[發明專利]用戶性別分析方法和裝置

有效

• 申請號: 201310526980.4
• 申請日: 2013-10-30
• 公開（公告）號: CN104598452B
• 公開（公告）日: 2018-09-11
• 發明（設計）人: 丁若谷;陳家耀;馮是聰;吳明輝
• 申請（專利權）人: 秒針信息技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京安信方達知識產權代理有限公司 11262
• 代理人: 王丹;栗若木

本發明提供了一種用戶性別分析方法和裝置。涉及數據分析領域；解決了現有分析方式不適用于個性域名和姓名關聯較弱的場合的問題。該方法包括：采集樣本數據集，所述樣本數據集包括多對用戶個性域名和對應的用戶性別；統計所述樣本數據集中的用戶個性域名中各順位上不同字母和相鄰若干順位上不同字母組合按照性別出現的概率；以所述樣本數據集中男性的比例和所述概率作為參考參數，對未知用戶性別的用戶個性域名進行分析，判斷所述用戶性別。本發明提供的技術方案適用于數據分析，實現了基于自動化算法的用戶性別分析。

技術領域

本發明涉及數據分析領域，尤其涉及一種用戶性別分析方法和裝置。

背景技術

在互聯網環境下，用戶的性別是一項十分重要的信息。根據用戶的性別，互聯網內容提供者可以向不同用戶展現不同的內容。例如，男性用戶可能相比女性用戶對電子競技更感興趣，而女性用戶可能相比男性用戶對時尚服飾更感興趣。在這種情況下，如果用戶的性別得到識別，互聯網廣告提供商就可以為男性用戶展示電子競技的廣告，為女性用戶展示時尚服飾的廣告，從而使得廣告更有針對性，取得更好的廣告效果。

對于注冊博客、微博或其他社交網站的用戶來說，很多服務提供商都會在用戶完成必要的注冊信息后，建議用戶填寫一些用戶本身的屬性，例如性別，年齡，工作狀態，為自己設置個性域名等，而往往這些屬性中在涉及到用戶隱私的信息注冊事項通常都是選擇性填寫事項，而非必須填寫事項，這樣，就導致了相當一部分用戶選擇不填寫此類信息，例如用戶為保護自己的信息不外漏，會選擇不填寫年齡，性別等，那么，對于數據分析機構或供應商本身來說，也就無法直接獲取用戶的性別信息。但對于不涉及隱私的選擇性填寫事項來說，被填寫的成功率往往很高。例如，個性域名，服務提供商為了增加用戶體驗和親和力，往往允許用戶為自己的微博或個人空間主頁設置具有代表用戶本身性質的虛擬url。用戶可以將這些域名格式設置為自己的名字，或任意自己喜歡的數字，或字母組合，即時尚又方便。然而，出于人類自身的性別差異，在對個性域名的設置上，男性和女性往往本能的去設置一些代表自身屬性的域名。例如，某用戶可能注冊一個個性域名： http://weibo.com/basketballfans，其中weibo.com是微博服務提供商的域名， basketballfans部分即用戶選擇的個性域名。那么，通過具有用戶代表性的個性域名來推算出用戶的性別信息，即不侵犯用戶又可收集用戶信息。

在現有的技術中，最相似的技術是美國專利7，447，996[1]。這一專利提出了一種軟件模塊，用于在即時通訊系統中根據不同的用戶名推斷用戶的性別，根據不同的性別展示不同的虛擬形象。依賴于特定的人類行為學數據，即特定語言中的人名和性別之間的關系。例如，這一專利中提及，針對中文姓名，通過人類行為學數據庫的檢索，“xiuxiu”和“lili”更可能是女性的名字。

人類行為學數據庫并不適用于多種網絡應用場景，尤其不適用于個性域名和姓名關聯較弱的場合。個性域名的組成通常包括了超出常見姓名范疇的大量成分，這些成分很難通過人類行為學數據分析。例如，個性域名中可能包括“basketball”，即籃球；而可能將籃球放入個性域名的籃球愛好者中，男性可能占主導地位。如果將“籃球對應男性”這類數據加入數據庫，所需的工作將極大增加，并且很難完備。

發明內容

本發明提供了一種用戶性別分析方法和裝置，解決了現有分析方式不適用于個性域名和姓名關聯較弱的場合的問題。

一種用戶性別分析方法，包括：

采集樣本數據集，所述樣本數據集包括多對用戶個性域名和對應的用戶性別；

統計所述樣本數據集中的用戶個性域名中各順位上不同字母和相鄰若干順位上不同字母組合按照性別出現的概率；

以所述樣本數據集中男性的比例和所述概率作為參考參數，對未知用戶性別的用戶個性域名進行分析，判斷所述用戶性別。