[發(fā)明專利]一種基于用戶日常行為特征的用戶身份屬性預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201710737016.4
• 申請日: 2017-08-24
• 公開（公告）號: CN107688827A
• 公開（公告）日: 2018-02-13
• 發(fā)明（設(shè)計）人: 蔡忠閩;董建敏
• 申請（專利權(quán)）人: 西安交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/04
• 代理公司: 西安通大專利代理有限責任公司61200
• 代理人: 陸萬壽

技術(shù)領(lǐng)域

本發(fā)明涉及一種用戶身份屬性預(yù)測方法，具體涉及一種基于用戶日常行為特征的用戶身份屬性預(yù)測方法。

背景技術(shù)

人類正大步邁進信息-物理融合的世界(Cyber-Physical World)。這個世界中不僅有機器，人也是其中關(guān)鍵的一環(huán)。從Cyber維度對人進行感知和理解，也正成為一個重要的研究方向。通過用戶操作智能信息系統(tǒng)(計算機)，智能終端(手機，平板等)的交互行為、各類可穿戴設(shè)備感知到的佩戴者行為及生理數(shù)據(jù)為對象，感知分析系統(tǒng)用戶的操作、行為方式，推斷用戶的行為意圖，預(yù)測用戶屬性，更加全面的了解用戶，為用戶提供更準確和方便的服務(wù)。通過對用戶屬性的準確感知，對于幫助我們深層次理解用戶起到支撐作用，在用戶推薦，健康狀況監(jiān)測，生活習慣分析等實際應(yīng)用方面具有重要的價值。

近年來，研究人員提出基于生物特征檢測用戶的信息或身份屬性，他們根據(jù)人臉，指紋，虹膜，掌紋等生理特征對用戶的性別，年齡，種族等信息進行預(yù)測，但是此類方法需要使用特定的生物信息采集設(shè)備，如攝像頭，指紋傳感器等，不適用于現(xiàn)有的計算網(wǎng)絡(luò)環(huán)境。目前還沒有可以在現(xiàn)有的計算網(wǎng)絡(luò)環(huán)境中大規(guī)模應(yīng)用的用于分析預(yù)測用戶身份屬性的技術(shù)或方法。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的缺點，提供了一種基于用戶日常行為特征的用戶身份屬性預(yù)測方法，該方法能夠?qū)崿F(xiàn)用戶身份屬性的預(yù)測。

為達到上述目的，本發(fā)明所述的基于用戶日常行為特征的用戶身份屬性預(yù)測方法包括以下步驟：

1)采集用戶日常行為動作過程中的用戶行為數(shù)據(jù)，再根據(jù)采集到的用戶行為數(shù)據(jù)構(gòu)建行為數(shù)據(jù)集；

2)定義用戶的身份屬性，然后將用戶的身份屬性劃分為若干區(qū)間；

3)對觀測周期T內(nèi)得到的用戶數(shù)據(jù)集中的用戶行為數(shù)據(jù)進行劃分，得若干用戶行為數(shù)據(jù)塊，再根據(jù)步驟2)劃分得到的區(qū)間對各用戶行為數(shù)據(jù)塊進行標記，其中，一個用戶行為數(shù)據(jù)塊對應(yīng)一個區(qū)間；

4)提取各用戶行為數(shù)據(jù)塊的用戶行為特征向量，然后根據(jù)所有用戶行為數(shù)據(jù)塊的用戶行為特征向量構(gòu)建身份屬性特征向量訓(xùn)練集；

5)將身份屬性特征向量訓(xùn)練集作為訓(xùn)練樣本，再將身份屬性特征向量訓(xùn)練集對應(yīng)的身份屬性作為訓(xùn)練樣本的標簽，然后根據(jù)所述訓(xùn)練樣本及訓(xùn)練樣本的標簽構(gòu)建身份屬性模型；

6)獲取待測用戶的特征向量，然后將待測用戶的特征向量輸入至身份屬性模型中，得用戶的身份屬性，完成基于用戶日常行為特征的用戶身份屬性預(yù)測。

用戶的身份屬性包括用戶的性別、身高、體重、年齡、身體健康狀況、右手使用習慣、左手使用習慣、身份、活動量或職業(yè)。

通過便攜式檢測設(shè)備采集用戶日常行為動作過程中的用戶行為數(shù)據(jù)，所述便攜式檢測設(shè)備包括加速度傳感器、陀螺儀傳感器、體溫傳感器或心跳傳感器。

行為數(shù)據(jù)集為{用戶行為事件類型，數(shù)據(jù)類型，時間戳}，其中，用戶行為事件類型包括走路、跑步、上下樓、騎自行車、開車及打球中的一種或多種，數(shù)據(jù)類型為加速度傳感器、陀螺儀傳感器、體溫傳感器或心跳傳感器采集到的數(shù)據(jù)。

加速度傳感器及陀螺儀傳感器對應(yīng)的用戶行為數(shù)據(jù)塊的用戶行為特征向量為用戶數(shù)據(jù)塊的均值、最大值、最小值、周期、眾數(shù)、幅值、方差、偏態(tài)或均方根誤差。

體溫傳感器及心跳傳感器對應(yīng)的用戶行為數(shù)據(jù)塊的用戶行為特征向量為用戶數(shù)據(jù)塊的均值或方差。

用戶日常行為動作包括走路、跑步、上樓梯、下樓梯、騎自行車、開車及打球中的一種或幾種。

本發(fā)明具有以下有益效果：

本發(fā)明所述的基于用戶日常行為特征的用戶身份屬性預(yù)測方法在具體操作時，采集用戶日常行為動作過程中的用戶行為數(shù)據(jù)，然后根據(jù)采集得到的用戶行為數(shù)據(jù)構(gòu)建行為數(shù)據(jù)集，再將行為數(shù)據(jù)集劃分為若干用戶行為數(shù)據(jù)塊，并構(gòu)建各用戶行為數(shù)據(jù)塊與身份屬性區(qū)間的對應(yīng)關(guān)系，并以該對應(yīng)關(guān)系構(gòu)建身份屬性模型，需要說明的是，本發(fā)明以用戶日常行為特征為基礎(chǔ)構(gòu)建身份屬性模型，針對性較強，另外，采集的數(shù)據(jù)為用戶日常行為動作，因此持續(xù)性較好，并且不會干擾用戶的正常行為，具有較高的廣泛性、安全性及適用性；另外，本發(fā)明通過獲取待測用戶的特征向量，然后將待測用戶的特征向量輸入至身份屬性模型中，即可得到用戶的身份屬性，操作較為簡單、方便，預(yù)測的精度較高。

具體實施方式

下面結(jié)合實施例對本發(fā)明做進一步詳細描述：

本發(fā)明所述的基于用戶日常行為特征的用戶身份屬性預(yù)測方法包括以下步驟：