CN113781062A - 一种用户标签的展示方法和装置 - Google Patents

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本发明第一实施例提供的用户标签的展示方法的主要流程的示意图；如图1所示，本发明实施例提供的用户标签的展示方法主要包括：

步骤S101，获取当前会话的用户编号，确定与用户编号对应的用户标签。

用户标签十分丰富，每个用户均对应较多的用户标签(如年龄、性别、喜好、兴趣、职业、历史投诉率、风险等级、购买力等级等)，且随着基础数据维度的拓展，还会各用户不断扩展出新的用户便签。通过获取当前会话的用户编号，即可根据该用户编号确定该用户对应的多个(大于或等于两个)标签。对于新增用户，在还未扩展出较多用户标签的情况下，也可能仅有一个用户标签的情形，但是在这种情形下，只需将该仅有的一个用户标签向服务提供方进行展示即可，不再需要考虑根据服务提供方的关注要素确定的用户标签排序。

具体地，根据本发明实施例，在上述获取当前会话的用户编号的步骤之前，还包括：获取各用户编号对应用户的历史数据，基于对历史数据进行分析处理得到多个用户标签，将多个用户标签组成标签集合，用户标签与用户编号相对应。

用户标签时通过用户的历史数据进行抽象处理得到的，通过用户标签可以刻画用户画像，得到用户特征，进而达到精确服务的目的。通过上述设置，将针对历史数据进行处理得到的用户标签置于标签集合中，便于根据用户编号确定其对应的全部用户编号，获取的用户编号对应的用户标签越全面，后续确定的展示于服务提供方的目标用户标签越精确，有利于提升服务提供方根据该目标用户标签进行相应服务的质量，提升用户体验。

步骤S102，识别当前会话对应的当前场景，当前场景是服务提供方处理的一个或多个场景之一。

会话对应的场景可以为售前场景、售后场景、订单场景、物流场景等。由于不同场景下，服务提供方所关注的要素可能不同，如在售前场景下，客服着重关注的是用户喜好、用户咨询后的下单数据、用户对商品了解程度、用户购买力等级等用户标签；而在售前场景下，客服着重关注的却是用户风险等级及倾向、用户咨询评价情况、用户售后频率、用户影响力等用户标签。因此，通过识别当前会话对应的当前场景，能够进一步提高向服务提供方展示目标用户标签的精确率。

步骤S103，根据排序模型和当前场景，从用户编号对应的用户标签中确定目标用户标签，其中，排序模型用于确定与场景相关的用户标签的排列顺序。

排序模型中服务提供方处理的各场景下基于服务提供方的关注要素确定的多个用户标签的排序，根据当前场景和该用户编号对应的多个用户标签，即可确定目标用户标签。可以理解的，该目标用户标签为至少一个，在目标用户标签为多个的情况下，目标用户标签中还指示了各用户标签的排序。

具体地，根据本发明实施例，通过以下步骤训练排序模型：

对于场景，从标签集合中选择多个用户标签并展示给服务提供方；接收服务提供方对于场景选择的多个用户标签的排列顺序；对于场景，以多个用户标签的作为训练集，对排序模型进行训练。

标签集合中包括各用户编号对应的用户标签，从标签集合中获取至少一个用户标签对应的用户标签，然后根据服务提供方的选择(该选择是服务提供方基于各场景下的关注要素确定的)，确定从标签集合中多个用户标签在各场景下的排列顺序，进而再以多个用户标签分别在各场景下的排列顺序作为训练集对排序模型进行训练，使得排序模型达到收敛，即可得到各场景下基于服务提供方确定的用户标签的排序，进而后续可根据该排序模型和当前场景确定目标用户标签，降低了确定目标用户标签的计算量，进而降低了后续目标用户标签的展示成本。

进一步地，根据本发明实施例，对于场景，以多个用户标签的排列顺序作为训练集，对排序模型进行训练的步骤包括：排序模型为二分类排序模型；对于场景，基于多个用户标签的排列顺序，确定多个用户标签中每两个用户标签的排列顺序，以每两个用户标签的排列顺序作为训练集，对二分类排序模型进行训练。

通过上述设置，以每两个用户标签分别在各场景下的排列顺序作为训练集，进而对PairWise(两两标注排序模型/二分类排序模型，其是对每两个对象进行排序，得到训练集的偏序关系)进行训练得到最终的各场景下基于服务提供方的关注要素确定的多个用户标签的排序结果，能够降低确定排序模型中各场景下多个用户标签的排序结果的计算量，降低计算成本。需要说明的是，上述排序模型还可以采用现有的任一种采用排序学习算法的排序模型，如PointWise(单点标注排序模型，其主要思想是将排序问题转化为多分类问题或者回归问题)和LiseWise(列表标注排序模型，其是将所有对象作为训练集，然后通过训练得到最终的排序结果)等。

优选地，根据本发明实施例，在标签集合中新增用户标签的情况下，上述用户标签的展示方法还包括：更新标签集合，基于更新后的标签集合，重新训练排序模型。

随着基础数据维度的拓展或获取的用户历史数据数量的增加，常拓展出新的用户标签，对于出现新增用户标签的情形，只需基于服务提供方的选择确定该新增用户标签和前述从标签集合中获取的多个数据标签在各场景下的排列顺序，将该新增用户标签和多个用户标签在各场景下的排列顺序加入训练集中，对排序模型进行再次训练，即可实现对排序模型中各场景下多个用户标签的排序结果的更新，提高了排序模型的时效性，同时还便于根据服务提供方的实际需求对排序模型进行调整，提升目标用户标签的确定精确度。

进一步地，根据本发明实施例，根据排序模型和当前场景从用户编号对应的用户标签中确定目标用户标签的步骤还包括：

根据排序模型、目标用户标签数量阈值和当前场景从用户编号对应的用户标签中确定目标用户标签。

虽然通过上述排序模型得到了基于服务提供方的关注要素确定的各场景下多个用户标签的排序，但是在确定目标用户标签时，并不一定需要将该用户标签对应的多个用户标签与排序模型中指示的用户标签排序相匹配的全部用户标签进行展示，通过设置目标用户标签数量阈值，能够对目标用户标签进行过滤，仅确定服务提供方最关注要素对应的用户标签为目标用户标签。

步骤S104，将目标用户标签于服务提供方对应的当前会话中进行展示。

具体地，根据本发明实施例，在将目标用户标签于服务提供方对应的当前会话中进行展示的步骤之前，用户标签的展示方法还包括：

识别当前会话对应的当前场景的子场景；

确定与子场景相关的目标用户标签，其中，与子场景相关的目标用户标签选自与当前场景相关的目标用户标签。

在实际应用时，根据服务提供方的关注要素对场景进行进一步划分为至少一个子场景。如子场景中服务提供方关注要素是用户黑产风险的情形，当表征用户风险的用户标签显示为“正常”时，对于服务提供方是无意义的用户标签，因此，为了提高向服务提供方所展示的目标用户标签的精确度，以进一步后续服务提供方的服务效率，根据当前会话对应的当前场景的子场景对目标用户标签进行筛选。可以理解的，上述筛选步骤可以理解为对于会话场景的进一步划分，如对于确定用户风险的会话场景，其对应的子场景可以是确定用户黑产风险的子场景，以及确定用户正常风险的子场景。

根据本发明实施例的技术方案，因为采用获取当前会话的用户编号，确定与用户编号对应的用户标签；识别当前会话对应的当前场景，当前场景是服务提供方处理的一个或多个场景之一；根据排序模型和当前场景，从用户编号对应的用户标签中确定目标用户标签，其中，排序模型用于确定与场景相关的用户标签的排列顺序；将目标用户标签于服务提供方对应的当前会话中进行展示的技术手段，解决了现有方法中由于服务提供方的关注要素不同、用户标签的数量较多，导致向服务提供方精确展示其所关注的用户标签的计算量大、展示成本高、后续服务效率低以及用户体验差的技术问题，进而达到降低确定目标用户标签的计算量，降低展示成本，提高后续服务效率，提升用户体验的技术效果。

图2a是根据本发明第二实施例提供的用户标签的展示方法的主要流程的示意图；如图2a所示，本发明实施例提供的用户标签的展示方法主要包括：

步骤S21，获取各用户编号对应用户的历史数据，基于对历史数据进行分析处理得到由多个用户标签组成的标签集合；根据与服务提供方进行当前会话的用户的历史数据，确定用户编号对应的用户标签。

具体的，根据本发明实施例，如图2b所示，上述步骤S21主要包括步骤S211至步骤S213，具体如下：

步骤S211，获取各用户编号对应用户的历史数据，该历史数据包括用户形象、购买商品偏好、历史咨询数据以及外观偏好等信息。

步骤S212，基于对历史数据的分析处理得到多个用户标签，其中，分析处理包括下列处理方式中的至少一种：聚类分析、数值分段、条件判断和逻辑计算，数据标签对应的类型包括布尔类、字符串类型以及数值类型等。

步骤S213，将各用户编号及其对应的数据标签置于标签集合中。

历史数据是对用户在过去一段时间内的历史行为所产生的数据的统计，具体可通过历史咨询会话记录确定历史数据(仅为示例，实际应用时还可通过多个平台/渠道获取历史数据)，历史数据主要包括会话评价记录、下单记录、售后记录以及客服系统对该用户的风险分析数据，通过历史数据能够较为全面的刻画用户画像，生成相应的用户标签。通过上述设置，通过聚类分析、数据分段、条件判断、逻辑计算中的一种或多种方式对用户历史数据进行分析处理，得到用户标签；进一步地，还可根据标签值将其划分为布尔类型、文本类型、字符串类型、数值类型等不同类型用户标签。例如用户标签“历史投诉率”的标签值为0-1之间的数据，其类型为数值类型；用户标签“是否怀孕”对应的标签值为是或否，其类型为布尔类型；用户标签“职业”对应的标签值为学生、教师等，其类型为文本类型。

根据本发明实施例的一具体实施方式，可通过标签关系系统执行上述得到用户标签的步骤。

步骤S22，对于场景(服务提供方处理的场景)，从标签集合中选择多个用户标签并展示给服务提供方；接收服务提供方根据场景选择的多个用户标签的排列顺序；对于该场景，以多个用户标签的排列顺序作为训练集，对排序模型进行训练。

通过上述设置，得到了各场景下基于服务提供方确定的用户标签的排序，进而后续可根据该排序模型和当前场景确定目标用户标签，降低了确定目标用户标签的计算量，进而降低了后续目标用户标签的展示成本。

进一步地，根据本发明实施例，排序模型为二分类排序模型，根据服务提供方的选择确定多个用户标签分别在各场景下的排列顺序，以多个用户标签分别在各场景下的排列顺序作为训练集，对排序模型进行训练的步骤包括：

确定多个用户标签中每两个用户标签分别在各场景下的排列顺序，以每两个用户标签分别在各场景下的排列顺序作为训练集，对二分类排序模型进行训练。

通过上述设置，采用PairWise(两两标注排序模型/二分类排序模型，其是对每两个对象进行排序，得到训练集的偏序关系)进行训练得到最终的各场景下基于服务提供方的关注要素确定的多个用户标签的排序结果，能够降低确定排序模型中各场景下多个用户标签的排序结果的计算量，降低计算成本。

优选地，根据本发明实施例，在标签集合中新增用户标签的情况下，上述用户标签的展示方法还包括：根据服务提供方的选择确定该新增用户标签和多个用户标签在各场景下的排列顺序，将该新增用户标签和多个用户标签在各场景下的排列顺序加入训练集中，对排序模型进行训练。

通过上述设置，实现了对排序模型中各场景下多个用户标签的排序结果的更新，提高了排序模型的时效性，同时还便于根据服务提供方的实际需求对排序模型进行调整，提升目标用户标签的确定精确度。

进一步地，根据本发明实施例，根据排序模型和当前场景从多个用户标签中确定目标用户标签的步骤还包括：

根据排序模型、目标用户标签数量阈值和当前场景从多个用户标签中确定目标用户标签。

通过设置目标用户标签数量阈值，能够对目标用户标签进行过滤，仅确定服务提供方最关注要素对应的用户标签为目标用户标签。

进一步地，根据本发明实施例，如图2c所示，上述步骤S22所示排序模型的训练步骤还可以通过下列步骤进行实现：

步骤S221，基于各场景生成咨询问题列表，其中，咨询问题列表指示了可供服务提供方选择的用户标签展示顺序。

步骤S222，接收服务提供方选择的展示顺序，并将该展示顺序进行拆分，得到任两个用户标签对应的排列顺序。

步骤S223，以任两个用户标签对应的排列顺序作为训练样本，输入至二分类排序模型中，对该二分类排序模型进行训练。

进一步地，根据本发明实施例，上述咨询问题列表还可以包括咨询问题(如，在售后咨询场景中，服务提供方期望以下标签以什么顺序进行展示)，以及随机N个用户标签(从标签集合中随机抽取，如[A.是否为黑产用户，B.用户购买力，C.用户职业，D.用户品类偏好等])。其中，通过统计服务提供方的基于其自身的关注要素确定的选择，进而得到服务提供方期望的展示顺序。具体地，上述二分类排序模型可以为基于AdaBoost的RankBoost模型(仅为示例)，训练出的排序模型能够用于对用户标签进行推荐。

步骤S23，获取当前会话的用户编号，确定与用户编号对应的用户标签。

通过获取当前会话的用户编号，即可根据该用户编号确定该用户对应的多个(大于或等于两个)标签。

步骤S24，识别当前会话对应的当前场景，当前场景是服务提供方处理的一个或多个场景之一。

由于不同场景下，服务提供方所关注的要素可能不同，因此，通过识别当前会话对应的当前场景，能够进一步提高向服务提供方展示目标用户标签的精确率。

步骤S25，根据排序模型和当前场景，从用户编号对应的用户标签中确定目标用户标签。

排序模型中各场景下基于服务提供方的关注要素确定的多个用户标签的排序，根据当前场景和该用户编号对应的多个用户标签，即可确定目标用户标签。可以理解的，该目标用户标签为至少一个，在目标用户标签为多个的情况下，目标用户标签中还指示了各用户标签的排序。

步骤S26，识别当前会话对应的当前场景的子场景，确定与子场景相关的目标用户标签。

在实际应用时，根据服务提供方的关注要素对场景进行进一步划分为至少一个子场景。如子场景中服务提供方关注要素是用户黑产风险的情形，当表征用户风险的用户标签显示为“正常”时，对于服务提供方是无意义的用户标签，因此，为了提高向服务提供方所展示的目标用户标签的精确度，以进一步后续服务提供方的服务效率，根据当前会话对应的当前场景的子场景对目标用户标签进行筛选。可以理解的，上述筛选步骤可以理解为对于会话场景的进一步划分，如对于确定用户风险的会话场景，其对应的子场景可以是确定用户黑产风险的子场景，以及确定用户正常风险的子场景。

步骤S27，将目标用户标签于服务提供方对应的当前会话中进行展示。

根据本发明实施例的技术方案，因为采用获取当前会话的用户编号，确定与用户编号对应的用户标签；识别当前会话对应的当前场景；根据排序模型和当前场景，从用户编号对应的用户标签中确定目标用户标签，其中，排序模型是根据在各场景下服务提供方对多个用户标签的排序得到的；将目标用户标签于服务提供方对应的当前会话中进行展示的技术手段，解决了现有方法中由于服务提供方的关注要素不同、用户标签的数量较多，导致向服务提供方精确展示其所关注的用户标签的计算量大、展示成本高、后续服务效率低以及用户体验差的技术问题，进而达到降低确定目标用户标签的计算量，降低展示成本，提高后续服务效率，提升用户体验的技术效果。

图3是根据本发明第五实施例提供的用户标签的展示装置的主要模块的示意图；如图3所示，本发明实施例提供的用户标签的展示装置300主要包括：

用户标签确定模块301，用于获取当前会话的用户编号，确定与用户编号对应的用户标签。

用户标签十分丰富，每个用户均对应较多的用户标签(如年龄、性别、喜好、兴趣、风险等级、购买力等级等)，且随着基础数据维度的拓展，还会各用户不断扩展出新的用户便签。通过获取当前会话的用户编号，即可根据该用户编号确定该用户对应的多个(大于或等于两个)标签。对于新增用户，在还未扩展出较多用户标签的情况下，也可能仅有一个用户标签的情形，但是在这种情形下，只需将该仅有的一个用户标签向服务提供方进行展示即可，不再需要考虑根据服务提供方的关注要素确定的用户标签排序。

具体地，根据本发明实施例，上述用户标签的展示装置300还包括标签集合组合模块，在上述获取当前会话的用户编号的步骤之前，标签集合组合模块用于：获取各用户编号对应用户的历史数据，基于对历史数据进行分析处理得到多个用户标签，将多个用户标签组成标签集合，用户标签与用户编号相对应。

用户标签时通过用户的历史数据进行抽象处理得到的，通过用户标签可以刻画用户画像，得到用户特征，进而达到精确服务的目的。通过上述设置，将针对历史数据进行处理得到的用户标签置于标签集合中，便于根据用户编号确定其对应的全部用户编号，获取的用户编号对应的用户标签越全面，后续确定的展示于服务提供方的目标用户标签越精确，有利于提升服务提供方根据该目标用户标签进行相应服务的质量，提升用户体验。

当前场景识别模块302，用于识别当前会话对应的当前场景，当前场景是服务提供方处理的一个或多个场景之一。

由于不同场景下，服务提供方所关注的要素可能不同，如在售前场景下，客服着重关注的是用户喜好、用户咨询后的下单数据、用户对商品了解程度、用户购买力等级等用户标签；而在售前场景下，客服着重关注的却是用户风险等级及倾向、用户咨询评价情况、用户售后频率、用户影响力等用户标签。因此，通过识别当前会话对应的当前场景，能够进一步提高向服务提供方展示目标用户标签的精确率。

目标用户标签确定模块303，用于根据排序模型和当前场景从用户编号对应的用户标签中确定目标用户标签，其中，排序模型用于确定与场景相关的用户标签的排列顺序。

排序模型中服务提供方处理的各场景下基于服务提供方的关注要素确定的多个用户标签的排序，根据当前场景和该用户编号对应的用户标签，即可确定目标用户标签。可以理解的，该目标用户标签为至少一个，在目标用户标签为多个的情况下，目标用户标签中还指示了各用户标签的排序。

具体地，根据本发明实施例，上述用户标签的展示装置300还包括排序模型训练模块，用于：

对于场景，从标签集合中选择多个用户标签并展示给服务提供方；接收服务提供方对于场景选择的多个用户标签的排列顺序；对于场景，以多个用户标签的作为训练集，对排序模型进行训练。

标签集合中包括各用户编号对应的用户标签，从标签集合中获取至少一个用户标签对应的用户标签，然后根据服务提供方的选择(该选择是服务提供方基于各场景下的关注要素确定的)，确定从标签集合中多个用户标签在各场景下的排列顺序，进而再以多个用户标签分别在各场景下的排列顺序作为训练集对排序模型进行训练，使得排序模型达到收敛，即可得到各场景下基于服务提供方确定的用户标签的排序，进而后续可根据该排序模型和当前场景确定目标用户标签，降低了确定目标用户标签的计算量，进而降低了后续目标用户标签的展示成本。

进一步地，根据本发明实施例，排序模型为二分类排序模型，上述排序模型训练模块还用于：

对于场景，基于多个用户标签的排列顺序，确定多个用户标签中每两个用户标签的排列顺序，以每两个用户标签的排列顺序作为训练集，对二分类排序模型进行训练。通过上述设置，以每两个用户标签分别在各场景下的排列顺序作为训练集，进而对PairWise(两两标注排序模型/二分类排序模型，其是对每两个对象进行排序，得到训练集的偏序关系)进行训练得到最终的各场景下基于服务提供方的关注要素确定的多个用户标签的排序结果，能够降低确定排序模型中各场景下多个用户标签的排序结果的计算量，降低计算成本。需要说明的是，上述排序模型还可以采用现有的任一种采用排序学习算法的排序模型，如PointWise(单点标注排序模型，其主要思想是将排序问题转化为多分类问题或者回归问题)和LiseWise(列表标注排序模型，其是将所有对象作为训练集，然后通过训练得到最终的排序结果)等。

优选地，根据本发明实施例，在标签集合中新增用户标签的情况下，上述排序模型训练模块还用于：更新标签集合，基于更新后的标签集合，重新训练排序模型。

随着基础数据维度的拓展或获取的用户历史数据数量的增加，常拓展出新的用户标签，对于出现新增用户标签的情形，只需基于服务提供方的选择确定该新增用户标签和前述从标签集合中获取的多个数据标签在各场景下的排列顺序，将该新增用户标签和多个用户标签在各场景下的排列顺序加入训练集中，对排序模型进行再次训练，即可实现对排序模型中各场景下多个用户标签的排序结果的更新，提高了排序模型的时效性，同时还便于根据服务提供方的实际需求对排序模型进行调整，提升目标用户标签的确定精确度。

进一步地，根据本发明实施例，目标用户标签确定模块303还用于：根据排序模型、目标用户标签数量阈值和当前场景从用户编号对应的用户标签中确定目标用户标签。

虽然通过上述排序模型得到了基于服务提供方的关注要素确定的各场景下多个用户标签的排序，但是在确定目标用户标签时，并不一定需要将该用户标签对应的多个用户标签与排序模型中指示的用户标签排序相匹配的全部用户标签进行展示，通过设置目标用户标签数量阈值，能够对目标用户标签进行过滤，仅确定服务提供方最关注要素对应的用户标签为目标用户标签。

展示模块304，用于将目标用户标签于客服对应的当前会话中进行展示。

具体地，根据本发明实施例，上述用户标签的展示装置300还包括目标用户标签筛选模块，在将目标用户标签于服务提供方对应的当前会话中进行展示的步骤之前，上述目标用户标签筛选模块用于：

识别当前会话对应的当前场景的子场景；

确定与子场景相关的目标用户标签，其中，与子场景相关的目标用户标签选自与当前场景相关的目标用户标签。

在实际应用时，根据服务提供方的关注要素对场景进行进一步划分为至少一个子场景。如子场景中服务提供方关注要素是用户黑产风险的情形，当表征用户风险的用户标签显示为“正常”时，对于服务提供方是无意义的用户标签，因此，为了提高向服务提供方所展示的目标用户标签的精确度，以进一步后续服务提供方的服务效率，根据当前会话对应的当前场景的子场景对目标用户标签进行筛选。可以理解的，上述筛选步骤可以理解为对于会话场景的进一步划分，如对于确定用户风险的会话场景，其对应的子场景可以是确定用户黑产风险的子场景，以及确定用户正常风险的子场景。

根据本发明实施例的技术方案，因为采用获取当前会话的用户编号，确定与用户编号对应的用户标签；识别当前会话对应的当前场景，当前场景是服务提供方处理的一个或多个场景之一；根据排序模型和当前场景，从用户编号对应的用户标签中确定目标用户标签，其中，排序模型用于确定与场景相关的用户标签的排列顺序；将目标用户标签于服务提供方对应的当前会话中进行展示的技术手段，解决了现有方法中由于服务提供方的关注要素不同、用户标签的数量较多，导致向服务提供方精确展示其所关注的用户标签的计算量大、展示成本高、后续服务效率低以及用户体验差的技术问题，进而达到降低确定目标用户标签的计算量，降低展示成本，提高后续服务效率，提升用户体验的技术效果。

图4示出了可以应用本发明实施例的一种用户标签的展示方法或一种用户标签的展示装置的示例性系统架构400。

如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务端405。网络404用以在终端设备401、402、403和服务端405之间提供通信链路的介质。网络404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401、402、403通过网络404与服务端405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、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401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务端405可以是提供各种服务的服务端，例如对用户利用终端设备401、402、403所获取的图片或信息提供支持的后台管理服务器。后台管理服务器可以对接收到的用户编号、当前场景等数据进行分析等处理，并将处理结果(例如目标用户标签)反馈给终端设备。

需要说明的是，本发明实施例所提供的一种用户标签的展示方法一般由终端设备401、402、403或服务端405执行，相应地，一种用户标签的展示装置一般设置于终端设备401、402、403或服务端405中。

应该理解，图4中的终端设备、网络和服务端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、网络和服务端。

下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；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507；包括硬盘等的存储部分508；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509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，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510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508。

特别地，根据本发明公开的实施例，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，本发明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509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示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。在本发明中，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。而在本发明中，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。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括：用户标签确定模块、当前场景识别模块、目标用户标签确定模块、展示模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，用户标签确定模块还可以被描述为“用于获取当前会话的用户编号，确定与用户编号对应的用户标签的模块”。

作为另一方面，本发明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设备中所包含的；也可以是单独存在，而未装配入该设备中。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一个该设备执行时，使得该设备包括：获取当前会话的用户编号，确定与用户编号对应的用户标签；识别当前会话对应的当前场景，当前场景是服务提供方处理的一个或多个场景之一；根据排序模型和当前场景，从用户编号对应的用户标签中确定目标用户标签，其中，排序模型用于确定与场景相关的用户标签的排列顺序；将目标用户标签于服务提供方对应的当前会话中进行展示。

根据本发明实施例的技术方案，因为采用获取当前会话的用户编号，确定与用户编号对应的用户标签；识别当前会话对应的当前场景，当前场景是服务提供方处理的一个或多个场景之一；根据排序模型和当前场景，从用户编号对应的用户标签中确定目标用户标签，其中，排序模型用于确定与场景相关的用户标签的排列顺序；将目标用户标签于服务提供方对应的当前会话中进行展示的技术手段，解决了现有方法中由于服务提供方的关注要素不同、用户标签的数量较多，导致向服务提供方精确展示其所关注的用户标签的计算量大、展示成本高、后续服务效率低以及用户体验差的技术问题，进而达到降低确定目标用户标签的计算量，降低展示成本，提高后续服务效率，提升用户体验的技术效果。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。