[發(fā)明專利]一種人物屬性預(yù)測方法、裝置、服務(wù)器及可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110305520.3
• 申請日: 2021-03-23
• 公開（公告）號: CN113051406A
• 公開（公告）日: 2021-06-29
• 發(fā)明（設(shè)計）人: 廖志委;齊凱杰;聶鐳
• 申請（專利權(quán)）人: 龍馬智芯（珠海橫琴）科技有限公司
• 主分類號: G06F16/36
• 分類號: G06F16/36;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請實施例適用于數(shù)據(jù)處理技術(shù)領(lǐng)域，提供了一種人物屬性預(yù)測方法、裝置、服務(wù)器及可讀存儲介質(zhì)，該方法包括以下步驟：獲取未知用戶的第一特征信息，將第一特征信息輸入至預(yù)設(shè)的預(yù)測模型中，得到未知用戶的第一人物屬性，其中，預(yù)測模型包括已知用戶，已知用戶對應(yīng)有第二人物屬性，第二人物屬性為已知的人物屬性。可見，本申請實施例中，通過已知用戶對應(yīng)的已知人物屬性去預(yù)測未知人物的未知的人物屬性，而不用根據(jù)未知人物自身的動態(tài)特征去預(yù)測未知人物的未知的人物屬性，從而達到準(zhǔn)確預(yù)測未知人物屬性的效果。

技術(shù)領(lǐng)域

本申請屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種人物屬性預(yù)測方法、裝置、服務(wù)器及可讀存儲介質(zhì)。

背景技術(shù)

現(xiàn)有的人物屬性預(yù)測都是利用人物自身的特征（例如行為特征）來預(yù)測人物的屬性，但是人物自身的特征大多數(shù)是動態(tài)特征，這樣導(dǎo)致預(yù)測的人物屬性不夠準(zhǔn)確。

發(fā)明內(nèi)容

有鑒于此，本申請實施例提供了一種人物屬性預(yù)測方法、裝置、服務(wù)器及可讀存儲介質(zhì)，以解決現(xiàn)有技術(shù)中預(yù)測人物屬性不夠準(zhǔn)確的問題。

本申請實施例的第一方面提供了一種人物屬性預(yù)測方法，包括：

獲取未知用戶的第一特征信息；

將所述第一特征信息輸入至預(yù)設(shè)的預(yù)測模型中，得到所述未知用戶的第一人物屬性，其中，所述預(yù)測模型包括已知用戶，所述已知用戶對應(yīng)有第二人物屬性，所述第二人物屬性為已知的人物屬性。

在第一方面的一種可能的實現(xiàn)方式中，將所述第一特征信息輸入至預(yù)設(shè)的預(yù)測模型中，得到所述未知用戶的人物屬性，包括：

根據(jù)所述第一特征信息計算出所述未知用戶的第一映射值，其中，所述第一映射值用于表征所述第一特征信息在低維稠密向量空間中的向量值；

將所述第一映射值輸入至預(yù)設(shè)的知識圖譜，得到與所述未知用戶關(guān)聯(lián)的已知用戶，其中，所述預(yù)設(shè)的知識圖譜存儲有已知用戶，每個所述已知用戶對應(yīng)有一個第二映射值，所述第二映射值是根據(jù)每個所述已知用戶的第二特征值計算得到的，所述第二映射值用于表征第二特征信息在低維稠密向量空間中的向量值；

將與所述未知用戶關(guān)聯(lián)的已知用戶的第二人物屬性作為所述未知用戶的第一人物屬性。

在第一方面的一種可能的實現(xiàn)方式中，根據(jù)所述第一特征信息計算出所述未知用戶的第一映射值，包括：

對所述第一特征信息進行向量化處理，得到第一向量值；

對所述第一向量值進行嵌入處理，得到所述第一映射值。

在第一方面的一種可能的實現(xiàn)方式中，將所述第一映射值輸入至預(yù)設(shè)的知識圖譜，得到與所述未知用戶關(guān)聯(lián)的已知用戶之前，還包括：

獲取已知用戶的第二特征信息；

根據(jù)所述第二特征信息構(gòu)建所述預(yù)設(shè)的知識圖譜。

在第一方面的一種可能的實現(xiàn)方式中，根據(jù)所述第二特征信息構(gòu)建所述預(yù)設(shè)的知識圖譜，包括：

根據(jù)所述第二特征信息確定所述已知用戶之間的關(guān)聯(lián)關(guān)系；

根據(jù)所述已知用戶以及所述已知用戶之間的關(guān)聯(lián)關(guān)系，生成所述預(yù)設(shè)的知識圖譜；

計算所述預(yù)設(shè)的知識圖譜中每個已知用戶對應(yīng)的第二映射值，并在所述知識圖譜中標(biāo)記每個所述已知用戶對應(yīng)的第二映射值。

在第一方面的一種可能的實現(xiàn)方式中，計算所述預(yù)設(shè)的知識圖譜中每個已知用戶對應(yīng)的第二映射值，并在所述知識圖譜中標(biāo)記每個所述已知用戶對應(yīng)的第二映射值，包括：

對所述第二特征值進行向量化處理，得到第二向量值；

對所述第二向量值進行嵌入處理，得到初始映射值；

根據(jù)所述初始映射值計算出上下文映射值；

將所述初始映射值和所述上下文映射值輸入到預(yù)設(shè)的RNN神經(jīng)網(wǎng)絡(luò)模型，得到所述已知用戶對應(yīng)的第二映射值。