用户属性确定方法及装置、存储介质和电子设备制造方法及图纸

本公开提供了一种用户属性确定方法、用户属性确定装置、计算机可读存储介质和电子设备，涉及计算机技术领域。该用户属性确定方法包括：获取第一用户所使用应用程序的特征数据，第一用户为用户集合中待确定用户属性的用户；将第一用户所使用应用程序的特征数据输入属性分类模型，以得到第一用户的用户属性确定结果；其中，属性分类模型基于第二用户所使用应用程序的特征数据以及第二用户的用户属性类型训练得到，第二用户为用户集合中已确定用户属性类型的用户。本公开方案无需获取外部样本，可以降低用户属性确定过程的成本。可以降低用户属性确定过程的成本。可以降低用户属性确定过程的成本。

【技术实现步骤摘要】
用户属性确定方法及装置、存储介质和电子设备


[0001]本公开涉及计算机
，具体而言，涉及一种用户属性确定方法、用户属性确定装置、计算机可读存储介质和电子设备。

技术介绍

[0002]用户画像有助于更加准确地确定出产品的服务对象。用户画像的构建为企业精细化运营、数据分析、产品投放等方面提供了巨大助力。在构建用户画像的过程中，用户属性至关重要。
[0003]在对用户属性进行预测的过程中，需要依赖外部样本，而外部样本往往较难获取且成本较高，造成用户属性的预测难度大、门槛高。

技术实现思路

[0004]本公开提供一种用户属性确定方法、用户属性确定装置、计算机可读存储介质和电子设备，进而至少在一定程度上克服用户属性预测难度大的问题。
[0005]根据本公开的第一方面，提供了一种用户属性确定方法，包括：获取第一用户所使用应用程序的特征数据，第一用户为用户集合中待确定用户属性的用户；将第一用户所使用应用程序的特征数据输入属性分类模型，以得到第一用户的用户属性确定结果；其中，属性分类模型基于第二用户所使用应用程序的特征数据以及第二用户的用户属性类型训练得到，第二用户为用户集合中已确定用户属性类型的用户。
[0006]根据本公开的第二方面，提供了一种用户属性确定装置，包括：数据获取模块，用于获取第一用户所使用应用程序的特征数据，第一用户为用户集合中待确定用户属性的用户；结果生成模块，用于将第一用户所使用应用程序的特征数据输入属性分类模型，以得到第一用户的用户属性确定结果；其中，属性分类模型基于第二用户所使用应用程序的特征数据以及第二用户的用户属性类型训练得到，第二用户为用户集合中已确定用户属性类型的用户。
[0007]根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的用户属性确定方法。
[0008]根据本公开的第四方面，提供了一种电子设备，包括处理器；存储器，用于存储一个或多个程序，当一个或多个程序被处理器执行时，使得所述处理器实现上述的用户属性确定方法。
[0009]在本公开的一些实施例所提供的技术方案中，第一用户和第二用户均包含于用户集合中，利用具有明确用户属性类型的第二用户所对应的数据对属性分类模型进行训练，再利用训练后的属性分类模型对第一用户的用户属性进行预测。本公开方案中模型的训练依赖的是当前用户集合中用户本身所对应的数据，整个过程不存在外部样本的预先构建及获取过程，成本低，降低了用户属性的预测难度。
[0010]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不
能限制本公开。
附图说明
[0011]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0012]图1示出了本公开实施例的确定用户属性的方式的示意图；
[0013]图2示出了适于用来实现本公开示例性实施方式的电子设备的计算机系统的结构示意图；
[0014]图3示意性示出了根据本公开示例性实施方式的用户属性确定方法的流程图；
[0015]图4示意性示出了本公开实施例的确定模型训练样本的过程的流程图；
[0016]图5示出了本公开实施例的以用户的未成年子女年龄作为用户属性的用户属性确定过程的示意图；
[0017]图6示意性示出了根据本公开示例性实施方式的用户属性确定装置的方框图；
[0018]图7示意性示出了根据本公开另一示例性实施方式的用户属性确定装置的方框图。
具体实施方式
[0019]现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
[0020]此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
[0021]附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，下面所有的术语“第一”、“第二”、“第三”等仅是为了区分的目的，不应作为本公开内容的限制。
[0022]图1示出了本公开实施例的确定用户属性的方式的示意图。
[0023]如图1所示，用户1、用户2至用户i、用户i+1、用户i+2至用户n共计n个用户可以组成用户集合，其中，n为正整数。本公开实施方式的目的之一是为了确定用户1至用户n中每
一个用户的用户属性。
[0024]n个用户中每一个用户均对应有终端设备，如用户1持有终端设备1、用户2持有终端设备2、
…
、用户i持有终端设备i、用户i+1持有终端设备i+1、用户i+2持有终端设备i+2、
…
、用户n持有终端设备n等。本公开对终端设备的类型不做限制，其可以是能够安装并运行应用程序的任意电子设备，包括但不限于智能手机、平板电脑、智能可穿戴设备、个人计算机等。另外，不同用户对应的终端设备的类型可以相同，也可以不同，例如，终端设备1为智能手机，终端设备2为平板电脑等。
[0025]在确定用户集合中每一个用户的用户属性时，首先，可以基于确定性能够得知用户属性类型的应用程序，确定出有使用过该应用程序的终端设备，由此，可以预先得到明确能够知晓用户属性类型的用户。如图1所示，用户1、用户2、
…
、用户i为通过此方式确定出的明确用户属性类型的用户。其中，i为小于n的正整数。
[0026]这个过程相当于为用户1至用户i中的每一个用户添加了标记(tag)，该标记用于表征用户属性类型。
[0027]接下来，服务器可以利用用户1至用户i中每一个用户所使用应用程序的特征数据以及各用户的用户属性类型，对属性分类模型进行训练。
[0028]属性分类模型可以包括词向量模型和预测模型，一方面，词向量模型可以将文本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户属性确定方法，其特征在于，包括：获取第一用户所使用应用程序的特征数据，所述第一用户为用户集合中待确定用户属性的用户；将所述第一用户所使用应用程序的特征数据输入属性分类模型，以得到所述第一用户的用户属性确定结果；其中，所述属性分类模型基于第二用户所使用应用程序的特征数据以及所述第二用户的用户属性类型训练得到，所述第二用户为所述用户集合中已确定用户属性类型的用户。2.根据权利要求1所述的用户属性确定方法，其特征在于，所述属性分类模型包括词向量模型和预测模型；其中，将所述第一用户所使用应用程序的特征数据输入属性分类模型，以得到所述第一用户的用户属性确定结果，包括：通过所述词向量模型对所述第一用户所使用应用程序的特征数据进行处理，得到所述第一用户所使用应用程序的向量数据；通过所述预测模型对所述向量数据进行特征提取操作，以得到所述第一用户的用户属性确定结果。3.根据权利要求2所述的用户属性确定方法，其特征在于，通过所述预测模型对所述向量数据进行特征提取操作，以得到所述第一用户的用户属性确定结果，包括：通过所述预测模型对所述向量数据进行特征提取操作，得到中间预测结果；获取与所述用户属性相关的约束条件；基于所述约束条件对所述中间预测结果进行处理，得到所述第一用户的用户属性确定结果。4.根据权利要求1至3中任一项所述的用户属性确定方法，其特征在于，所述属性分类模型的数量为多个，并且所述属性分类模型的数量与所述用户属性类型的数量相同。5.根据权利要求1所述的用户属性确定方法，其特征在于，获取第一用户所使用应用程序的特征数据，将所述第一用户所使用应用程序的特征数据输入属性分类模型，包括：获取所述第一用户距当前一预设时间段内所使用的多个应用程序的特征数据；将所述多个应用程序的特征数据进行拼接，得到拼接数据；将所述拼接数据输入所述属性分类模型。6.根据权利要求5所述的用户属性确定方法，其特征在于，所述用户属性确定方法还包括：获取所述第一用户距当前所述预设时间段内所使用的所...

【专利技术属性】
技术研发人员：黄莲仙，
申请(专利权)人：深圳市中科明望通信软件有限公司，
类型：发明
国别省市：