[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)的用戶屬性分類方法、存儲介質(zhì)、裝置及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 201811246303.6
• 申請日: 2018-10-24
• 公開（公告）號: CN109086837A
• 公開（公告）日: 2018-12-25
• 發(fā)明（設(shè)計(jì)）人: 高嵩
• 申請（專利權(quán)）人: 高嵩
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 廣州駿思知識產(chǎn)權(quán)代理有限公司 44425
• 代理人: 潘桂生

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)的用戶屬性分類方法，其特征在于，包括如下步驟：

將多個用戶的心理屬性相關(guān)電子數(shù)據(jù)作為輸入向量集輸入用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型；

將通過問卷獲取的所述多個用戶的心理測評結(jié)果作為目標(biāo)向量集輸入訓(xùn)練反饋模型，并更新用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型；

將被測對象的心理屬性相關(guān)電子數(shù)據(jù)輸入用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型，并從用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型輸出被測對象的屬性分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)的用戶屬性分類方法，其特征在于：

所述心理屬性相關(guān)電子數(shù)據(jù)包括用戶的面部圖片，和/或用戶的筆跡圖像，和/或用戶講話的音頻，和/或用戶行走的視頻圖像。

3.根據(jù)權(quán)利要求2所述的基于卷積神經(jīng)網(wǎng)絡(luò)的用戶屬性分類方法，其特征在于：

將通過問卷獲取的所述多個用戶的心理測評結(jié)果作為目標(biāo)向量集輸入用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型前，還包括篩選合格的問卷測評結(jié)果的步驟，具體包括：

獲取問卷中同類問題的答案之間的第一偏差值，和/或獲取問卷中順序相鄰問題的答案之間的第二偏差值；

如果所述第一偏差值小于第一設(shè)定閾值，和/或所述第二偏差值大于第二設(shè)定閾值，則判定所述同類問題和/或所述順序相鄰問題的測評結(jié)果合格。

4.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)的用戶屬性分類方法，其特征在于，還包括如下步驟：

如果從用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型的輸出中獲取的被測對象的屬性分類結(jié)果和通過問卷獲取的被測對象的心理測評結(jié)果之間的差值超過第三設(shè)定閾值，則將該問卷獲取的被測對象的心理測評結(jié)果作為目標(biāo)向量輸入，并更新用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)利要求4所述的基于卷積神經(jīng)網(wǎng)絡(luò)的用戶屬性分類方法，其特征在于：將該問卷獲取的被測對象的心理測評結(jié)果作為目標(biāo)向量輸入，并更新用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型，具體包括如下步驟：

將該被測對象的心理屬性相關(guān)電子數(shù)據(jù)和從用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型輸出的被測對象的屬性分類結(jié)果放入備選訓(xùn)練集；

獲取從用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型的輸出中獲取的被測對象的屬性分類結(jié)果與問卷獲取的被測對象的心理測評結(jié)果之間的差值；

將所述差值超過第三設(shè)定閾值的該被測對象的心理屬性相關(guān)電子數(shù)據(jù)和通過問卷獲取的該被測對象的心理測評結(jié)果放入迭代訓(xùn)練集；

根據(jù)迭代訓(xùn)練集更新用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型。

6.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)的用戶屬性分類方法，其特征在于：

所述被測對象的屬性分類結(jié)果包括用于訓(xùn)練的心理測評結(jié)果的所有維度，并能根據(jù)用于訓(xùn)練的心理測評類型變更。

7.根據(jù)權(quán)利要求3所述的基于卷積神經(jīng)網(wǎng)絡(luò)的用戶屬性分類方法，其特征在于：

所述問卷的答案的可選范圍為連續(xù)的實(shí)數(shù)數(shù)值范圍。

8.一種計(jì)算機(jī)可讀儲存介質(zhì)，其上儲存有計(jì)算機(jī)程序，其特征在于：該計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1至7中任意一項(xiàng)所述的基于卷積神經(jīng)網(wǎng)絡(luò)的用戶屬性分類方法的步驟。

9.一種用戶屬性分類裝置，其特征在于，包括：

輸入模塊，用于將多個用戶的心理屬性相關(guān)電子數(shù)據(jù)作為輸入向量集輸入用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型；

反饋訓(xùn)練模塊，用于將通過問卷獲取的所述多個用戶的心理測評結(jié)果作為目標(biāo)向量集輸入訓(xùn)練反饋模型，并更新用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型；

用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模塊，用于將被測對象的心理屬性相關(guān)電子數(shù)據(jù)輸入用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型，并從用戶屬性分類卷積神經(jīng)網(wǎng)絡(luò)模型輸出被測對象的屬性分類結(jié)果。

10.一種電子設(shè)備，包括控制器與存儲器，所述存儲器上儲存有計(jì)算機(jī)程序，其特征在于：該計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)如權(quán)利要求1至7中任意一項(xiàng)所述的基于卷積神經(jīng)網(wǎng)絡(luò)的用戶屬性分類方法的步驟。