本申请实施例涉及信息推荐技术和信息处理技术，尤其涉及一种基于用户信息的智能推荐方法、装置以及设备。
背景技术：
1、在各企业的日常工作中，常需要对用户进行管理，需要为用户确定出符合用户的活动，进而将用户推荐给该活动。
2、现有技术中，有针对用户信息为用户推荐应用程序的方案，但是尚未有针对用户，确定用户是否符合预设活动的需求的方案。
3、进而，急需一种可以为用户确定出胡用户是否符合预设活动的需求的方案。
技术实现思路
1、本申请实施例提供一种基于用户信息的智能推荐方法、装置以及设备，用以解决如何为用户确定出胡用户是否符合预设活动的需求的问题。
2、第一方面，本申请实施例提供一种基于用户信息的智能推荐方法，所述方法包括：
3、获取待处理的用户的初始信息集合，其中，所述初始信息集合中包括多种类别的初始信息；
4、对所述待处理的用户的初始信息集合进行数据清理处理，以去除初始信息集合中的冗余信息，得到所述待处理的用户的清理后的初始信息集合；其中，清理后的初始信息集合中包括多种类别的初始信息；
5、对所述待处理的用户的清理后的初始信息集合中的每一初始信息进行特征提取处理，得到每一初始信息的目标特征；其中，所述目标特征表征用户的特征；
6、将所述每一初始信息的目标特征输入至预设预测模型中进行识别处理，得到所述每一初始信息的目标特征的识别结果；其中，所述识别结果中包括初始信息的至少一个标签，每一标签具有标签可信度；
7、基于所述待处理的用户的各识别结果中的标签和标签可信度，确定并显示所述待处理的用户的推荐结果；其中，所述推荐结果表征用户是否符合预设活动的需求。
8、第二方面，本申请实施例提供一种基于用户信息的智能推荐装置，所述装置包括：
9、第一获取单元，用于获取待处理的用户的初始信息集合，其中，所述初始信息集合中包括多种类别的初始信息；
10、清理单元，用于对所述待处理的用户的初始信息集合进行数据清理处理，以去除初始信息集合中的冗余信息，得到所述待处理的用户的清理后的初始信息集合；其中，清理后的初始信息集合中包括多种类别的初始信息；
11、提取单元，用于对所述待处理的用户的清理后的初始信息集合中的每一初始信息进行特征提取处理，得到每一初始信息的目标特征；其中，所述目标特征表征用户的特征；
12、识别单元，用于将所述每一初始信息的目标特征输入至预设预测模型中进行识别处理，得到所述每一初始信息的目标特征的识别结果；其中，所述识别结果中包括初始信息的至少一个标签，每一标签具有标签可信度；
13、确定单元，用于基于所述待处理的用户的各识别结果中的标签和标签可信度，确定并显示所述待处理的用户的推荐结果；其中，所述推荐结果表征用户是否符合预设活动的需求。
14、第三方面，本申请实施例提供一种电子设备，所述电子设备包括：存储器，处理器；
15、存储器；用于存储所述处理器可执行指令的存储器；
16、其中，所述处理器被配置为执行第一方面所述的方法。
17、第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现第一方面所述的方法。
18、第五方面，本申请实施例提供一种计算机程序产品，所述计算机程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
19、本申请实施例提供的基于用户信息的智能推荐方法、装置以及设备，获取待处理的用户的初始信息集合，其中，初始信息集合中包括多种类别的初始信息；对待处理的用户的初始信息集合进行数据清理处理，以去除初始信息集合中的冗余信息，得到待处理的用户的清理后的初始信息集合；其中，清理后的初始信息集合中包括多种类别的初始信息；对待处理的用户的清理后的初始信息集合中的每一初始信息进行特征提取处理，得到每一初始信息的目标特征；其中，目标特征表征用户的特征；将每一初始信息的目标特征输入至预设预测模型中进行识别处理，得到每一初始信息的目标特征的识别结果；其中，识别结果中包括初始信息的至少一个标签，每一标签具有标签可信度；基于待处理的用户的各识别结果中的标签和标签可信度，确定并显示待处理的用户的推荐结果；其中，推荐结果表征用户是否符合预设活动的需求。针对用户，获取用户的每一类别的初始信息，进而针对每一类别的初始信息，确定每一类别的初始信息的各标签，标签具有可信度；进而基于用户的各类别的初始信息的标签，构建出了用户的画像。然后，基于用户的标签和标签可信度，确定用户是否符合预设活动的需求。各类别的初始信息均为用户的工作数据。从而基于用户的工作数据确定用户的画像，不需要基于用户的个人隐私数据构建画像；本方案针对的场景中涉及的是用户的工作数据，不需要获取大量是数据，数据量较小；然后基于模型确定用户的每一类别的初始信息的标签，可以自动快速的确定出用户的各标签，各标签构建出了用户的画像；进而快速准确的确定出用户是否符合预设活动的需求。
1.一种基于用户信息的智能推荐方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，获取待处理的用户的初始信息集合，包括：
3.根据权利要求1所述的方法，其特征在于，在对所述待处理的用户的初始信息集合进行数据清理处理，以去除初始信息集合中的冗余信息，得到所述待处理的用户的清理后的初始信息集合之前，还包括：将所述待处理的用户的初始信息集合存放在数据处理集群中；
4.根据权利要求1所述的方法，其特征在于，对所述待处理的用户的清理后的初始信息集合中的每一初始信息进行特征提取处理，得到每一初始信息的目标特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述预设预测模型为深度学习模型；或者，所述预设预测模型为聚类模型。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：
8.根据权利要求1-6中任一项所述的方法，其特征在于，基于所述待处理的用户的各识别结果中的标签和标签可信度，确定并显示所述待处理的用户的推荐结果，包括：
9.一种电子设备，其特征在于，所述电子设备包括：存储器，处理器；
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-8中任一项所述的方法。
