[發(fā)明專利]一種用戶屬性標(biāo)簽的預(yù)測方法及預(yù)測裝置

在審

• 申請?zhí)枺?/td>: 201910360661.8
• 申請日: 2019-04-30
• 公開（公告）號: CN110096526A
• 公開（公告）日: 2019-08-06
• 發(fā)明（設(shè)計(jì)）人: 潘峰
• 申請（專利權(quán)）人: 秒針信息技術(shù)有限公司
• 主分類號: G06F16/2457
• 分類號: G06F16/2457;G06N3/06
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 徐麗

1.一種用戶屬性標(biāo)簽的預(yù)測方法，其特征在于，所述預(yù)測方法包括：

獲取待預(yù)測用戶的歷史瀏覽日志；

確定所述歷史瀏覽日志中所述待預(yù)測用戶的多個(gè)特征維度，以及每個(gè)特征維度對應(yīng)的多個(gè)特征；

確定每個(gè)特征維度中每個(gè)特征的特征值，并基于每個(gè)特征的特征值，構(gòu)造每個(gè)特征維度對應(yīng)的特征向量；

對每個(gè)特征向量進(jìn)行歸一化處理，并將歸一化處理后的每個(gè)特征向量輸入到預(yù)先訓(xùn)練好的多任務(wù)屬性預(yù)測模型中，獲得所述待預(yù)測用戶的多個(gè)屬性標(biāo)簽。

2.如權(quán)利要求1所述的預(yù)測方法，其特征在于，通過以下公式對特征向量進(jìn)行歸一化處理：

其中，Rescaled(e_i)為進(jìn)行歸一化處理后特征向量中元素的值，e_i為特征向量中的任意一個(gè)元素，E_min為特征向量中元素的最小值，E_max為特征向量中元素的最大值。

3.如權(quán)利要求1所述的預(yù)測方法，其特征在于，對每個(gè)特征向量進(jìn)行歸一化處理，并將歸一化處理后的每個(gè)特征向量輸入到預(yù)先訓(xùn)練好的多任務(wù)屬性預(yù)測模型中，獲得所述待預(yù)測用戶的多個(gè)屬性標(biāo)簽，包括：

對每個(gè)特征向量進(jìn)行歸一化處理，基于歸一化處理后的每個(gè)特征向量，計(jì)算多個(gè)特征向量經(jīng)過多任務(wù)屬性預(yù)測模型中的隱含層后輸出與每個(gè)特征維度對應(yīng)的多個(gè)隱含層神經(jīng)元的特征值；

對計(jì)算出的每個(gè)特征維度的多個(gè)隱含層神經(jīng)元的特征值進(jìn)行激活函數(shù)處理；

基于經(jīng)過激活函數(shù)處理后的每個(gè)特征維度的多個(gè)隱含層神經(jīng)元的特征值，計(jì)算多任務(wù)屬性預(yù)測模型中的共享層輸出的多個(gè)共享層神經(jīng)元的特征值；

對計(jì)算出的多個(gè)共享層神經(jīng)元的特征值進(jìn)行激活函數(shù)處理，得到與待預(yù)測用戶的屬性標(biāo)簽相對應(yīng)的多個(gè)共享層神經(jīng)元的特征值；

基于得到的與待預(yù)測用戶的屬性標(biāo)簽相對應(yīng)的多個(gè)共享層神經(jīng)元的特征值，確定所述待預(yù)測用戶的多個(gè)屬性標(biāo)簽。

4.如權(quán)利要求3所述的預(yù)測方法，其特征在于，通過以下公式計(jì)算多個(gè)特征向量經(jīng)過多任務(wù)屬性預(yù)測模型中的隱含層后輸出的多個(gè)神經(jīng)元的特征值，以及經(jīng)過多任務(wù)屬性預(yù)測模型中的共享層后輸出的多個(gè)神經(jīng)元的特征值：

其中，當(dāng)計(jì)算多個(gè)特征向量經(jīng)過多任務(wù)屬性預(yù)測模型中的隱含層后輸出的多個(gè)神經(jīng)元的特征值時(shí)，為隱含層中與第m個(gè)特征維度的特征向量相對應(yīng)的第m組神經(jīng)元中第i個(gè)神經(jīng)元的特征值，為輸入第m個(gè)特征維度的特征向量中第N個(gè)特征的特征值，為與第m個(gè)特征維度對應(yīng)的特征向量中第N個(gè)特征的特征值相應(yīng)的權(quán)重系數(shù)；

其中，當(dāng)計(jì)算隱含層中神經(jīng)元的特征值經(jīng)過多任務(wù)屬性預(yù)測模型中的共享層后輸出的共享層的多個(gè)神經(jīng)元的特征值時(shí)，m為空值，為共享層中第i個(gè)神經(jīng)元的特征值，為隱含層中第N個(gè)神經(jīng)元的特征值，為與隱含層中第N個(gè)神經(jīng)元的特征值相應(yīng)的權(quán)重系數(shù)。

5.如權(quán)利要求3所述的預(yù)測方法，其特征在于，計(jì)算出所述神經(jīng)元的特征值后，通過以下公式對神經(jīng)元的特征值進(jìn)行激活函數(shù)處理：

其中，S(x)為激活函數(shù)處理后的神經(jīng)元的特征值，x為神經(jīng)元的特征值。

6.如權(quán)利要求3所述的預(yù)測方法，其特征在于，基于得到的與待預(yù)測用戶的屬性標(biāo)簽相對應(yīng)的多個(gè)共享層神經(jīng)元的特征值，確定所述待預(yù)測用戶的多個(gè)屬性標(biāo)簽，包括：

獲取每個(gè)屬性標(biāo)簽中屬性類別的分類個(gè)數(shù)；

通過與待預(yù)測用戶的屬性標(biāo)簽相對應(yīng)的多個(gè)共享層神經(jīng)元的特征值確定輸出層中每個(gè)屬性標(biāo)簽中每種屬性類別的概率值；

根據(jù)每個(gè)屬性標(biāo)簽中每種屬性類別的概率值，確定所述待預(yù)測用戶的多個(gè)屬性標(biāo)簽。