用户画像数据中的所述目标画像标签对所述当前用户画像数据中的所述目标画像标签进行画像标签关联包括：对于所述历史用户画像数据和任一个所述当
前用户画像数据均执行以下操作：基于所述历史用户画像数据中的所述目标画像标签对所
述当前用户画像数据中的所述目标画像标签进行画像标签关联；

[0108] 对画像标签关联后的所述当前用户画像数据中的关联画像数据进行画像变化识别以得到用户画像变化信息包括：对于所述历史用户画像数据和任一个所述当前用户画像
数据均执行以下操作：对画像标签关联后的所述当前用户画像数据中的关联画像数据进行
画像变化识别以得到用户画像变化信息；

[0109] 在得到所述用户画像变化信息之后，所述方法还包括：将得到的至少两组用户画像变化信息进行画像变化识别，以得到与所述关联用户画像数据对应的用户画像变化信
息。

[0110] 图4是根据本发明的一些实施例所示的一种示例性基于大数据和云业务的数据处理装置400的框图，所述基于大数据和云业务的数据处理装置400可以包括如下的功能模
块。

[0111] 画像数据获取模块410，用于获取对待分析用户终端进行用户画像分析后所得到的历史用户画像数据和当前用户画像数据。

[0112] 画像标签确定模块420，用于确定所述历史用户画像数据和所述当前用户画像数据中对应画像标签的标签差异比较结果，并基于所述对应画像标签的标签差异比较结果确
定出所述历史用户画像数据和所述当前用户画像数据之间对应的且满足画像更新分析条
件的目标画像标签。

[0113] 变化信息识别模块430，用于基于所述历史用户画像数据中的所述目标画像标签对所述当前用户画像数据中的所述目标画像标签进行画像标签关联；对画像标签关联后的
所述当前用户画像数据中的关联画像数据进行画像变化识别以得到用户画像变化信息。

[0114] 业务服务调整模块440，用于根据所述用户画像变化信息确定与所述历史用户画像数据对应的第一业务评价信息以及与所述当前用户画像数据对应的第二业务评价信息，
通过所述第一业务评价信息和所述第二业务评价信息进行业务服务调整。

[0115] 关于上述功能模块的进一步描述可以参阅对图3所示的方法的说明。

[0116] 基于上述同样的发明构思，还提供了一种基于大数据和云业务的数据处理系统，关于该系统的进一步描述如下。

[0117] 一种基于大数据和云业务的数据处理系统，包括互相之间通信的云业务服务器以及多个用户终端；其中，所述云业务服务器用于：

[0118] 获取对待分析用户终端进行用户画像分析后所得到的历史用户画像数据和当前用户画像数据；

[0119] 确定所述历史用户画像数据和所述当前用户画像数据中对应画像标签的标签差异比较结果，并基于所述对应画像标签的标签差异比较结果确定出所述历史用户画像数据
和所述当前用户画像数据之间对应的且满足画像更新分析条件的目标画像标签；

[0120] 基于所述历史用户画像数据中的所述目标画像标签对所述当前用户画像数据中的所述目标画像标签进行画像标签关联；对画像标签关联后的所述当前用户画像数据中的
关联画像数据进行画像变化识别以得到用户画像变化信息；

[0121] 根据所述用户画像变化信息确定与所述历史用户画像数据对应的第一业务评价信息以及与所述当前用户画像数据对应的第二业务评价信息，通过所述第一业务评价信息
和所述第二业务评价信息进行业务服务调整。

[0122] 关于上述系统的进一步描述可以参阅对图3所示的方法的说明。

[0123] 本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。
对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行
合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语
的前缀，例如“第一”、“第二”、“上一个”、“下一个”、“前一个”、“后一个”、“当前”、“历史”、
“最新”、“最佳”、“目标”、“指定”和“实时”等，可以根据前后文进行毫无疑义地推导和确定。
未作解释的技术特征术语的后缀，例如“列表”、“特征”、“序列”、“集合”、“矩阵”、“单元”、
“元素”、“轨迹”和“清单”等，也可以根据前后文进行毫无疑义地推导和确定。

[0124] 本发明实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是
基于本申请所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。

[0125] 上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可以对本
申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、
改进、修正仍属于本申请示范实施例的精神和范围。

[0126] 同时，本申请使用了特定术语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因
此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施
例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的至少一个实施例中的某
些特征、结构或特点可以进行适当的组合。

[0127] 另外，本领域普通技术人员可以理解的是，本申请的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的
组合，或对他们任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、
可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上
硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本申请的各方面可以表现为位于
至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。

[0128] 计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等
等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计
算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或
传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行
传播，包括无线电、电缆、光纤缆线、RF、或类似介质、或任何上述介质的组合。

[0129] 本申请各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、
VB.NET，Python等，或类似的常规程序编程语言，如"C"编程语言，Visual Basic，Fortran 
2003，Perl，COBOL 2002，PHP，ABAP，动态编程语言如Python，Ruby和Groovy或其它编程语
言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机
上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务
器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域
网络(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或
作为服务使用如软件即服务(SaaS)。

[0130] 此外，除非申请专利范围中明确说明，本申请所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通
过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说
明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所
有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可
以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或
行动装置上安装所描述的系统。

[0131] 同样应当理解的是，为了简化本申请揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对
其的描述中。但是，这种披露方法幷不意味着本申请对象所需要的特征比权利要求中提及
的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。