[發(fā)明專利]一種生成預(yù)測數(shù)據(jù)的方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010101858.2
• 申請日: 2020-02-19
• 公開（公告）號(hào): CN111340276B
• 公開（公告）日: 2022-08-19
• 發(fā)明（設(shè)計(jì)）人: 于博杰;李斌;王永生
• 申請（專利權(quán)）人: 聯(lián)想（北京）有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q10/06
• 代理公司: 北京金信知識(shí)產(chǎn)權(quán)代理有限公司 11225
• 代理人: 韓岳松

1.一種生成預(yù)測數(shù)據(jù)的方法，應(yīng)用于用戶畫像系統(tǒng)，所述方法包括，

基于基礎(chǔ)數(shù)據(jù)得到第一數(shù)據(jù)；所述第一數(shù)據(jù)用于表征用戶的特征，且所述特征至少包括用戶的性別、所處區(qū)域以及消費(fèi)水平；

基于預(yù)測數(shù)據(jù)確定相應(yīng)的算法模型；

基于所述預(yù)測數(shù)據(jù)與算法模型，從所述第一數(shù)據(jù)中確定出第二數(shù)據(jù)；所述第二數(shù)據(jù)表征用戶的特征，其中，所述第二數(shù)據(jù)與所述預(yù)測數(shù)據(jù)的相關(guān)度高于第一數(shù)據(jù)與所述預(yù)測數(shù)據(jù)的相關(guān)度；

從所述第二數(shù)據(jù)中確定出特征數(shù)據(jù)，其中，所述特征數(shù)據(jù)與所述預(yù)測數(shù)據(jù)的相關(guān)度高于第二數(shù)據(jù)與所述預(yù)測數(shù)據(jù)的相關(guān)度；

基于所述特征數(shù)據(jù)對(duì)所述算法模型進(jìn)行訓(xùn)練，得到能夠生成所述預(yù)測數(shù)據(jù)的預(yù)測模型，所述預(yù)測模型至少與特征數(shù)據(jù)的權(quán)重參數(shù)相關(guān)；

基于所述預(yù)測模型生成所述預(yù)測數(shù)據(jù)，以基于已知的數(shù)據(jù)推知其他的數(shù)據(jù)從而推知用戶的其他特征。

2.根據(jù)權(quán)利要求1所述的方法，所述基于基礎(chǔ)數(shù)據(jù)得到第一數(shù)據(jù)，包括，從所述基礎(chǔ)數(shù)據(jù)中篩選出一部分?jǐn)?shù)據(jù)作為所述第一數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的方法，所述基于所述特征數(shù)據(jù)對(duì)所述算法模型進(jìn)行訓(xùn)練，得到能夠生成所述預(yù)測數(shù)據(jù)的預(yù)測模型，包括，

基于所述特征數(shù)據(jù)生成多組待訓(xùn)練算法模型；

基于所述特征數(shù)據(jù)對(duì)所述多組待訓(xùn)練算法模型進(jìn)行訓(xùn)練，得到所述預(yù)測模型。

4.根據(jù)權(quán)利要求3所述的方法，所述基于所述特征數(shù)據(jù)生成多組待訓(xùn)練算法模型，包括，

基于所述特征數(shù)據(jù)形成多組特征數(shù)據(jù)的權(quán)重參數(shù)組合；

基于所述權(quán)重參數(shù)組合形成多組待訓(xùn)練算法模型的模型參數(shù)組合；

基于所述模型參數(shù)組合形成多組待訓(xùn)練算法模型。

5.根據(jù)權(quán)利要求3所述的方法，所述基于所述特征數(shù)據(jù)對(duì)所述多組待訓(xùn)練算法模型進(jìn)行訓(xùn)練，得到所述預(yù)測模型，包括，

基于所述特征數(shù)據(jù)同時(shí)對(duì)所述多組待訓(xùn)練算法模型進(jìn)行訓(xùn)練，得到多組訓(xùn)練后模型；

在所述多組訓(xùn)練后模型中確定出一個(gè)準(zhǔn)確率最高的訓(xùn)練后模型作為所述預(yù)測模型。

6.根據(jù)權(quán)利要求5所述的方法，所述特征數(shù)據(jù)包括訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)，其中，所述在所述多組訓(xùn)練后模型中確定出一個(gè)準(zhǔn)確率最高的訓(xùn)練后模型作為所述預(yù)測模型，包括，

使用測試數(shù)據(jù)同時(shí)對(duì)所述多組訓(xùn)練后模型進(jìn)行測試；

將測試得到的結(jié)果與基于所述測試數(shù)據(jù)得到的理論結(jié)果進(jìn)行比較；

在所述多組訓(xùn)練后模型中確定出一個(gè)測試準(zhǔn)確率最高的訓(xùn)練后模型作為所述預(yù)測模型。

7.根據(jù)權(quán)利要求6所述的方法，所述基于所述特征數(shù)據(jù)同時(shí)對(duì)所述多組待訓(xùn)練算法模型進(jìn)行訓(xùn)練，得到多組訓(xùn)練后模型，包括，

使用所述訓(xùn)練數(shù)據(jù)同時(shí)對(duì)所述多組待訓(xùn)練算法模型進(jìn)行訓(xùn)練，得到多組訓(xùn)練后模型。

8.一種生成預(yù)測數(shù)據(jù)的系統(tǒng)，應(yīng)用于用戶畫像系統(tǒng)，所述系統(tǒng)至少包括存儲(chǔ)器、處理器，所述存儲(chǔ)器上存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行如下步驟：

基于基礎(chǔ)數(shù)據(jù)得到第一數(shù)據(jù)；所述第一數(shù)據(jù)用于表征用戶的特征，且所述特征至少包括用戶的性別、所處區(qū)域以及消費(fèi)水平；

基于預(yù)測數(shù)據(jù)確定相應(yīng)的算法模型；

基于所述預(yù)測數(shù)據(jù)與算法模型，從所述第一數(shù)據(jù)中確定出第二數(shù)據(jù)；所述第二數(shù)據(jù)表征用戶的特征，其中，所述第二數(shù)據(jù)與所述預(yù)測數(shù)據(jù)的相關(guān)度高于第一數(shù)據(jù)與所述預(yù)測數(shù)據(jù)的相關(guān)度；

從所述第二數(shù)據(jù)中確定出特征數(shù)據(jù)，其中，所述特征數(shù)據(jù)與所述預(yù)測數(shù)據(jù)的相關(guān)度高于第二數(shù)據(jù)與所述預(yù)測數(shù)據(jù)的相關(guān)度；

基于所述特征數(shù)據(jù)對(duì)所述算法模型進(jìn)行訓(xùn)練，得到能夠生成所述預(yù)測數(shù)據(jù)的預(yù)測模型，所述預(yù)測模型至少與特征數(shù)據(jù)的權(quán)重參數(shù)相關(guān)；

所述處理器進(jìn)一步執(zhí)行如下步驟：

基于所述預(yù)測模型生成所述預(yù)測數(shù)據(jù)，以基于已知的數(shù)據(jù)推知其他的數(shù)據(jù)從而推知用戶的其他特征。