[發明專利]基于卷積神經網絡的用戶屬性分類方法、存儲介質、裝置及電子設備

在審

• 申請號: 201811246303.6
• 申請日: 2018-10-24
• 公開（公告）號: CN109086837A
• 公開（公告）日: 2018-12-25
• 發明（設計）人: 高嵩
• 申請（專利權）人: 高嵩
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 廣州駿思知識產權代理有限公司 44425
• 代理人: 潘桂生

本發明涉及一種基于卷積神經網絡的用戶屬性分類方法、存儲介質、裝置及電子設備。本發明所述的基于卷積神經網絡的用戶屬性分類方法包括如下步驟：將多個用戶的心理屬性相關電子數據作為輸入向量集輸入用戶屬性分類卷積神經網絡模型；將通過問卷獲取的所述多個用戶的心理測評結果作為目標向量集輸入用戶屬性分類卷積神經網絡模型，并更新用戶屬性分類卷積神經網絡模型；將被測對象的心理屬性相關電子數據輸入用戶屬性分類卷積神經網絡模型，并從用戶屬性分類卷積神經網絡模型的輸出中獲取被測對象的屬性分類結果。本發明所述的基于卷積神經網絡的用戶屬性分類方法操作簡單，能提高用戶屬性分類的效率和準確性。

技術領域

本發明涉及用戶屬性分類領域，特別是涉及基于卷積神經網絡的用戶屬性分類方法、存儲介質、裝置及電子設備。

背景技術

目前互聯網新零售、精準推廣、招聘、征信、婚戀匹配、職業規劃、個性化教育、產品定制等智能化應用中，通常需要準確的獲取用戶的個人屬性特點，而使用戶通過做問卷的方式來獲取用戶的個人屬性特點，通過提前打印好的表格，或在線網頁提供測評量表問卷(量表的列表及選項)，通過提交選項提供評估結果，按照指標模型與量表的關系計算特定性格模型的各維度評分結果。這種方法要求用戶閱讀所有量表和選項，逐一做出評判并選擇，通常耗時10-30分鐘，在需要運用多個人格模型時就需要填寫多套問卷、花費更多時間，而評估人員也需要耗費大量時間去統計評分，測評量表在短期內對于同一被測對象也不便于重復使用。而問卷調查的用戶的參與熱情不高，往往會隨便選幾項答案完成問卷，根據這樣回答的問卷，無法準確的獲知用戶的個人屬性特點，問卷的準確性無法保證，無法準確的達成目標。

卷積神經網絡是深度學習技術中極具代表的網絡結構之一，在數據處理領域取得了很大的成功，在國際標準的ImageNet數據集上，許多成功的模型都是基于CNN(Constitutional Neural Networks，卷積神經網絡)的。CNN相較于傳統的圖像處理算法的優點之一在于，避免了對圖像復雜的前期預處理過程(提取人工特征等)，可以直接輸入原始數據。

發明內容

基于此，本發明的目的在于，提供一種基于卷積神經網絡的用戶屬性分類方法，本發明的基于卷積神經網絡的用戶屬性分類方法操作簡單，能提高用戶屬性分類的效率和準確性。

本發明是通過如下方案實施的：

一種基于卷積神經網絡的用戶屬性分類方法，包括如下步驟：

將多個用戶的心理屬性相關電子數據作為輸入向量集輸入用戶屬性分類卷積神經網絡模型；

將通過問卷獲取的所述多個用戶的心理測評結果作為目標向量集輸入用戶屬性分類卷積神經網絡模型，并更新用戶屬性分類卷積神經網絡模型；

將被測對象的心理屬性相關電子數據輸入用戶屬性分類卷積神經網絡模型，并從用戶屬性分類卷積神經網絡模型輸出被測對象的屬性分類結果。

本發明的基于卷積神經網絡的用戶屬性分類方法，操作簡單，能大量節省被測對象和評估人員的時間，且便于短時間內對同一被測對象重復使用，還能利用NPU、GPU、TPU等硬件的高維并行計算能力。通過將用戶的心理屬性相關電子數據作為輸入向量集，將問卷獲取的心理測評結果作為目標向量集輸入從而訓練用戶屬性分類卷積神經網絡模型，使用戶屬性分類卷積神經網絡模型所得出的屬性分類結果更加準確，提高用戶屬性分類的效率和準確性，能為互聯網的智能化應用提供更準確的用戶屬性數據。

進一步地，所述心理屬性相關電子數據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。

進一步地，將通過問卷獲取的所述多個用戶的心理測評結果作為目標向量集輸入用戶屬性分類卷積神經網絡模型前，還包括篩選合格的問卷測評結果的步驟，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；