CN109766955A - 性别识别方法、装置、设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种性别识别方法、装置、设备及存储介质。所述方法包括：获取用户样本集合中性别确定的至少一个目标用户样本；从与所述用户样本集合关联的商品样本集合中筛选性别确定的至少一个目标商品样本，并确定所述至少一个目标商品样本对应的性别统计人数信息；将在所述商品样本集合中包括的至少一个商品样本输入到商品性别模型中，得到所述至少一个商品样本对应的性别信息；获取除所述至少一个目标用户样本之外的每个待检测用户样本，并根据所述待检测用户样本关联的至少一个商品样本对应的性别信息，确定所述待检测用户样本的性别信息。本发明实施例可以准确识别用户的性别以及商品的性别适用性，同时提高性别信息识别的效率。

Description

性别识别方法、装置、设备及存储介质

技术领域

本发明实施例涉及数据处理技术，尤其涉及一种性别识别方法、装置、设备及存储介质。

背景技术

电商平台是个性化推荐系统的一大应用领域。一般的推荐场景都会依据用户的性别为其推荐性别匹配的商品，以提高最终的点击通过率。基于此，在搭建推荐系统的过程中，对用户和商品性别的识别至关重要。

目前，在电商平台的推荐系统中，往往面临两个问题：1、用户性别未知；2、部分商品的性别未知(即商品男女适用性不能通过商品类目和名称获得)。对于第一个问题，电商平台往往需要借助外部数据确定用户的性别；对于第二个问题，电商平台通过人工标注方式识别商品的性别适用性。

然而，借助外部数据来确定用户性别的方法中，用户性别的真实性和高效性无法保证；人工标注商品的性别适用性的方法效率低下且不具备迭代性。

发明内容

本发明实施例提供了一种性别识别方法、装置、设备及存储介质，可以准确识别用户的性别以及商品的性别适用性，同时提高性别信息识别的效率。

第一方面，本发明实施例提供了一种性别识别方法，包括：

获取用户样本集合中性别确定的至少一个目标用户样本；

从与所述用户样本集合关联的商品样本集合中筛选性别确定的至少一个目标商品样本，并根据所述至少一个目标用户样本的性别信息确定所述至少一个目标商品样本对应的性别统计人数信息；

根据附加性别统计人数信息的各所述目标商品样本对机器学习模型进行训练，得到商品性别识别模型；

将在所述商品样本集合中包括的至少一个商品样本输入到商品性别模型中，得到所述至少一个商品样本对应的性别信息；

获取所述用户样本集合中除所述至少一个目标用户样本之外的每个待检测用户样本，并根据所述待检测用户样本关联的至少一个商品样本对应的性别信息，确定所述待检测用户样本的性别信息。

第二方面，本发明实施例还提供了一种性别识别装置，包括：

目标用户样本获取模块，用于获取用户样本集合中性别确定的至少一个目标用户样本；

目标商品样本获取模块，用于从与所述用户样本集合关联的商品样本集合中筛选性别确定的至少一个目标商品样本，并根据所述至少一个目标用户样本的性别信息确定所述至少一个目标商品样本对应的性别统计人数信息；

商品性别识别模型训练模块，用于根据附加性别统计人数信息的各所述目标商品样本对机器学习模型进行训练，得到商品性别识别模型；

商品样本性别识别模块，用于将在所述商品样本集合中包括的至少一个商品样本输入到商品性别模型中，得到所述至少一个商品样本对应的性别信息；

待检测用户样本性别识别模块，用于获取所述用户样本集合中除所述至少一个目标用户样本之外的每个待检测用户样本，并根据所述待检测用户样本关联的至少一个商品样本对应的性别信息，确定所述待检测用户样本的性别信息。

第三方面，本发明实施例还提供了一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序所述处理器执行所述程序时实现如本发明实施例中任一所述的性别识别方法。

第四方面，本发明实施例还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如本发明实施例中任一所述的性别识别方法。

本发明实施例通过确定性别的目标用户样本的性别信息统计性别确定的目标商品样本对应的性别统计人数信息，将性别统计人数信息作为目标商品样本的特征信息，并将附加性别统计人数信息的目标商品样本作为训练样本训练商品性别识别模型，实现建立用户样本的性别信息与商品样本的性别信息的对应关系，并基于训练样本训练商品性别识别模型识别性别不确定的商品样本的性别信息，由此补全商品样本集合中所有商品集合对应的性别信息，最后基于用户样本集合中性别不确定的用户样本的历史行为关联的商品样本的性别信息，确定性别不确定的用户样本的性别信息，由此补全用户样本集合中所有用户样本对应的性别信息，从而实现用户样本和商品样本的交叉识别，由性别确定的样本进而逐步补全其他样本的性别信息，可以极大提高用户样本和商品样本的性别识别的准确度。

附图说明

图1是本发明实施例一提供的一种性别识别方法的流程图；

图2是本发明实施例所适用的一种具体应用实例的流程图；

图3是本发明实施例三提供的一种性别识别装置的结构示意图；

图4是本发明实施例四提供的一种设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明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本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的一种性别识别方法的流程图，本实施例可适用于识别用户的性别以及商品的性别适用性的情况，该方法可以由本发明实施例提供的性别识别装置来执行，该装置可采用软件和/或硬件的方式实现，并一般可集成提供商品交易功能的电子设备中，例如，客户端或服务器等。如图1所示，本实施例的方法具体包括：

S110，获取用户样本集合中性别确定的至少一个目标用户样本。

具体的，用户样本可以是指在电商平台中注册的账户，账户可以在电商平台中进行商品消费。性别确定可以是指账户信息中包含用户的性别信息是真实可靠的。

通常来说，现有的获取电商平台中各账户的性别信息的方式往往是需要借助外部数据(如用户自主输入的信息)来确定用户性别，但用户由于各种原因，例如用户认为性别信息是隐私，往往会输入错误的性别，从而，借助外部数据确定用户的性别信息无法保证该用户的性别信息的真实性。从而，需要对用户样本进行筛选，找到性别信息可靠的用户样本作为分析样本，以保证后续的分析结果可靠准确。

此外，从用户角度来看，若采用依赖于性别特征、或者是对于授信用户拟合效果较好的推荐算法，无法高效地泛化到注册未授信的用户；从商品角度来看，如果通过性别未知用户对商品的点击行为来估计其性别的话，因为一部分性别未知商品的存在，会对最终的性别估计产生不利的影响，从而导致商品的性别识别的准确率低。

可选的，所述获取用户样本集合中性别确定的至少一个目标用户样本，可以包括：获取所述用户样本集合中各用户样本的信用信息，筛选信用信息为授信的用户样本作为目标用户样本；其中，所述用户样本集合中各用户样本为在设置信用额度的电商平台中采集的用户样本。

其中，授信的用户样本是指用户信用经过电商平台的授权验证的用户，其中，授权验证可以是指该用户已经过身份认证以及信用额度超过设定信用阈值，验证该用户是否为合法公民，以及验证该用户是否达到在电商平台上进行经济活动的条件等。可以理解的是，与用户自行填写的性别信息不同，授信的用户的身份已经过核实，从而，该用户的身份实际是已经确定，具体包括身份证信息、性别信息或居住地信息等。

设置信用额度的电商平台具体可以是指提供贷款功能的电商平台，如分期购物的电子商务平台，一般分期购物的电子商务平台具备金融属性，用户只有进行了授信并获得了高于设定信用阈值的信用额度才能在平台进行分期消费，也即授信用户具有分期付款资格，从而，可以将授信的用户样本，确定为性别确定的目标用户样本。

通过获取设置信用额度的电商平台中授信的用户样本，来获取性别确定的目标用户样本，可以准确获取性别确定的用户样本，同时，用户样本的性别信息是正确的，从而提高用户样本的性别信息的可靠性。

S120，从与所述用户样本集合关联的商品样本集合中筛选性别确定的至少一个目标商品样本，并根据所述至少一个目标用户样本的性别信息确定所述至少一个目标商品样本对应的性别统计人数信息。

具体的，与用户样本集合关联的商品样本集合可以是指，与用户样本集合中各用户样本对应的用户行为关联的商品生成的商品集合，其中，用户行为可以是指用户点击、浏览、收藏、分享或购买的商品的行为。或者与用户样本集合关联的商品样本集合也可以是指电商平台销售的所有商品生成的商品集合。

性别确定的目标商品样本，可以是指做出商品关联的用户行为的用户具有明显的性别倾向，具体是化妆品的性别适用性为女，即通常买化妆品的用户的性别为女。

性别统计人数信息可以是指做出商品关联的用户行为的用户按照性别进行分类，每个类型统计的用户的数量。一般来说，性别信息可以分为男、女和男女通用。

根据目标用户样本的性别信息确定目标商品样本对应性别统计人数信息具体可以是：当目标用户样本做出的用户行为涉及的商品样本为目标商品样本时，获取该目标用户样本的性别信息，统计到与性别信息匹配的性别统计人数中，示例性的，若目标用户样本的性别信息为男，目标商品样本的性别信息为男对应的统计人数加1。

可选的，所述从与所述用户样本集合关联的商品样本集合中筛选性别确定的至少一个目标商品样本，包括：获取所述商品样本集合中各所述商品样本的属性信息；其中，所述属性信息包括下述至少一项：特征信息名称、性别关键词和类目；根据每个所述商品样本的属性信息对所述商品样本集合中包括的商品样本进行性别标记；将性别标记为目标性别类型的商品样本作为目标商品样本；其中，所述目标性别类型包括：男、女或男女通用。

示例性的，特征信息名称可以是指商品的特征信息，一般能够体现商品的性别信息，例如，西装领带。性别关键词可以是指包括性别信息的关键词，例如，斩男、情侣或男装等。类目可以是指商品的分类信息，例如，在女装分类下的细分分类：冬天服饰。性别类型可以包括男、女、男女通用和未知等类型。

可以预先构建商品样本的属性信息与商品样本的性别信息的对应关系，由此根据商品样本的属性信息确定性别信息。或者还可以通过将标注性别信息的商品样本作为训练样本训练机器学习模型，用于基于商品样本的属性信息确定性别信息。

通过商品样本的属性信息确定的商品样本的性别信息，从而筛选出性别确定的目标商品样本，可以实现准确确定商品样本的性别信息。

可选的，所述性别统计人数信息包括下述至少一项：各目标性别类型分别对应的商品购买人数信息、各目标性别类型分别对应的商品点击人数信息和各目标性别类型分别对应的商品曝光人数信息。

具体的，商品购买人数信息可以是指购买商品的用户数量；商品点击人数信息可以是指浏览商品详情显示页面的用户数量；商品曝光人数信息可以是指浏览商品摘要信息页面以及商品推送区域的用户数量，其中，商品推送区域是指在其他商品详情显示页面中包括该商品推送信息的推送区域。各目标性别类型分别对应的商品购买人数信息可以是指，统计的各目标性别类型的购买该商品的人数。示例性的，各目标性别类型分别对应的商品购买人数信息可以是指某个商品的男性购买人数和女性购买人数。由此可类推商品点击人数信息和商品曝光人数信息，在此不再赘述。

需要说明的是，人数信息统计的是独立用户的数量，是指不同的通过互联网访问、浏览的同一个页面的自然人。根据需要也可以指账户的数量，即通过终端注册的进行购买、浏览和分享等操作的账户的数量。此外，在性别类型为男女通用时，统计的人数可以是性别为男对应的统计人数和性别为女对应的统计人数中最小值，还可以是其他方式，例如，将性别为男对应的统计人数和性别为女对应的统计人数的差值作为性别为男女通用对应的统计人数，对此，本发明实施例不作具体限制。

通过将性别统计人数信息具体划分为商品购买人数信息、商品点击人数信息和商品曝光人数信息，可以提取出商品的多个特征信息，后续根据多个特征信息识别商品样本的性别信息，从而提高商品性别识别的准确度。

S130，根据附加性别统计人数信息的各所述目标商品样本对机器学习模型进行训练，得到商品性别识别模型。

可选的，所述机器学习模型为随机森林模型。其中，随机森林具有极好的准确率，并且能够有效地运行在大数据集上，做到很好地评估各个特征信息在分类问题上的权重，还能够对于缺省特征值问题进行有效地处理。此外，机器学习模型还可以是其他模型，对此，本发明实施例不作具体限制。

具体的，性别信息的分类可以设置为：-1、0、1和2，分别对应未能进行性别识别、男女通用、女和男。

可选的，所述根据所述至少一个目标用户样本的性别信息确定所述至少一个目标商品样本对应的性别统计人数信息，包括：获取各所述目标商品样本的特征信息；其中，所述特征信息包括下述至少一项：名称信息、类目信息和品牌信息；根据各所述目标商品样本的特征信息对各所述目标商品样本类型进行分类，并对应生成类集合；在各所述类集合中分别统计各所述目标商品样本关联的在不同目标性别类型下的目标用户样本的数量，作为各所述目标商品样本的性别统计人数信息。

其中，名称信息可以是指商品的标识信息，例如身份信息(identity，ID)。类目信息可以是指商品的分类等级信息，例如，一级、二级或三级等，品牌可以是指商品的商标信息。

可以根据不同的特征信息分别生成与特征信息对应的目标商品样本的集合，将集合中包括的目标商品样本在不同目标性别类型下的数量作为性别统计人数信息。示例性的，特征信息为名称信息，针对不同的商品名称分别生成对应的集合，例如商品名称为A的集合，统计该集合中的男性购买人数、女性购买人数、男性点击人数、女性点击人数、男性曝光人数和女性曝光人数等作为性别统计人数信息；又如，针对不同的类目信息分别生成对应的集合，类目信息为B的集合，统计该集合中的男性购买人数、女性购买人数、男性点击人数、女性点击人数、男性曝光人数和女性曝光人数等作为性别统计人数信息。

通过获取商品样本的名称、品牌和类目等信息中的至少一种信息作为特征信息，并对应每个特征信息分别统计目标商品样本关联的在不同目标性别类型下的目标用户样本的数量，作为目标商品样本的性别统计人数信息，可以将性别统计人数按照不同特征类别进行区分，进一步增加商品样本的特征信息，从而，增加商品样本的特征信息的覆盖率，提高训练样本的代表性，进而提高商品性别识别模型的识别准确率。

S140，将在所述商品样本集合中包括的至少一个商品样本输入到商品性别模型中，得到所述至少一个商品样本对应的性别信息。

其中，至少一个商品样本可以包括目标商品样本，也可以是除目标商品样本之外的商品样本。将目标商品样本同样输入到商品性别识别模型可以对商品样本的性别信息进行纠正。

S150，获取所述用户样本集合中除所述至少一个目标用户样本之外的每个待检测用户样本，并根据所述待检测用户样本关联的至少一个商品样本对应的性别信息，确定所述待检测用户样本的性别信息。

待检测用户样本可以是指未确定性别信息的用户样本，例如，电商平台中未授信的用户样本。根据每个待检测用户样本的做出的各种行为关联的商品样本的性别信息，确定每个待检测用户样本的性别信息。

具体的，统计在不同目标性别类型下的待检测用户样本点击、收藏、加购物车、购买和分享等中的至少一种历史行为的行为对象(即商品样本)的数量，将数量最多的性别信息作为待检测用户样本的性别信息。此外，还可以是分别统计各性别信息下的商品样本的数量，并计算加权和，根据预先构建的得分等级，确定待检测用户样本的性别信息。或者还可以是其他方式，如训练机器学习模型用于确定待检测用户样本的性别信息，对此，本发明实施例不作具体限制。

可选的，所述根据所述待检测用户样本关联的至少一个商品样本对应的性别信息，确定所述待检测用户样本的性别信息，包括：获取所述待检测用户样本的至少一个行为信息；根据每个所述行为信息，分别确定与所述行为信息关联的至少一个商品样本；根据所述至少一个商品样本对应的性别信息，统计每个性别类型的样本数目；根据各所述性别类型的样本数目的统计结果，确定所述待检测用户样本的性别信息。

具体的，行为信息可以是指用户做出的与商品有关的用户行为的信息，例如浏览商品、收藏商品、分享商品和购买商品等中的至少一种行为。行为信息可以包括行为对象和行为类型，行为对象用于确定商品，行为类型用于确定用户对该商品的做出的行为的类型，如购买、点击和曝光。商品样本的性别信息可以是指能够识别出商品样本对应的性别类型的标识信息，或者直接为商品样本对应的性别类型。

根据各行为信息，可以确定该待检测用户样本对商品做出的历史行为，并根据商品样本的性别信息表征的性别倾向确定待检测用户样本的性别信息。具体可以基于统计的在不同目标性别类型下的商品样本的数量，确定待检测用户样本的行为表征的性别倾向，由此确定待检测用户样本的性别信息。

根据各性别信息的样本数目的统计结果，确定待检测用户样本的性别信息，可以是将数量最多的性别信息作为待检测用户样本的性别信息，此外，还有其他方式，对此，不作具体限制。

通过采集待检测用户样本的行为信息，并统计在不同目标性别类型下，各行为信息关联的商品样本的数量，确定待检测用户样本的性别信息，由此，可以根据用户样本的行为，以及作为行为对象的商品样本的性别信息确定该用户样本的性别信息，可以增加用户样本进行性别识别的特征信息的覆盖率，从而提高用户样本的性别识别的准确率。

本发明实施例通过确定性别的目标用户样本的性别信息统计性别确定的目标商品样本对应的性别统计人数信息，将性别统计人数信息作为目标商品样本的特征信息，并将附加性别统计人数信息的目标商品样本作为训练样本训练商品性别识别模型，实现建立用户样本的性别信息与商品样本的性别信息的对应关系，并基于训练样本训练商品性别识别模型识别性别不确定的商品样本的性别信息，由此补全商品样本集合中所有商品集合对应的性别信息，最后基于用户样本集合中性别不确定的用户样本的历史行为关联的商品样本的性别信息，确定性别不确定的用户样本的性别信息，由此补全用户样本集合中所有用户样本对应的性别信息，从而实现用户样本和商品样本的交叉识别，由性别确定的样本进而逐步补全其他样本的性别信息，可以极大提高用户样本和商品样本的性别识别的准确度。

实施例二

在图2中示出了本发明实施例所适用的一种具体应用实例的流程图。本实施例具体应用在分期购物电商平台系统中，该方法具体可以包括：

S201，识别商品样本的性别信息，并标记。

具体的，商品样本可以是指在分期购物电商平台系统中采集的商品样本。

可以通过关键字和/或关键词，对分期购物电商平台系统中采集的全部的商品样本进行性别标记。实际上这是为后续随机森林模型查询训练样本的步骤，因此一定要保证样本和标签的一致性和正确性。具体的，可以预先对各商品样本进行预处理，例如，选取强标记属性的词作为关键词，如“男”、“女”、“斩男”或“情侣”等词。除了商品名称之外，还可以商品所属的类目(可包括一级、二级、三级…)或商品对应的品牌等信息作识别特征信息，同时多个识别特征信息之间取“或”进行关联。由此，可以通过类目、商品名称或商品品牌等特征信息对商品样本进行性别标记。具体实现方法可以参考上述实施例。

S202，提取除标记为-1的商品样本，并生成集合。

具体可以参考上述实施例关于性别信息的分类的描述，根据性别信息可以分别将商品样本标记为：-1、0、1和2，分别对应未能进行性别识别、男女通用、女和男。

除标记为-1的商品样本生成的集合包括的商品样本的性别信息是确定的。

S203，从集合中提取商品样本生成训练集。

S204，从集合中提取商品样本生成测试集。

可以从集合中参照3：1的数量比例任取商品样本，分别训练集和测试集。

在生成训练集和测试集时，需要为商品样本集挑选合适的训练特征信息进入模型训练。例如，在分期购物电商平台系统中注册的性别为男的用户、性别为女的用户分别对于商品以及商品所属的一级类目、二级类目、三级类目的曝光、点击和购买等独立用户行为作为特征信息；具体可以选用：

(1)商品的ID、对应类目ID(可包括一级、二级、三级…)和品牌ID；

(2)商品对应男性购买人数、商品对应女性购买人数、商品对应男性点击人数、商品对应女性点击人数、商品对应男性曝光人数和商品对应女性曝光人数；

(3)类目ID(可包括一级、二级、三级…)对应男性购买人数、类目ID对应女性购买人数、类目ID对应男性点击人数、类目ID对应女性点击人数、类目ID对应男性曝光人数和类目ID对应女性曝光人数。

同时为商品样本标记的性别信息作为随机森林模型的分类标签。其中，各人数信息的获取方式可以参考上述实施例中性别统计人数信息的获取方式的描述。

S205，初始化随机森林模型。

初始化随机森林模型的各项参数。需要说明的是，S203、S204和S205的顺序不分先后。

S206，训练随机森林模型。

采用训练集训练随机森林模型。可以选用随机森林模型进行一个3分类的学习，即采用性别标记为0(男女通用)，性别标记为1(女)和性别标记为2(男)的商品样本训练随机森林模型。

S207，测试随机森林模型。

采用测试集训练随机森林模型。判断输入测试集至随机森林模型得到的性别识别结果与测试集中各商品样本的性别信息是否一致，如果一致，表明随机森林模型关于该商品样本的识别结果正确；如果不同，表明随机森林模型关于该商品样本的识别结果错误。

S208，判断随机森林模型是否训练完成，如果是，则执行S209；否则执行S201。

具体可以通过判断接收器工作特性(Receiver Operating Characteristic，ROC)曲线下的面积(Area Under Curve，AUC)是否超过预设的阈值确定随机森林是否训练完成。通常，AUC的值介于0.5到1.0之间，AUC越大，表明随机森林模型的识别结果越准确。

S209，预测标记为-1的商品样本。

识别未能进行识别性别的商品样本的性别信息。

S210，更新商品样本的性别标记。

可以对那些已经确定性别的商品样本进行性别识别，实现纠正错误的性别标记。

S211，基于商品样本的性别标记补齐和纠正用户样本的性别标记。

在分期购物电商平台系统中全部商品样本均完成性别标记后，即不存在标记为-1的商品样本，根据更新后的商品样本对分期购物电商平台系统中注册的用户样本进行性别补齐和纠正：对于在分期购物电商平台系统中有消费或行为记录的或注册未授信的用户，通过其行为对应的商品样本的性别标记，以投票的判断方式对用户的性别进行补齐或纠正。

可以理解的是，本实施例的方法实际是首先完成商品层面的性别标记的补齐和纠正，再返回到用户层面进行性别标记的补齐和纠正：利用分期购物电商平台系统中注册未授信用户的点击、收藏、加购物车等对商品的历史行为，补齐和纠正该注册未授信用户的性别标记。

S212，基于商品样本的性别标记和用户样本的性别标记向各用户进行商品推荐。

向用户推荐与性别标记匹配的商品。

通过统计性别确定的用户样本的用户行为对应商品特征信息，在商品层面构建商品样本的性别标记的随机森林模型，从而实现补齐和纠正全部商品样本的性别标记，而后在用户层面根据性别未确定的用户样本的用户行为匹配的商品样本的性别标记，补齐和纠正性别未确定的用户样本的性别标记，从而实现用户样本的性别信息和商品样本的性别信息的交叉识别，提高性别识别的准确率，还可以针对性的向用户进行商品推荐，实现精准推荐商品，提高用户体验。

实施例三

图3是本发明实施例三提供的性别识别装置的示意图。实施例三是实现本发明上述实施例提供的性别识别方法的相应装置。

相应的，本实施例的装置可以包括：

目标用户样本获取模块310，用于获取用户样本集合中性别确定的至少一个目标用户样本；

目标商品样本获取模块320，用于从与所述用户样本集合关联的商品样本集合中筛选性别确定的至少一个目标商品样本，并根据所述至少一个目标用户样本的性别信息确定所述至少一个目标商品样本对应的性别统计人数信息；

商品性别识别模型训练模块330，用于根据附加性别统计人数信息的各所述目标商品样本对机器学习模型进行训练，得到商品性别识别模型；

商品样本性别识别模块340，用于将在所述商品样本集合中包括的至少一个商品样本输入到商品性别模型中，得到所述至少一个商品样本对应的性别信息；

待检测用户样本性别识别模块350，用于获取所述用户样本集合中除所述至少一个目标用户样本之外的每个待检测用户样本，并根据所述待检测用户样本关联的至少一个商品样本对应的性别信息，确定所述待检测用户样本的性别信息。

本发明实施例通过确定性别的目标用户样本的性别信息统计性别确定的目标商品样本对应的性别统计人数信息，将性别统计人数信息作为目标商品样本的特征信息，并将附加性别统计人数信息的目标商品样本作为训练样本训练商品性别识别模型，实现建立用户样本的性别信息与商品样本的性别信息的对应关系，并基于训练样本训练商品性别识别模型识别性别不确定的商品样本的性别信息，由此补全商品样本集合中所有商品集合对应的性别信息，最后基于用户样本集合中性别不确定的用户样本的历史行为关联的商品样本的性别信息，确定性别不确定的用户样本的性别信息，由此补全用户样本集合中所有用户样本对应的性别信息，从而实现用户样本和商品样本的交叉识别，由性别确定的样本进而逐步补全其他样本的性别信息，可以极大提高用户样本和商品样本的性别识别的准确度。

进一步的，所述目标用户样本获取模块310，具体用于：获取所述用户样本集合中各用户样本的信用信息，筛选信用信息为授信的用户样本作为目标用户样本；其中，所述用户样本集合中各用户样本为在设置信用额度的电商平台中采集的用户样本。

进一步的，所述目标商品样本获取模块320，具体用于：获取所述商品样本集合中各所述商品样本的属性信息；其中，所述属性信息包括下述至少一项：特征信息名称、性别关键词和类目；根据每个所述商品样本的属性信息对所述商品样本集合中包括的商品样本进行性别标记；将性别标记为目标性别类型的商品样本作为目标商品样本；其中，所述目标性别类型包括：男、女或男女通用。

进一步的，所述性别统计人数信息包括下述至少一项：各目标性别类型分别对应的商品购买人数信息、各目标性别类型分别对应的商品点击人数信息和各目标性别类型分别对应的商品曝光人数信息。

进一步的，所述目标商品样本获取模块320，具体用于：获取各所述目标商品样本的特征信息；其中，所述特征信息包括下述至少一项：名称信息、类目信息和品牌信息；根据各所述目标商品样本的特征信息对各所述目标商品样本类型进行分类，并对应生成类集合；在各所述类集合中分别统计各所述目标商品样本关联的在不同目标性别类型下目标用户样本的数量，作为各所述目标商品样本的性别统计人数信息。

进一步的，所述待检测用户样本性别识别模块350，具体用于：获取所述待检测用户样本的至少一个行为信息；根据每个所述行为信息，分别确定与所述行为信息关联的至少一个商品样本；根据所述至少一个商品样本对应的性别信息，统计每个性别类型的样本数目；根据各所述性别类型的样本数目的统计结果，确定所述待检测用户样本的性别信息。

进一步的，所述机器学习模型为随机森林模型。

上述性别识别装置可执行本发明任意实施例所提供的性别识别方法，具备执行的性别识别方法相应的功能模块和有益效果。

实施例四

图4为本发明实施例四提供的一种设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性设备401的框图。图4显示的设备401仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，设备401以通用计算设备的形式表现。设备401的组件可以包括但不限于：一个或者多个处理器或者处理单元402，系统存储器403，连接不同系统组件(包括系统存储器403和处理单元402)的总线404。

总线404表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。

设备401典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备401访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器403可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)405和/或高速缓存存储器406。设备401可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统407可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如紧凑磁盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)，数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线404相连。系统存储器403可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块408的程序/实用工具409，可以存储在例如系统存储器403中，这样的程序模块408包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块408通常执行本发明所描述的实施例中的功能和/或方法。

设备401也可以与一个或多个外部设备410(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与该设备401交互的设备通信，和/或与使得该设备401能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(Input/Output，I/O)接口412进行。并且，设备401还可以通过网络适配器413与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide AreaNetwork，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器413通过总线404与设备401的其它模块通信。应当明白，尽管图4中未示出，可以结合设备401使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Inexpensive Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。

处理单元402通过运行存储在系统存储器403中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种性别识别方法。

实施例五

本发明实施例五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如本申请所有发明实施例提供的性别识别方法：

也即，该程序被处理器执行时实现：获取用户样本集合中性别确定的至少一个目标用户样本；从与所述用户样本集合关联的商品样本集合中筛选性别确定的至少一个目标商品样本，并根据所述至少一个目标用户样本的性别信息确定所述至少一个目标商品样本对应的性别统计人数信息；根据附加性别统计人数信息的各所述目标商品样本对机器学习模型进行训练，得到商品性别识别模型；将在所述商品样本集合中包括的至少一个商品样本输入到商品性别模型中，得到所述至少一个商品样本对应的性别信息；获取所述用户样本集合中除所述至少一个目标用户样本之外的每个待检测用户样本，并根据所述待检测用户样本关联的至少一个商品样本对应的性别信息，确定所述待检测用户样本的性别信息。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、RAM、只读存储器(Read OnlyMemory，ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，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。

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、无线电频率(RadioFrequency，RF)等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括LAN或WAN——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种性别识别方法，其特征在于，包括：

获取用户样本集合中性别确定的至少一个目标用户样本；

从与所述用户样本集合关联的商品样本集合中筛选性别确定的至少一个目标商品样本，并根据所述至少一个目标用户样本的性别信息确定所述至少一个目标商品样本对应的性别统计人数信息；

根据附加性别统计人数信息的各所述目标商品样本对机器学习模型进行训练，得到商品性别识别模型；

将在所述商品样本集合中包括的至少一个商品样本输入到商品性别模型中，得到所述至少一个商品样本对应的性别信息；

获取所述用户样本集合中除所述至少一个目标用户样本之外的每个待检测用户样本，并根据所述待检测用户样本关联的至少一个商品样本对应的性别信息，确定所述待检测用户样本的性别信息。

2.根据权利要求1所述的方法，其特征在于，所述获取用户样本集合中性别确定的至少一个目标用户样本，包括：

获取所述用户样本集合中各用户样本的信用信息，筛选信用信息为授信的用户样本作为目标用户样本；

其中，所述用户样本集合中各用户样本为在设置信用额度的电商平台中采集的用户样本。

3.根据权利要求1所述的方法，其特征在于，所述从与所述用户样本集合关联的商品样本集合中筛选性别确定的至少一个目标商品样本，包括：

获取所述商品样本集合中各所述商品样本的属性信息；其中，所述属性信息包括下述至少一项：特征信息名称、性别关键词和类目；

根据每个所述商品样本的属性信息对所述商品样本集合中包括的商品样本进行性别标记；

将性别标记为目标性别类型的商品样本作为目标商品样本；其中，所述目标性别类型包括：男、女或男女通用。

4.根据权利要求1所述的方法，其特征在于，所述性别统计人数信息包括下述至少一项：各目标性别类型分别对应的商品购买人数信息、各目标性别类型分别对应的商品点击人数信息和各目标性别类型分别对应的商品曝光人数信息。

5.根据权利要求1所述的方法，其特征在于，所述根据所述至少一个目标用户样本的性别信息确定所述至少一个目标商品样本对应的性别统计人数信息，包括：

获取各所述目标商品样本的特征信息；其中，所述特征信息包括下述至少一项：名称信息、类目信息和品牌信息；

根据各所述目标商品样本的特征信息对各所述目标商品样本类型进行分类，并对应生成类集合；

在各所述类集合中分别统计各所述目标商品样本关联的在不同目标性别类型下的目标用户样本的数量，作为各所述目标商品样本的性别统计人数信息。

6.根据权利要求5所述的方法，其特征在于，所述根据所述待检测用户样本关联的至少一个商品样本对应的性别信息，确定所述待检测用户样本的性别信息，包括：

获取所述待检测用户样本的至少一个行为信息；

根据每个所述行为信息，分别确定与所述行为信息关联的至少一个商品样本；

根据所述至少一个商品样本对应的性别信息，统计每个性别类型的样本数目；

根据各所述性别类型的样本数目的统计结果，确定所述待检测用户样本的性别信息。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述机器学习模型为随机森林模型。

8.一种性别识别装置，其特征在于，包括：

目标用户样本获取模块，用于获取用户样本集合中性别确定的至少一个目标用户样本；

目标商品样本获取模块，用于从与所述用户样本集合关联的商品样本集合中筛选性别确定的至少一个目标商品样本，并根据所述至少一个目标用户样本的性别信息确定所述至少一个目标商品样本对应的性别统计人数信息；

商品性别识别模型训练模块，用于根据附加性别统计人数信息的各所述目标商品样本对机器学习模型进行训练，得到商品性别识别模型；

商品样本性别识别模块，用于将在所述商品样本集合中包括的至少一个商品样本输入到商品性别模型中，得到所述至少一个商品样本对应的性别信息；

待检测用户样本性别识别模块，用于获取所述用户样本集合中除所述至少一个目标用户样本之外的每个待检测用户样本，并根据所述待检测用户样本关联的至少一个商品样本对应的性别信息，确定所述待检测用户样本的性别信息。

9.一种设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的性别识别方法。

10.一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中任一所述的性别识别方法。