CN107103366B - 用于生成用户的年龄信息的方法和装置 - Google Patents

用于生成用户的年龄信息的方法和装置 Download PDF

Info

Publication number
CN107103366B
CN107103366B CN201710269974.3A CN201710269974A CN107103366B CN 107103366 B CN107103366 B CN 107103366B CN 201710269974 A CN201710269974 A CN 201710269974A CN 107103366 B CN107103366 B CN 107103366B
Authority
CN
China
Prior art keywords
user
article
age
users
detected
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710269974.3A
Other languages
English (en)
Other versions
CN107103366A (zh
Inventor
卢月
李爱华
葛胜利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201710269974.3A priority Critical patent/CN107103366B/zh
Publication of CN107103366A publication Critical patent/CN107103366A/zh
Application granted granted Critical
Publication of CN107103366B publication Critical patent/CN107103366B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0631Item recommendations

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Medical Informatics (AREA)
  • Development Economics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了用于生成用户的年龄信息的方法和装置。该方法的一具体实施方式包括:获取用户集合中的待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、待检测用户对物品集合中的所有物品执行预设操作的总操作次数、对物品集合中的至少一种物品执行过预设操作的用户的总用户数量以及对单个物品执行过预设操作的用户的单物品用户数量;基于单物品操作次数、总操作次数、总用户数量以及单物品用户数量,生成待检测用户对单个物品执行预设操作的操作量特征参数;基于物品集合中至少一个物品对应的操作量特征参数,生成待检测用户的年龄信息。该实施方式实现了更准确地生成用户年龄。

Description

用于生成用户的年龄信息的方法和装置
技术领域
本申请涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及用于生成用户的年龄信息的方法和装置。
背景技术
用户的行为习惯与用户年龄有很强的相关性,因此预测用户年龄可以使得根据用户的行为习惯进行信息推送有较强的针对性。目前,在预测用户的年龄时,通常基于用户的行为数据来预测用户年龄,例如通过用户在一段时间中购买商品的品类数量、各品类分别购买的数量、首次购买距今的时长等数据作为特征,然后用设定的算法对用户所属年龄段进行预测。
然而,现有的这种预测用户年龄的方式常常忽略了不同商品的差异性,无法体现出不同商品影响用户年龄的强度,使得最终预测出的年龄存在准确性不足的问题。
发明内容
本申请的目的在于提出一种改进的用于生成用户的年龄信息的方法和装置,来解决以上背景技术部分提到的技术问题。
第一方面,本申请实施例提供了一种用于生成用户的年龄信息的方法,该方法包括:获取用户集合中的待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、待检测用户对物品集合中的所有物品执行预设操作的总操作次数、对物品集合中的至少一种物品执行过预设操作的用户的总用户数量以及对单个物品执行过预设操作的用户的单物品用户数量;基于单物品操作次数、总操作次数、总用户数量以及单物品用户数量,生成待检测用户对单个物品执行预设操作的操作量特征参数;基于物品集合中至少一个物品对应的操作量特征参数,生成待检测用户的年龄信息。
在一些实施例中,上述基于物品集合中至少一个物品对应的操作量特征参数,生成待检测用户的年龄信息,包括:使用物品集合中至少一个物品对应的操作量特征参数构造成特征矩阵并输入至机器学习模型,其中,机器学习模型是预先使用年龄已知用户在物品集合中至少一个物品对应的操作量特征参数构造的特征矩阵以及年龄已知用户的年龄值分别作为模型的输入与输出样本进行训练而得到的;基于机器学习模型的输出值确定待检测用户的年龄信息。
在一些实施例中,上述基于单物品操作次数、总操作次数、总用户数量以及单物品用户数量,生成待检测用户对单个物品执行预设操作的操作量特征参数,包括:确定单操作次数与总操作次数之间的第一比值;确定总用户数量与单物品用户数量之间的第二比值;基于第一比值和第二比值,生成单个物品对应的操作量特征参数。
在一些实施例中,上述基于第一比值和第二比值,生成单个物品对应的操作量特征参数,包括:以预设底数对第二比值求对数,得到对数值;对第一比值与对数值执行乘积操作,并将所得到的乘积结果设置为待检测用户对单个物品的操作量特征参数。
在一些实施例中,上述方法还包括:获取待检测用户执行预设操作的其他操作特征参数;以及,使用物品集合中至少一个物品对应的操作量特征参数构造成特征矩阵并输入至机器学习模型,包括:使用物品集合中至少一个物品对应的操作量特征参数以及其他操作特征参数构造成特征矩阵并输入至机器学习模型,其中机器学习模型是是预先使用年龄已知用户在物品集合中至少一个物品对应的操作量特征参数以及其他特征参数构造的特征矩阵以及年龄已知用户的年龄值分别作为模型的输入与输出样本进行训练而得到的。
在一些实施例中,在获取待检测用户执行预设操作的其他操作特征参数之后,上述方法还包括:对其他操作特征参数执行标准化操作,得到标准化参数;以及,上述使用物品集合中至少一个物品对应的操作量特征参数以及其他操作特征参数构造成特征矩阵并输入至机器学习模型,包括:使用物品集合中至少一个物品对应的操作量特征参数以及标准化参数构造成特征矩阵并输入至机器学习模型。
在一些实施例中,上述对其他操作特征参数执行标准化操作,得到标准化操作,包括以下任意一项:将预设的上限阈值减去其他操作特征参数,以得到标准化参数;获取用户集合中的所有用户的其他特征参数的平均值以及标准差,求取将待检测用户的其他特征参数与平均值之间的差值,并将差值与标准差之间的比值设置为标准化参数。
第二方面,本申请实施例提供了一种用于生成用户的年龄信息的装置,该装置包括:第一获取单元,用于获取用户集合中的待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、待检测用户对物品集合中的所有物品执行预设操作的总操作次数、对物品集合中的至少一种物品执行过预设操作的用户的总用户数量以及对单个物品执行过预设操作的用户的单物品用户数量;参数生成单元,用于基于单物品操作次数、总操作次数、总用户数量以及单物品用户数量,生成待检测用户对单个物品执行预设操作的操作量特征参数;年龄生成单元,用于基于物品集合中至少一个物品对应的操作量特征参数,生成待检测用户的年龄信息。
在一些实施例中,年龄生成单元,包括:输入子单元,用于使用物品集合中至少一个物品对应的操作量特征参数构造成特征矩阵并输入至机器学习模型,其中,机器学习模型是预先使用年龄已知用户在物品集合中至少一个物品对应的操作量特征参数构造的特征矩阵以及年龄已知用户的年龄值分别作为模型的输入与输出样本进行训练而得到的;年龄生成子单元,用于基于机器学习模型的输出值确定待检测用户的年龄信息。
在一些实施例中,参数生成单元,包括:第一比值确定子单元,用于确定单操作次数与总操作次数之间的第一比值;第二比值确定子单元,用于确定总用户数量与单物品用户数量之间的第二比值;参数生成子单元,用于基于第一比值和第二比值,生成单个物品对应的操作量特征参数。
在一些实施例中,参数生成子单元进一步用于:以预设底数对第二比值求对数,得到对数值;对第一比值与对数值执行乘积操作,并将所得到的乘积结果设置为待检测用户对单个物品的操作量特征参数。
在一些实施例中,上述装置还包括:第二获取单元,用于获取待检测用户执行预设操作的其他操作特征参数;以及,输入子单元进一步用于:使用物品集合中至少一个物品对应的操作量特征参数以及其他操作特征参数构造成特征矩阵并输入至机器学习模型,其中机器学习模型是是预先使用年龄已知用户在物品集合中至少一个物品对应的操作量特征参数以及其他特征参数构造的特征矩阵以及年龄已知用户的年龄值分别作为模型的输入与输出样本进行训练而得到的。
在一些实施例中,上述装置还包括:标准化单元,用于在获取待检测用户执行预设操作的其他操作特征参数之后,对其他操作特征参数执行标准化操作,得到标准化参数;以及,输入子单元进一步用于:使用物品集合中至少一个物品对应的操作量特征参数以及标准化参数构造成特征矩阵并输入至机器学习模型。
在一些实施例中,标准化单元,用于执行以下任意一项:将预设的上限阈值减去其他操作特征参数,以得到标准化参数;获取用户集合中的所有用户的其他特征参数的平均值以及标准差,求取将待检测用户的其他特征参数与平均值之间的差值,并将差值与标准差之间的比值设置为标准化参数。
第三方面,本申请提供一种服务器,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一项所描述的方法。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如第一方面中任一项所描述的方法。
本申请提供的用于生成用户的年龄信息的方法和装置,在预测用户年龄时,在考虑用户对物品的操作行为的操作次数的同时,还引入对物品操作的用户量与总用户量的比例,从而使得预测过程考虑到了不同物品本身在决定用户年龄的强度差异,有利于更准确地预测出用户的年龄。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征参数、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于生成用户的年龄信息的方法的一个实施例的流程图;
图3是根据本申请的用于生成用户的年龄信息的方法的又一个实施例的流程图;
图4是根据本申请的用于生成用户的年龄信息的装置的一个实施例的结构示意图;
图5是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征参数可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于生成用户的年龄信息的方法或用于生成用户的年龄信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用等。
终端设备101、102、103可以是具有显示屏并且支持信息浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的信息提供数据支持的后台服务器。后台服务器可以根据与终端设备101、102、103的交互确定用户的操作信息,例如用户购买每一种商品的商品数量的信息。该操作信息可以供后续过程进行分析,以确定用户年龄。
需要说明的是,本申请实施例所提供的用于生成用户的年龄信息的方法一般由服务器105执行,相应地,用于生成用户的年龄信息的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于生成用户的年龄信息的方法的一个实施例的流程200。该用于生成用户的年龄信息的方法,包括以下步骤:
步骤201,获取用户集合中的待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、待检测用户对物品集合中的所有物品执行预设操作的总操作次数、对物品集合中的至少一种物品执行过预设操作的用户的总用户数量以及对单个物品执行过预设操作的用户的单物品用户数量。
在本实施例中,电子设备可以首先获取用户集合中的待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、待检测用户对物品集合中的所有物品执行预设操作的总操作次数、对物品集合中的至少一种物品执行过预设操作的用户的总用户数量以及对单个物品执行过预设操作的用户的单物品用户数量。实践中,大量用户可以预先通过终端设备对电子设备中存储的信息进行访问,电子设备可以根据与终端设备的交互信息确定各个用户的操作行为信息。其中,该操作行为信息可以包括用户集合中的每个用户对物品集合中的每个物品执行各种操作的操作次数。电子设备可以针对待检测用户以及预设操作,使用每个用户对物品集合中的每个物品执行各种操作的操作次数进行统计,从而获取待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、待检测用户对物品集合中的所有物品执行预设操作的总操作次数、用户集合的总用户数量以及对单个物品执行过预设操作的用户的单物品用户数量等数据。需要说明的是,上述物品集合可以是通过电子设备对外销售的所有商品或部分商品,预设操作可以是用户对物品进行的购买、浏览、关注、收藏、搜索等操作,这些操作可以表明用户与物品之间存在较强的关联关系。总用户数量可以是对物品集合中的至少一种物品执行过预设操作的用户的用户数量,单物品用户数量可以是对单个物品执行过预设操作的用户的用户数量。
需要说明的是,预设操作可以是一种或多种操作,单物品用户数量可以是仅包含一种物品的单物品用户数量,也可以是包括多种物品中每一种物品的单物品用户数量,待检测用户也可以是一个或多个待检测年龄的用户。当预设操作为多种操作或多种物品中每一种物品的单物品用户数量或待检测用户为多个用户时,后续过程中的步骤202可以对每种操作或每一种物品或每一个用户分别生成一个操作量特征参数。
还需要说明的是,上述获取待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、待检测用户对物品集合中的所有物品执行预设操作的总操作次数、用户集合的总用户数量以及对单个物品执行过预设操作的用户的单物品用户数量等数据的方式仅为举例,实践中还可以通过其他方式获取这些数据。
步骤202,基于单物品操作次数、总操作次数、总用户数量以及单物品用户数量,生成待检测用户对单个物品执行预设操作的操作量特征参数。
在本实施例中,基于步骤201中获取到的数据,上述电子设备(例如图1所示的服务器)可以基于单物品操作次数、总操作次数、总用户数量以及单物品用户数量,生成待检测用户对单个物品执行预设操作的操作量特征参数。在生成待检测用户对单个物品执行所述预设操作的操作量特征参数时,需要同时使用到单物品操作次数、总操作次数、总用户数量以及单物品用户数量这四项数据进行运算,从而将运算结果作为操作量特征参数。其中,运算所涉及到的具体运算方式可以包括但不限于加、减、乘、除或乘方等。
步骤203,基于物品集合中至少一个物品对应的操作量特征参数,生成待检测用户的年龄信息。
在本实施例中,基于步骤202生成的操作量特征参数,电子设备可以对操作量特征参数进行分析,从而生成待检测用户的年龄信息。例如,可以预先设计根据操作量特征参数计算年龄的公式,此时可以根据该公式即可求取出用户年龄。此外,还可以设计操作量特征参数和用户年龄之间的映射表,当生成待测试用户的操作量特征参数后,可以直接查询该映射表得到对应的用户年龄。需要说明的是,还可以通过其他方式基于操作量特征参数生成待检测用户的年龄信息。
在本实施例的一些可选的实现方式中,上述步骤203可以具体包括:使用物品集合中至少一个物品对应的操作量特征参数构造成特征矩阵并输入至机器学习模型,其中,机器学习模型是预先使用年龄已知用户在物品集合中至少一个物品对应的操作量特征参数构造的特征矩阵以及年龄已知用户的年龄值分别作为模型的输入与输出样本进行训练而得到的;基于机器学习模型的输出值确定待检测用户的年龄信息。在该实现方式中,机器学习模型的输入可以是使用物品集合中至少一个物品对应的操作量特征参数构造成的特征矩阵。当操作量特征参数仅包括一项参数时,特征矩阵可以是1×1的矩阵。当操作量特征参数包括一个待检测用户在多种物品的操作量特征参数时,特征矩阵可以是n×1的矩阵(n为大于1的整数)。当操作量特征参数包括多个待检测用户在多种物品的操作量特征参数时,输入矩阵可以是n×m的矩阵(n、m分别为大于1的整数)。此时,电子设备可以通过机器学习模型的输出向量中的各个分量确定每个待检测用户的年龄,这种方式可以使用机器学习模型对数据处理一次即可同时生成多个待测试用户的年龄信息,从而可以提高处理效率。此外,机器学习模型还可以不断更新以进一步提高年龄预测的准确性。特征矩阵通常是稀疏矩阵,处理时需要按照稀疏矩阵的形式进行处理。
在本实施例的一些可选实现方式中,上述步骤202可以具体包括:确定单操作次数与总操作次数之间的第一比值;确定总用户数量与单物品用户数量之间的第二比值;基于第一比值和第二比值,生成单个物品对应的操作量特征参数。在该实现方式中,电子设备在计算单个物品对应的操作量特征参数时,可以利用单操作次数与总操作次数之间的第一比值以及总用户数量与单物品用户数量之间的第二比值确定操作量特征参数时。
对于单个物品,总用户数量与单物品用户数量之间的第二比值是逆向购买该物品的用户频率,能度量该物品的普遍重要性。当第二比值越大,即单物品用户数量占总用户数量的比例越小时,则该物品对用户年龄的区分度越强。单操作次数与总操作次数之间的第一比值用于表示待检测的特定用户对该物品执行预设操作的频率,即可以表征待检测用户在该物品上的得分值越高。因此,将第一比值和第二比值结合,可以确定体现出该物品在对待检测用户进行年龄预测时的综合价值。
在本实施例的一些可选实现方式中,上述基于第一比值和第二比值,生成单个物品对应的操作量特征参数,可以具体包括:以预设底数对第二比值求对数,得到对数值;对第一比值与对数值执行乘积操作,并将所得到的乘积结果设置为待检测用户对所述单个物品的操作量特征参数。在该实现方式中,在结合第一比值和第二比值得到单个物品的操作量特征参数时,可以先对第二比值求对数,再将第一比值与求取的对数值相乘后作为单个物品的操作量特征参数。可选的,求取对数时所使用的底数可以是自然常数e。该实现方式中,所得到的操作量特征参数相当于文本处理中的TF-IDF(词频-逆文档频率)技术,用于评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。对应的,将该技术应用到基于用户对物品的操作预测用户年龄时,物品的重要性随着它被用户执行预设操作的操作次数成正比增加,同时也随操作该物品的用户量成反比下降。将TF-IDF技术转用到基于用户对物品的操作预测用户年龄,可以使得年龄的预测更科学准确。
本申请的上述实施例提供的方法在预测用户年龄时,在考虑用户对物品的操作行为的操作次数的同时,还引入对物品操作的用户量与总用户量的比例,从而使得预测过程考虑到了不同物品本身在决定用户年龄的强度差异,有利于更准确地预测出用户的年龄。
进一步参考图3,其示出了用于生成用户的年龄信息的方法的又一个实施例的流程300。该用于生成用户的年龄信息的方法的流程300,包括以下步骤:
步骤301,获取用户集合中的待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、待检测用户对物品集合中的所有物品执行预设操作的总操作次数、对物品集合中的至少一种物品执行过预设操作的用户的总用户数量以及对单个物品执行过预设操作的用户的单物品用户数量。
在本实施例中,步骤301的具体处理可以参考图2对应实施例的步骤201,这里不再赘述。
步骤302,基于单物品操作次数、总操作次数、总用户数量以及单物品用户数量,生成待检测用户对单个物品执行预设操作的操作量特征参数。
在本实施例中,步骤302的具体处理可以参考图2对应实施例中相应的实现方式。
步骤303,获取待检测用户执行预设操作的其他操作特征参数。
在本实施例中,电子设备还获取待检测用户执行预设操作的其他操作特征参数。该其他操作特征参数包括但不限于待检测用户首次执行预设操作至今的时长、执行预设操作的总操作次数等参数。
步骤304,使用物品集合中至少一个物品对应的操作量特征参数以及其他操作特征参数构造成特征矩阵并输入至机器学习模型。
在本实施例中,基于步骤302所得到的操作量特征参数以及步骤303获取到的其他操作特征参数,电子设备可以使用操作量特征参数以及其他操作特征参数构造成特征矩阵并输入至机器学习模型中。其中,机器学习模型是是预先使用年龄已知用户在物品集合中至少一个物品对应的操作量特征参数以及其他特征参数构造的特征矩阵以及年龄已知用户的年龄值分别作为模型的输入与输出样本进行训练而得到的。
步骤305,基于机器学习模型的输出值确定待检测用户的年龄信息。
在本实施例中,步骤305的具体处理可以参考图2对应实施例中的步骤203,这里不再赘述。
在本实施例的一些可选实现方式中,在步骤303之后,上述方法还包括:对其他操作特征参数执行标准化操作,得到标准化参数。同时,上述步骤304可以具体包括:使用物品集合中至少一个物品对应的操作量特征参数以及标准化参数构造成特征矩阵并输入至机器学习模型。在该实现方式中,为了使得不同的特征参数的尺度尽可能一致,可以对特征参数进行标准化操作,使得在计算年龄时均衡考虑各项其他参数的影响。
在本实施例的一些可选实现方式中,上述对其他操作特征参数执行标准化操作,得到标准化操作,包括以下任意一项:将预设的上限阈值减去其他操作特征参数,以得到标准化参数;获取用户集合中的所有用户的其他特征参数的平均值以及标准差,求取将待检测用户的其他特征参数与平均值之间的差值,并将差值与标准差之间的比值设置为标准化参数。
前者是为了解决特征指标方向不一致的问题。有些指标是指标值越大评价得分越好,指标方向和评价得分方向一致,称为正向指标;而有些指标是指标值越小,评价得分越好,称为逆向指标。因此需要把逆向指标进行正向化处理,比如首次购买距今的天数这个就是逆向指标,它度量的是用户第一次消费统计日期的时间长度,理论上来说,这个指标越小的用户应该是比较好的用户,其营销价值比较高,对提供商品或服务也最有可能有反应。逆向指标正向化的具体方式即可通过预设的上限阈值减去逆向指标的其他操作特征参数所得到的值作为正向化之后的数据,即标准化参数。
后者则是为了解决不同参数的量纲不统一的问题。例如,天数、消费频次、消费金额的单位都不一样,无法直接比较,需要统一做标准化处理,具体方法是进行标准差标准化,即将数据减去其样本平均值,然后除以样本标准差,这样处理后的数据符合标准正太分布,均值为0,标准差为1,其转化可以通过如下式(1)所示:
Figure BDA0001277086060000121
x为标准化之前的数据,Xnew为标准化之后的数据,mean(x)是对标准化之前的数据求均值,std(x)是对标准化之前的数据求标准差。
从图3中可以看出,与图2对应的实施例相比,本实施例中的用于生成用户的年龄信息的方法的流程300,进一步引入了除操作量特征外的其他操作特征作为预测年龄的依据,从而可以进一步提高所预测年龄的准确度。
进一步参考图4,作为对上述各图所示方法的实现,本申请提供了一种用于生成用户的年龄信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图4所示,本实施例的用于生成用户的年龄信息的装置400包括:第一获取单元401、参数生成单元402和年龄生成单元403。其中,第一获取单元401用于获取用户集合中的待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、待检测用户对物品集合中的所有物品执行预设操作的总操作次数、对物品集合中的至少一种物品执行过预设操作的用户的总用户数量以及对单个物品执行过预设操作的用户的单物品用户数量;参数生成单元402用于基于单物品操作次数、总操作次数、总用户数量以及单物品用户数量,生成待检测用户对单个物品执行预设操作的操作量特征参数;年龄生成单元403用于基于物品集合中至少一个物品对应的操作量特征参数,生成待检测用户的年龄信息。
在本实施例中,第一获取单元401、参数生成单元402和年龄生成单元403的具体处理可以参考图2对应实施例的步骤201、步骤201以及步骤203,这里不再赘述。
在本实施例的一些可选实现方式中,年龄生成单元403可以包括:输入子单元(未示出),用于使用物品集合中至少一个物品对应的操作量特征参数构造成特征矩阵并输入至机器学习模型,其中,机器学习模型是预先使用年龄已知用户在物品集合中至少一个物品对应的操作量特征参数构造的特征矩阵以及年龄已知用户的年龄值分别作为模型的输入与输出样本进行训练而得到的;年龄生成子单元(未示出),用于基于机器学习模型的输出值确定待检测用户的年龄信息。该实现方式的具体处理可以参考图2对应实施例中相应的实现方式,这里不再赘述。
在本实施例的一些可选实现方式中,参数生成单元402可以包括:第一比值确定子单元(未示出),用于确定单操作次数与总操作次数之间的第一比值;第二比值确定子单元(未示出),用于确定总用户数量与单物品用户数量之间的第二比值;参数生成子单元(未示出),用于基于第一比值和第二比值,生成单个物品对应的操作量特征参数。该实现方式的具体处理可以参考图2对应实施例中相应的实现方式,这里不再赘述。
在本实施例的一些可选实现方式中,参数生成子单元进一步用于:以预设底数对第二比值求对数,得到对数值;对第一比值与对数值执行乘积操作,并将所得到的乘积结果设置为所述待检测用户对单个物品的操作量特征参数。该实现方式的具体处理可以参考图2对应实施例中相应的实现方式,这里不再赘述。
在本实施例的一些可选实现方式中,装置400还包括第二获取单元(未示出),用于获取待检测用户执行预设操作的其他操作特征参数;以及,上述输入子单元进一步用于:使用物品集合中至少一个物品对应的操作量特征参数以及其他操作特征参数构造成特征矩阵并输入至机器学习模型,其中机器学习模型是是预先使用年龄已知用户在物品集合中至少一个物品对应的操作量特征参数以及其他特征参数构造的特征矩阵以及年龄已知用户的年龄值分别作为模型的输入与输出样本进行训练而得到的。该实现方式的具体处理可以参考图3对应实施例中相应的步骤,这里不再赘述。
在本实施例的一些可选实现方式中,装置400还包括:标准化单元(未示出),用于在获取待检测用户执行预设操作的其他操作特征参数之后,对其他操作特征参数执行标准化操作,得到标准化参数;以及,输入子单元进一步用于:使用物品集合中至少一个物品对应的操作量特征参数以及标准化参数构造成特征矩阵并输入至机器学习模型。该实现方式的具体处理可以参考图3对应实施例中相应的实现方式,这里不再赘述。
在本实施例的一些可选实现方式中,标准化单元,用于执行以下任意一项:将预设的上限阈值减去其他操作特征参数,以得到标准化参数;获取用户集合中的所有用户的其他特征参数的平均值以及标准差,求取将待检测用户的其他特征参数与平均值之间的差值,并将差值与标准差之间的比值设置为标准化参数。
此外,本申请还提供一种服务器的实施例。该服务器包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如图2对应实施例或任一实现方式中所描述的方法。下面参考图5,其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。图5示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所描述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一获取单元、参数生成单元和年龄生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取用户集合中的待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、待检测用户对物品集合中的所有物品执行预设操作的总操作次数、对物品集合中的至少一种物品执行过预设操作的用户的总用户数量以及对单个物品执行过预设操作的用户的单物品用户数量的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取用户集合中的待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、所述待检测用户对所述物品集合中的所有物品执行所述预设操作的总操作次数、对所述物品集合中的至少一种物品执行过所述预设操作的用户的总用户数量以及对所述单个物品执行过所述预设操作的用户的单物品用户数量;基于所述单物品操作次数、所述总操作次数、所述总用户数量以及所述单物品用户数量,生成所述待检测用户对所述单个物品执行所述预设操作的操作量特征参数;基于所述物品集合中至少一个物品对应的操作量特征参数,生成所述待检测用户的年龄信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征参数的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征参数或其等同特征参数进行任意组合而形成的其它技术方案。例如上述特征参数与本申请中公开的(但不限于)具有类似功能的技术特征参数进行互相替换而形成的技术方案。

Claims (11)

1.一种用于生成用户的年龄信息的方法,其特征在于,所述方法包括:
获取用户集合中的待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、所述待检测用户对所述物品集合中的所有物品执行所述预设操作的总操作次数、对所述物品集合中的至少一种物品执行过所述预设操作的用户的总用户数量以及对所述单个物品执行过所述预设操作的用户的单物品用户数量;
基于所述单物品操作次数、所述总操作次数、所述总用户数量以及所述单物品用户数量,生成所述待检测用户对所述单个物品执行所述预设操作的操作量特征参数,其中所述操作量特征参数为对所述单物品操作次数、所述总操作次数、所述总用户数量以及所述单物品用户数量同时进行运算得到的运算结果;
基于所述物品集合中至少一个物品对应的操作量特征参数,生成所述待检测用户的年龄信息。
2.根据权利要求1所述的方法,其特征在于,所述基于所述物品集合中至少一个物品对应的操作量特征参数,生成所述待检测用户的年龄信息,包括:
使用所述物品集合中至少一个物品对应的操作量特征参数构造成特征矩阵并输入至机器学习模型,其中,所述机器学习模型是预先使用年龄已知用户在所述物品集合中至少一个物品对应的操作量特征参数构造的特征矩阵以及所述年龄已知用户的年龄值分别作为模型的输入与输出样本进行训练而得到的;
基于所述机器学习模型的输出值确定所述待检测用户的年龄信息。
3.根据权利要求2所述的方法,其特征在于,所述基于所述单物品操作次数、所述总操作次数、所述总用户数量以及所述单物品用户数量,生成所述待检测用户对所述单个物品执行所述预设操作的操作量特征参数,包括:
确定所述单物品操作次数与所述总操作次数之间的第一比值;
确定所述总用户数量与所述单物品用户数量之间的第二比值;
基于所述第一比值和第二比值,生成所述单个物品对应的操作量特征参数。
4.根据权利要求3所述的方法,其特征在于,所述基于所述第一比值和第二比值,生成所述单个物品对应的操作量特征参数,包括:
以预设底数对所述第二比值求对数,得到对数值;
对所述第一比值与所述对数值执行乘积操作,并将所得到的乘积结果设置为所述待检测用户对所述单个物品的操作量特征参数。
5.根据权利要求2-4之一所述的方法,其特征在于,所述方法还包括:
获取所述待检测用户执行所述预设操作的其他操作特征参数;以及
所述使用所述物品集合中至少一个物品对应的操作量特征参数构造成特征矩阵并输入至机器学习模型,包括:
使用所述物品集合中至少一个物品对应的操作量特征参数以及所述其他操作特征参数构造成特征矩阵并输入至所述机器学习模型,其中所述机器学习模型是预先使用年龄已知用户在所述物品集合中至少一个物品对应的操作量特征参数以及其他特征参数构造的特征矩阵以及所述年龄已知用户的年龄值分别作为模型的输入与输出样本进行训练而得到的。
6.根据权利要求5所述的方法,其特征在于,在所述获取所述待检测用户执行所述预设操作的其他操作特征参数之后,所述方法还包括:
对所述其他操作特征参数执行标准化操作,得到标准化参数;以及
所述使用所述物品集合中至少一个物品对应的操作量特征参数以及所述其他操作特征参数构造成特征矩阵并输入至所述机器学习模型,包括:
使用所述物品集合中至少一个物品对应的操作量特征参数以及所述标准化参数构造成特征矩阵并输入至所述机器学习模型。
7.根据权利要求6所述的方法,其特征在于,所述对所述其他操作特征参数执行标准化操作,得到标准化参数,包括以下任意一项:
将预设的上限阈值减去所述其他操作特征参数,以得到所述标准化参数;
获取所述用户集合中的所有用户的其他特征参数的平均值以及标准差,求取将所述待检测用户的其他特征参数与所述平均值之间的差值,并将所述差值与所述标准差之间的比值设置为所述标准化参数。
8.一种用于生成用户的年龄信息的装置,其特征在于,所述装置包括:
第一获取单元,用于获取用户集合中的待检测用户对物品集合中的单个物品执行预设操作的单物品操作次数、所述待检测用户对所述物品集合中的所有物品执行所述预设操作的总操作次数、对所述物品集合中的至少一种物品执行过所述预设操作的用户的总用户数量以及对所述单个物品执行过所述预设操作的用户的单物品用户数量;
参数生成单元,用于基于所述单物品操作次数、所述总操作次数、所述总用户数量以及所述单物品用户数量,生成所述待检测用户对所述单个物品执行所述预设操作的操作量特征参数,其中所述操作量特征参数为对所述单物品操作次数、所述总操作次数、所述总用户数量以及所述单物品用户数量同时进行运算得到的运算结果;
年龄生成单元,用于基于所述物品集合中至少一个物品对应的操作量特征参数,生成所述待检测用户的年龄信息。
9.根据权利要求8所述的装置,其特征在于,所述年龄生成单元,包括:
输入子单元,用于使用所述物品集合中至少一个物品对应的操作量特征参数构造成特征矩阵并输入至机器学习模型,其中,所述机器学习模型是预先使用年龄已知用户在所述物品集合中至少一个物品对应的操作量特征参数构造的特征矩阵以及所述年龄已知用户的年龄值分别作为模型的输入与输出样本进行训练而得到的;
年龄生成子单元,用于基于所述机器学习模型的输出值确定所述待检测用户的年龄信息。
10.一种服务器,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
CN201710269974.3A 2017-04-24 2017-04-24 用于生成用户的年龄信息的方法和装置 Active CN107103366B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710269974.3A CN107103366B (zh) 2017-04-24 2017-04-24 用于生成用户的年龄信息的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710269974.3A CN107103366B (zh) 2017-04-24 2017-04-24 用于生成用户的年龄信息的方法和装置

Publications (2)

Publication Number Publication Date
CN107103366A CN107103366A (zh) 2017-08-29
CN107103366B true CN107103366B (zh) 2020-06-30

Family

ID=59656430

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710269974.3A Active CN107103366B (zh) 2017-04-24 2017-04-24 用于生成用户的年龄信息的方法和装置

Country Status (1)

Country Link
CN (1) CN107103366B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101635009A (zh) * 2009-08-21 2010-01-27 腾讯科技(深圳)有限公司 基于海量数据的用户年龄估算方法及系统
CN103927675A (zh) * 2014-04-18 2014-07-16 北京京东尚科信息技术有限公司 判断用户年龄段的方法及装置
CN104992060A (zh) * 2015-06-25 2015-10-21 腾讯科技(深圳)有限公司 用户年龄估计方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101635009A (zh) * 2009-08-21 2010-01-27 腾讯科技(深圳)有限公司 基于海量数据的用户年龄估算方法及系统
CN103927675A (zh) * 2014-04-18 2014-07-16 北京京东尚科信息技术有限公司 判断用户年龄段的方法及装置
CN104992060A (zh) * 2015-06-25 2015-10-21 腾讯科技(深圳)有限公司 用户年龄估计方法及装置

Also Published As

Publication number Publication date
CN107103366A (zh) 2017-08-29

Similar Documents

Publication Publication Date Title
CN111125574B (zh) 用于生成信息的方法和装置
CN110298716B (zh) 信息推送方法和装置
CN106897905B (zh) 用于推送信息的方法、装置及电子设备
CN108536867B (zh) 用于生成信息的方法和装置
CN108388563B (zh) 信息输出方法和装置
CN107517251B (zh) 信息推送方法和装置
CN111695041B (zh) 用于推荐信息的方法和装置
CN116541610B (zh) 一种推荐模型的训练方法及装置
CN110929136A (zh) 一种个性化推荐方法和装置
CN109961299A (zh) 数据分析的方法和装置
CN110866040A (zh) 用户画像生成方法、装置和系统
CN112035753A (zh) 推荐页面生成方法、装置、电子设备和计算机可读介质
CN110866625A (zh) 促销指标信息生成方法和装置
CN114663015A (zh) 补货方法和装置
CN111126649A (zh) 用于生成信息的方法和装置
CN110473042B (zh) 用于获取信息的方法及装置
CN109978594B (zh) 订单处理方法、装置及介质
CN113792952A (zh) 用于生成模型的方法和装置
CN110555747A (zh) 确定目标用户的方法和装置
CN111125502B (zh) 用于生成信息的方法和装置
CN112102043A (zh) 物品推荐页面生成方法、装置、电子设备和可读介质
CN107357847B (zh) 数据处理方法及其装置
CN112308648A (zh) 信息处理方法及装置
US20170249697A1 (en) System and method for machine learning based line assignment
CN109947830B (zh) 用于输出信息的方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant