[發明專利]一種用戶屬性標簽的預測方法及預測裝置

在審

• 申請號: 201910360661.8
• 申請日: 2019-04-30
• 公開（公告）號: CN110096526A
• 公開（公告）日: 2019-08-06
• 發明（設計）人: 潘峰
• 申請（專利權）人: 秒針信息技術有限公司
• 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所(特殊普通合伙) 11463
• 代理人: 徐麗

本申請提供了一種用戶屬性標簽的預測方法及預測裝置，獲取待預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測用戶的多個特征維度，以及每個特征維度對應的多個特征；確定每個特征維度中每個特征的特征值，并基于每個特征的特征值，構造每個維度對應的特征向量；對每個特征向量進行歸一化處理，并將歸一化處理后的每個特征向量輸入到預先訓練好的多任務屬性預測模型中，獲得所述待預測用戶的多個屬性標簽，考慮了多個特征維度中多個特征之間聯系，能夠更加準確的對用戶的多個屬性標簽進行預測。

技術領域

本申請涉及模型預測技術領域，尤其是涉及一種用戶屬性標簽的預測方法及預測裝置。

背景技術

隨著信息化進程的發展，網絡技術的推進。根據用戶在網絡中的行為特征，能夠確定用戶的特征，如年齡、職業以及性別等，根據確定出來的用戶特征，對網絡資源進行合理的配置，提高了對網絡資源調度的準確率，從而提高用戶的使用感。

現有的用戶屬性標簽的預測方法應用于一個大型的復雜問題(比如需要預測的標簽特征維度不唯一)時，是通過將獲取到的多個特征維度分解成幾個簡單而且相互獨立的子特征維度單獨對不同的標簽進行預測的，最后再將預測結果進行合并得到這個復雜問題的預測結果，這樣卻忽略了問題之間包含的豐富的關聯信息，預測的結果不夠準確。

發明內容

有鑒于此，本申請的目的在于提供一種用戶屬性標簽的預測方法及裝置，通過獲取待預測用戶的歷史瀏覽日志中多個特征維度對應的多個特征，結合多任務屬性預測模型進行多任務處理，從而對用戶的多個屬性標簽進行預測，充分利用了不同特征維度對應的多個特征與不同屬性標簽之間的關系，多任務預測，可以有效節省任務處理時間，提高任務處理效率，并且通過不同特征的協作，可以提高屬性標簽預測的準確性。

本申請實施例提供了一種用戶屬性標簽的預測方法，所述預測方法包括：

獲取待預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測用戶的多個特征維度，以及每個特征維度對應的多個特征；

確定每個特征維度中每個特征的特征值，并基于每個特征的特征值，構造每個特征維度對應的特征向量；

對每個特征向量進行歸一化處理，并將歸一化處理后的每個特征向量輸入到預先訓練好的多任務屬性預測模型中，獲得所述待預測用戶的多個屬性標簽。

進一步的，所述預測方法通過以下公式對特征向量進行歸一化處理：

其中，Rescaled(e_i)為進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。

進一步的，對每個特征向量進行歸一化處理，并將歸一化處理后的每個特征向量輸入到預先訓練好的多任務屬性預測模型中，獲得所述待預測用戶的多個屬性標簽，包括：

對每個特征向量進行歸一化處理，基于歸一化處理后的每個特征向量，計算多個特征向量經過多任務屬性預測模型中的隱含層后輸出與每個特征維度對應的多個隱含層神經元的特征值；

對計算出的每個特征維度的多個隱含層神經元的特征值進行激活函數處理；

基于經過激活函數處理后的每個特征維度的多個隱含層神經元的特征值，計算多任務屬性預測模型中的共享層輸出的多個共享層神經元的特征值；

對計算出的多個共享層神經元的特征值進行激活函數處理，得到與待預測用戶的屬性標簽相對應的多個共享層神經元的特征值；

基于得到的與待預測用戶的屬性標簽相對應的多個共享層神經元的特征值，確定所述待預測用戶的多個屬性標簽。