[發(fā)明專利]對(duì)象類別的預(yù)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201710179031.1
• 申請(qǐng)日: 2017-03-23
• 公開（公告）號(hào): CN108629358B
• 公開（公告）日: 2020-12-25
• 發(fā)明（設(shè)計(jì)）人: 秦志偉;卓呈祥;譚偉
• 申請(qǐng)（專利權(quán)）人: 北京嘀嘀無限科技發(fā)展有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 北京友聯(lián)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11343
• 代理人: 尚志峰;汪海屏

1.一種對(duì)象類別的預(yù)測(cè)方法，用于對(duì)給定對(duì)象集合中的未知類別對(duì)象進(jìn)行類別預(yù)測(cè)，其特征在于，所述方法包括：

針對(duì)所述給定對(duì)象集合，獲得所述給定對(duì)象集合中各對(duì)象的特征數(shù)據(jù)、以及對(duì)象間關(guān)系數(shù)據(jù)；其中，所述給定對(duì)象集合中包括已知類別對(duì)象及未知類別對(duì)象，且每個(gè)已知類別對(duì)象均具有用于表示類別的原始標(biāo)簽；

根據(jù)所述給定對(duì)象集合中各對(duì)象的特征數(shù)據(jù)及所述對(duì)象間關(guān)系數(shù)據(jù)，利用標(biāo)簽傳遞算法，獲得所述給定對(duì)象集合中各對(duì)象的預(yù)測(cè)標(biāo)簽；

根據(jù)所述已知類別對(duì)象的原始標(biāo)簽及預(yù)測(cè)標(biāo)簽，獲得第一已知類別對(duì)象集的標(biāo)簽變異矩陣，其中，所述第一已知類別對(duì)象集中包括所述給定對(duì)象集合中已知類別對(duì)象的部分或全部，所述標(biāo)簽變異矩陣用于表示所述第一已知類別對(duì)象集中各類別的原始標(biāo)簽變異到預(yù)測(cè)標(biāo)簽的概率；

對(duì)未知類別對(duì)象集進(jìn)行n次抽樣，得到n個(gè)抽樣集，分別將每個(gè)抽樣集的信息與所述給定對(duì)象集合中已知類別對(duì)象的信息進(jìn)行組合，得到n個(gè)組合數(shù)據(jù)集；其中，所述未知類別對(duì)象集中包括所述給定對(duì)象集合中未知類別對(duì)象的全部，n為不小于1的預(yù)設(shè)數(shù)值，且當(dāng)n＞1時(shí)，n個(gè)抽樣集彼此不相交；

針對(duì)每個(gè)組合數(shù)據(jù)集，使用耐標(biāo)簽噪音分類算法，對(duì)所述組合數(shù)據(jù)集及所述第一已知類別對(duì)象集的標(biāo)簽變異矩陣進(jìn)行處理，得到n個(gè)分類預(yù)測(cè)模型及n個(gè)更新后的標(biāo)簽變異矩陣；

所述耐標(biāo)簽噪音分類算法為耐標(biāo)簽噪音的多分類邏輯回歸rmLR算法；

根據(jù)所述給定對(duì)象集合中任一未知類別對(duì)象A_i的特征數(shù)據(jù)、所述n個(gè)分類預(yù)測(cè)模型及所述n個(gè)更新后的標(biāo)簽變異矩陣，獲得所述未知類別對(duì)象A_i的類別預(yù)測(cè)結(jié)果；

所述對(duì)象為用戶；

所述類別包括：用戶的年齡段、用戶的出行方式偏好、用戶的出行時(shí)段、用戶的消費(fèi)水平，或用戶的消費(fèi)傾向；

所述特征數(shù)據(jù)包括：用戶的歷史出行地點(diǎn)信息或用戶的終端設(shè)備中應(yīng)用程序的安裝情況；

所述對(duì)象間關(guān)系數(shù)據(jù)包括：用于描述各用戶之間的紅包發(fā)放關(guān)系的數(shù)據(jù)，或用于描述各用戶之間的好友關(guān)系的數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述給定對(duì)象集合中各對(duì)象的特征數(shù)據(jù)及所述對(duì)象間關(guān)系數(shù)據(jù)，利用標(biāo)簽傳遞算法，獲得所述給定對(duì)象集合中各對(duì)象的預(yù)測(cè)標(biāo)簽，包括：

將所述給定對(duì)象集合中各對(duì)象的特征數(shù)據(jù)表示為特征行向量；

根據(jù)所述特征行向量及所述對(duì)象間關(guān)系數(shù)據(jù)，計(jì)算所述給定對(duì)象集合中所有存在直接關(guān)系的兩個(gè)特征行向量的余弦相似度；

按照所述余弦相似度及所述對(duì)象間關(guān)系數(shù)據(jù)，將所述給定對(duì)象集合中已知類別對(duì)象的原始標(biāo)簽，傳遞給所述給定對(duì)象集合中的各對(duì)象，得到所述給定對(duì)象集合中各對(duì)象的預(yù)測(cè)標(biāo)簽。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)未知類別對(duì)象集進(jìn)行n次抽樣，得到n個(gè)抽樣集，分別將每個(gè)抽樣集的信息與所述給定對(duì)象集合中已知類別對(duì)象的信息進(jìn)行組合，得到n個(gè)組合數(shù)據(jù)集，包括：

對(duì)未知類別對(duì)象集S進(jìn)行3次抽樣，每次抽取30％的對(duì)象，得到3個(gè)抽樣集M1、M2和M3；

將抽樣集M1與第二已知類別對(duì)象集D組合，得到組合數(shù)據(jù)集F1，其中，F(xiàn)1為{M1,D}，所述第二已知類別對(duì)象集D中包括所述給定對(duì)象集合中已知類別對(duì)象的全部；

以及，將抽樣集M2與所述第二已知類別對(duì)象集D組合，得到組合數(shù)據(jù)集F2，其中，F(xiàn)2為{M2,D}；

以及，將抽樣集M3與所述第二已知類別對(duì)象集D組合，得到組合數(shù)據(jù)集F3，其中，F(xiàn)3為{M3,D}。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述給定對(duì)象集合中任一未知類別對(duì)象A_i的特征數(shù)據(jù)、所述n個(gè)分類預(yù)測(cè)模型及所述n個(gè)更新后的標(biāo)簽變異矩陣，獲得所述未知類別對(duì)象A_i的類別預(yù)測(cè)結(jié)果，包括：

將所述給定對(duì)象集合中任一未知類別對(duì)象A_i的特征數(shù)據(jù)輸入到n個(gè)分類預(yù)測(cè)模型中的a個(gè)中，獲得a個(gè)第一類多分類概率矢量；以及，將所述未知類別對(duì)象A_i的預(yù)測(cè)標(biāo)簽輸入到n個(gè)更新后的標(biāo)簽變異矩陣中的b個(gè)中，獲得b個(gè)第二類多分類概率矢量；其中a和b均為不大于n的預(yù)設(shè)數(shù)值；

根據(jù)所獲得的第一類多分類概率矢量及第二類多分類概率矢量，得到所述未知類別對(duì)象A_i的類別預(yù)測(cè)結(jié)果。