CN110020167A - 用户性别识别方法、装置、存储介质及电子设备 - Google Patents

用户性别识别方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN110020167A
CN110020167A CN201711405392.XA CN201711405392A CN110020167A CN 110020167 A CN110020167 A CN 110020167A CN 201711405392 A CN201711405392 A CN 201711405392A CN 110020167 A CN110020167 A CN 110020167A
Authority
CN
China
Prior art keywords
gender
user
fixed reference
feature set
reference feature
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.)
Granted
Application number
CN201711405392.XA
Other languages
English (en)
Other versions
CN110020167B (zh
Inventor
陈岩
刘耀勇
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.)
Guangdong Oppo Mobile Telecommunications Corp Ltd
Original Assignee
Guangdong Oppo Mobile Telecommunications Corp 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 Guangdong Oppo Mobile Telecommunications Corp Ltd filed Critical Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority to CN201711405392.XA priority Critical patent/CN110020167B/zh
Priority to PCT/CN2018/116713 priority patent/WO2019120024A1/zh
Publication of CN110020167A publication Critical patent/CN110020167A/zh
Application granted granted Critical
Publication of CN110020167B publication Critical patent/CN110020167B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例公开了一种用户性别识别方法、装置、存储介质及电子设备，其中，本申请实施例首先获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到多个样本用户的样本特征集合，然后获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合，再获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到未知性别用户的特征集合，最后获取特征集合与性别参考特征集合的相似度，并根据相似度预测未知性别用户的性别，从而实现对用户性别的准确识别，获得用户的性别信息。

Description

用户性别识别方法、装置、存储介质及电子设备
技术领域
本申请涉及终端技术领域，具体涉及一种用户性别识别方法、装置、存储介质及电子设备。
背景技术
随着智能手机等电子设备的普及和移动宽带网络的建设，目前我们已进入移动互联网的新时代。设备厂商为了对电子设备进行各方面的深度优化，或者是个性化的给用户推荐应用程序，推送新闻等，往往需要知道用户性别才能进行。
发明内容
本申请实施例提供了一种用户性别识别方法、装置、存储介质及电子设备，能够实现对用户性别的准确识别，获得用户的性别信息。
第一方面，本申请实施例了提供了的一种用户性别识别方法，包括：
获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到所述多个样本用户的样本特征集合；
获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合；
获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到所述未知性别用户的特征集合；
获取所述特征集合与所述性别参考特征集合的相似度，并根据所述相似度识别所述未知性别用户的性别。
第二方面，本申请实施例了提供了的一种用户性别识别装置，包括：
第一特征获取模块，用于获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到所述多个样本用户的样本特征集合；
特征集合生成模块，用于获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合；
第二特征获取模块，用于获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到所述未知性别用户的特征集合；
用户性别识别模块，用于获取所述特征集合与所述性别参考特征集合的相似度，并根据所述相似度识别所述未知性别用户的性别。
第三方面，本申请实施例提供的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如本申请任一实施例提供的用户性别识别方法。
第四方面，本申请实施例提供的电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行如本申请任一实施例提供的用户性别识别方法。
本申请实施例首先获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到多个样本用户的样本特征集合，然后获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合，再获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到未知性别用户的特征集合，最后获取特征集合与性别参考特征集合的相似度，并根据相似度预测未知性别用户的性别，从而实现对用户性别的准确识别，获得用户的性别信息。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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。
图1为本申请实施例提供的用户性别识别方法的应用场景示意图；
图2是本申请实施例提供的用户性别识别方法的一个流程示意图；
图3是本申请实施例提供的用户性别识别方法的另一个流程示意图；
图4是本申请实施例提供的用户性别识别装置的一结构示意图；
图5是本申请实施例提供的电子设备的一个结构示意图；
图6是本申请实施例提供的电子设备的另一结构示意图。
具体实施方式
请参照图式，其中相同的组件符号代表相同的组件，本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本申请具体实施例，其不应被视为限制本申请未在此详述的其它具体实施例。
在以下的说明中，本申请的具体实施例将参考由一部或多部计算机所执行的步骤及符号来说明，除非另有述明。因此，这些步骤及操作将有数次提到由计算机执行，本文所指的计算机执行包括了由代表了以一结构化型式中的数据的电子信号的计算机处理单元的操作。此操作转换该数据或将其维持在该计算机的内存系统中的位置处，其可重新配置或另外以本领域测试人员所熟知的方式来改变该计算机的运作。该数据所维持的数据结构为该内存的实体位置，其具有由该数据格式所定义的特定特性。但是，本申请原理以上述文字来说明，其并不代表为一种限制，本领域测试人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本文所使用的术语“模块”可看做为在该运算系统上执行的软件对象。本文所述的不同组件、模块、引擎及服务可看做为在该运算系统上的实施对象。而本文所述的装置及方法可以以软件的方式进行实施，当然也可在硬件上进行实施，均在本申请保护范围之内。
本申请中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤或模块，而是某些实施例还包括没有列出的步骤或模块，或某些实施例还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例提供一种用户性别识别方法，该用户性别识别方法的执行主体可以是本申请实施例提供的用户性别识别装置，或者集成了该用户性别识别装置的电子设备，其中该用户性别识别装置可以采用硬件或者软件的方式实现。其中，电子设备可以是智能手机、平板电脑、掌上电脑、笔记本电脑、或者台式电脑等设备。
请参阅图1，图1为本申请实施例提供的用户性别识别方法的应用场景示意图，以用户性别识别装置集成在电子设备中为例，电子设备可以获取充电行为发生时的充电特征集合，得到多个充电特征集合；对多个充电特征集合进行相似度识别，得到包括多个相似的充电特征集合的相似充电特征集合；根据相似充电特征集合预测下一次充电行为；根据预测的下一次充电行为确定对应的性能调整方式；根据确定的性能调整方式进行性能调整操作。
具体地，请参照图1，以预测用户a的性别为例，可以在历史时间段内，获取多个样本用户(样本用户即已知性别的用户，如男性用户b，女性用户c等等)在应用使用过程中具有性别识别性的多维特征(如用户b在购物类应用中浏览男性类商品的次数与时长，用户b在阅读类应用中浏览男性类读物的时长，用户c在购物类应用中浏览女性类商品的次数与时长，用户c在阅读类应用中浏览女性类读物的时长)作为样本，得到多个样本用户的样本特征集合；获取多个样本特征集合中同类特征的平均特征值(如对各样本特征集合中的特征“用户在阅读类应用中浏览男性类读物的时长”求平均值)，得到性别参考特征集合(换言之，性别参考特征集合即各类特征平均值的集合)，该性别参考特征集合用于倾向性的描述男性用户的多维特征，或倾向性的描述女性用户的多维特征；获取未知性别用户在应用使用过程中具有性别识别性的多维特征(如获取用户a在阅读类应用中浏览男性/女性类读物的时长，获取用户a在购物类应用中浏览男性/女性类商品的次数与时长等等)，得到未知性别用户的特征集合；获取未知性别用户的特征集合与性别参考特征集合的相似度，并根据二者相似度识别未知性别用户的性别(如识别用户a为男性，或是女性)。
请参照图2，图2为本申请实施例提供的用户性别识别方法的流程示意图。本申请实施例提供的用户性别识别方法的具体流程可以如下：
201、获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到多个样本用户的样本特征集合。
其中，多维特征具有一定长度的维度，即该多维特征息由多个特征构成。该多维特征可以包括用户在使用应用的过程中具有性别识别性的行为特征，比如，用户在购物类应用中浏览偏男性类商品(如男装、剃须刀等)的次数与时长，用户在购物类应用中浏览偏女性类商品(如化妆品、女装等)次数与时长，用户在阅读类应用中阅读偏男性类读物的时长，用户在阅读类应用中阅读偏女性类读物的时长等。
此外，该多维特征还可以包括与电子设备本身的相关行为特征信息，比如，用户使用拍摄类应用调用前置摄像头的次数，用户使用拍摄类应用调用后置摄像的次数等等。
其中，得到的样本特征集合为多个，分别对应各个样本用户。各样本特征集合中的多维特征可以是在历史时间段内，按照预设频率采集的。历史时间段，例如可以是过去7天、10天；预设频率，例如可以是每10分钟采集一次、每半小时采集一次。可以理解的是，对于任一样本用户，对在历史时间段内每次采集的该样本用户的多维特征分类进行累计(如对特征“用户在购物类应用中浏览偏男性类商品”进行累计，对特征“用户在购物类应用中浏览偏女性类商品进行累计”)，得到该样本用户在该历史时间段内的样本特征集合。例如，对于男性用户b，通过对该男性用户b在应用使用过程中具有性别识别性的多维特征进行获取，得到对应男性用户b的样本特征集合(X1，X2……，Xn)，其中Xn为用户b的一维特征。
在一实施例中，可以由服务器收集各已知性别用户基于其电子设备使用应用过程中的多维特征，然后，在性别识别时电子设备可以从服务器中获取。其中，已知性别用户可以为使用电子设备时提供了性别信息的用户，比如，在账号注册时提供了性别信息的用户等。
在构成样本特征集合之后，可以对各样本特征集合进行标记，得到每个样本特征集合的样本标签，由于本申请实施例要实现的是对未知性别用户的性别进行识别，因此，所标记的样本标签包括“男性”和“女性”，也即样本类别包括男性和女性。
在具体实施时，可根据已知性别用户的性别信息进行标记，例如：可将对应男性用户b的样本特征集合标记为“男性”；又例如，可将对应女性用户c的样本特征集合标记为“女性”。可选地，可以使用数字来对样本特征集合进行标记，如采用数字“1”表示“男性”，采用数字“0”表示“女性”，反之亦可。
在一实施例中，为便于对样本特征集合进行后续处理，“获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到多个样本用户的样本特征集合”可以包括：
获取多个样本用户在应用使用过程中具有性别识别性的多维特征；
对获取到的多维特征进行归一化处理，得到多个样本用户的样本特征集合。
其中，归一化是一种简化计算的方式，即将有量纲的表示，经过变换，化为无量纲的表达式，成为标量。对于具体采用何种归一化方式，可由本领域技术人员根据实际需要进行选取，本申请对此不做具体限定。
比如，对于样本用户“男性用户b”的多维特征，本申请实施例对多维特征中的各维特征进行归一化处理，将原始特征数值归一化到0-1之间的数值，然后由归一化后的多维特征构成男性用户b的样本特征集合。
202、获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合。
如上所述，本申请实施例中对得到的样本特征集合进行了性别标记，因此可基于样本特征集合的性别标记进行平均特征值的计算。比如，对于被标记为“男性”的样本特征集合，可以计算得到“男性”样本特征集合中各类特征的平均特征值；又比如，对于被标记为“女性”的样本特征集合，可以计算得到“女性”样本特征集合中各类特征的平均特征值。
相应的，由于计算得到的平均特征值不同，得到的性别参考特征集合也不同。比如，在仅计算“男性”样本特征集合中同类特征的平均特征值时，那么得到的性别参考特征集合为表征“男性”的男性参考特征集合；又比如，在仅计算“女性”样本特征集合中同类特征的平均特征值时，那么得到的性别参考特征集合为表征“女性”的女性参考特征集合；又比如，在既计算“男性”样本特征集合中同类特征的平均特征值，又计算“女性”样本特征集合中同类特征的平均特征值时，将分别得到表征“女性”的女性参考特征集合，以及表征“男性”的男性参考特征集合。
203、获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到未知性别用户的特征集合。
其中，未知性别用户的特征集合可以是在历史时间段内，按照预设频率采集的。历史时间段，例如可以是过去7天、10天；预设频率，例如可以是每10分钟采集一次、每半小时采集一次。可以理解的是，对于未知性别用户，对在历史时间段内每次采集的该未知性别用户的多维特征分类进行累计(如对特征“用户在购物类应用中浏览偏男性类商品”进行累计，对特征“用户在购物类应用中浏览偏女性类商品进行累计”)，得到该未知性别用户在该历史时间段内的特征集合。例如，对于未知性别的用户a，通过对用户a在应用使用过程中具有性别识别性的多维特征进行获取，得到对应用户a的特征集合(X1，X2……，Xn)，其中Xn为用户a的一维特征。
为提升识别用户性别的准确性，在一实施例中，采集未知性别用户的多维特征所选取的历史时间段，与采集样本用户(即已知性别用户)所选取的历史时间段相同。比如，采集样本用户的多维特征所选取的历史时间段为7天时，在采集未知性别用户的多维特征时，也选取历史时间段为7天。这样，对样本特征集合进行处理后得到的性别参考特征集合，将与未知性别用户的特征集合位于同一时间维度，达到提升识别用户性别准确性的目的。
204、获取特征集合与性别参考特征集合的相似度，并根据相似度识别未知性别用户的性别。
其中，之前步骤得到的性别参考特征集合不同，根据相似度识别未知性别用户的性别方式也不同。比如，在一实施例中，在之前得到的性别参考特征集合包括男性参考特征集合和女性参考特征集合时，“获取特征集合与性别参考特征集合的相似度，并根据相似度识别未知性别用户的性别”可以包括：
获取未知性别用户的特征集合与男性参考特征集合的第一相似度；
获取未知性别用户的特征集合与女性参考特征集合的第二相似度；
比较第一相似度与第二相似度的大小；
若第一相似度大于第二相似度，则识别未知性别用户为男性用户，否则识别未知性别用户为女性用户。
其中，获取第一相似度的方式与获取第二相似度的方式相同。比如，本申请实施例中采用特征集合与性别参考特征集合的距离来描述特征集合和性别参考特征集合的相似度，距离越大，相似度越小，距离越小，相似度越大。需要说明的是，对于采用何种方式来计算特征集合与性别参考特征集合的距离，本申请实施例不做具体限制，可由本领域技术人员根据实际需要选择合适的计算方式。
比如，本申请实施例中，按照如下公式计算特征集合与性别参考特征集合的距离：
其中，l表示未知性别用户的特征集合与性别参考特征集合的距离，Xn表示性别参考特征集合中的一维特征，表示未知性别用户的特征集合中的一维特征，在“n”的取值相同时，Xn和对应同类特征，例如，X1表示性别参考特征集合中的特征“用户在阅读类应用中阅读偏男性类读物的时长”，表示未知性别用户的特征集合中的特征“用户在阅读类应用中阅读偏男性类读物的时长”。
其中，在获取得到未知性别用户的特征集合与男性参考特征集合的第一相似度，以及获取得到未知性别用户与女性参考特征集合的第二相似度之后，对第一相似度以及第二相似度的大小进行比较，从而根据相似度比较结果识别未知性别用户的的性别。
具体的，在第一相似度大于第二相似度时，说明未知性别用户更相似于男性用户，此时识别未知性别用户为男性用户；在第一相似度小于第二相似度时，说明未知性别用户更相似于女性用户，此时识别未知性别用户为女性用户；在第一相似度与第二相似度相同时，说明此时采集的未知性别用户的特征集合尚不足以支持对其性别进行识别，此时无识别结果。
在一实施例中，在之前得到的性别参考特征集合为男性参考特征集合时，“获取特征集合与性别参考特征集合的相似度，并根据相似度识别未知性别用户的性别”可以包括：
获取未知性别用户的特征集合与男性参考特征集合的距离，将该距离作为特征集合与男性参考特征集合的相似度；
判断特征集合与男性参考特征集合的距离是否位于第一预设距离区间；
若是则识别未知性别用户为男性用户，否则识别未知性别用户为女性用户。
其中，采用特征集合与男性参考特征集合的距离来描述特征集合与男性参考特征集合的相似度，距离越小，相似度越大，距离越大，相似度越小。需要说明的是，对于采用何种方式来计算特征集合与男性参考特征集合的距离，本申请实施例不做具体限制，可由本领域技术人员根据实际需要选择合适的计算方式。
比如，本申请实施例中，按照如下公式计算特征集合与男性参考特征集合的距离：
其中，l表示未知性别用户的特征集合与男性参考特征集合的距离，Xn表示男性参考特征集合中的一维特征，表示未知性别用户的特征集合中的一维特征，在“n”的取值相同时，Xn和对应同类特征，例如，X1表示男性参考特征集合中的特征“用户在阅读类应用中阅读偏男性类读物的时长”，表示未知性别用户的特征集合中的特征“用户在阅读类应用中阅读偏男性类读物的时长”。
其中，在获取得到未知性别用户的特征集合与男性参考特征集合的距离之后，进一步判断该距离是否位于第一预设距离区间。具体的，在该距离位于第一预设距离区间之内时，说明该未知性别用户倾向于男性用户，此时识别该未知性别用户为男性用户；在该距离位于第一预设距离区间之外时，说明该未知性别用户并不倾向于男性用户，显然的，用户的性别非男即女，此时即可识别该未知性别用户为女性用户。
此外，对于第一预设距离区间的设置，可以计算各被标记为“男性”的样本特征集合与男性参考特征集合的距离，将各距离中的最大距离作为第一预设距离区间的右侧端点，并将第一预设距离区间的左侧端点设置为零。
在一实施例中，在之前得到的性别参考特征集合为女性参考特征集合时，“获取特征集合与性别参考特征集合的相似度，并根据相似度识别未知性别用户的性别”可以包括：
获取未知性别用户的特征集合与女性参考特征集合的距离，将该距离作为特征集合与女性参考特征集合的相似度；
判断该距离是否位于第二预设距离区间；
若是则识别未知性别用户为女性用户，否则识别未知性别用户为男性用户。
其中，采用特征集合与女性参考特征集合的距离来描述特征集合与女性参考特征集合的相似度，距离越小，相似度越大，距离越大，相似度越小。需要说明的是，对于采用何种方式来计算特征集合与女性参考特征集合的距离，本申请实施例不做具体限制，可由本领域技术人员根据实际需要选择合适的计算方式。
比如，本申请实施例中，按照如下公式计算特征集合与女性参考特征集合的距离：
其中，l表示未知性别用户的特征集合与女性参考特征集合的距离，Xn表示女性参考特征集合中的一维特征，表示未知性别用户的特征集合中的一维特征，在“n”的取值相同时，Xn和对应同类特征，例如，X1表示女性参考特征集合中的特征“用户在阅读类应用中阅读偏男性类读物的时长”，表示未知性别用户的特征集合中的特征“用户在阅读类应用中阅读偏男性类读物的时长”。
其中，在获取得到未知性别用户的特征集合与女性参考特征集合的距离之后，进一步判断该距离是否位于第二预设距离区间。具体的，在该距离位于第二预设距离区间之内时，说明该未知性别用户倾向于女性用户，此时识别该未知性别用户为女性用户；在该距离位于第二预设距离区间之外时，说明该未知性别用户并不倾向于女性用户，显然的，用户的性别非男即女，此时即可识别该未知性别用户为男性用户。
此外，对于第二预设距离区间的设置，可以计算各被标记为“女性”的样本特征集合与女性参考特征集合的距离，将各距离中的最大距离作为第二预设距离区间的右侧端点，并将第二预设距离区间的左侧端点设置为零。
由上可知，本申请实施例首先获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到多个样本用户的样本特征集合，然后获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合，再获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到未知性别用户的特征集合，最后获取特征集合与性别参考特征集合的相似度，并根据相似度预测未知性别用户的性别，从而实现对用户性别的准确识别，获得用户的性别信息。
下面将在上述实施例描述的方法基础上，对本申请的用户性别识别方法做进一步介绍。参考图3，该用户性别识别方法可以包括：
301、获取多个样本用户在应用使用过程中具有性别识别性的多维特征。
其中，多维特征为已知性别用户如男性用户或女性用户在应用使用过程中具有性别识别性的多维用户特征。比如，用户使用应用过程中具有男性或女性特点的行为特征。
其中，多维特征具有一定长度的维度，即该多维特征息由多个特征构成。该多维特征可以包括用户在使用应用的过程中具有性别识别性的行为特征，比如，用户在购物类应用中浏览偏男性类商品(如男装、剃须刀等)的次数与时长，用户在购物类应用中浏览偏女性类商品(如化妆品、女装等)次数与时长，用户在阅读类应用中阅读偏男性类读物的时长，用户在阅读类应用中阅读偏女性类读物的时长等。
此外，该多维特征还可以包括与电子设备本身的相关行为特征信息，比如，用户使用拍摄类应用调用前置摄像头的次数，用户使用拍摄类应用调用后置摄像的次数等等。
其中，得到的样本特征集合为多个，分别对应各个样本用户。各样本特征集合中的多维特征可以是在历史时间段内，按照预设频率采集的。历史时间段，例如可以是过去7天、10天；预设频率，例如可以是每10分钟采集一次、每半小时采集一次。可以理解的是，对于任一样本用户，对在历史时间段内每次采集的该样本用户的多维特征分类进行累计(如对特征“用户在购物类应用中浏览偏男性类商品”进行累计，对特征“用户在购物类应用中浏览偏女性类商品进行累计”)，得到该样本用户在该历史时间段内的样本特征集合。例如，对于男性用户b，通过对该男性用户b在应用使用过程中具有性别识别性的多维特征进行获取，得到对应男性用户b的样本特征集合(X1，X2……，Xn)，其中Xn为用户b的一维特征。
在一实施例中，可以由服务器收集各已知性别用户基于其电子设备使用应用过程中的多维特征，然后，在性别识别时电子设备可以从服务器中获取。其中，已知性别用户可以为使用电子设备时提供了性别信息的用户，比如，在账号注册时提供了性别信息的用户等。
在构成样本特征集合之后，可以对各样本特征集合进行标记，得到每个样本特征集合的样本标签，由于本申请实施例要实现的是对未知性别用户的性别进行识别，因此，所标记的样本标签包括“男性”和“女性”，也即样本类别包括男性和女性。
在具体实施时，可根据已知性别用户的性别信息进行标记，例如：可将对应男性用户b的样本特征集合标记为“男性”；又例如，可将对应女性用户c的样本特征集合标记为“女性”。可选地，可以使用数字来对样本特征集合进行标记，如采用数字“1”表示“男性”，采用数字“0”表示“女性”，反之亦可。
302、对获取的多维特征进行归一化处理，得到多个样本用户的样本特征集合。
其中，归一化是一种简化计算的方式，即将有量纲的表示，经过变换，化为无量纲的表达式，成为标量。对于具体采用何种归一化方式，可由本领域技术人员根据实际需要进行选取，本申请对此不做具体限定。
比如，对于样本用户“男性用户b”的多维特征，本申请实施例对多维特征中的各维特征进行归一化处理，将原始特征数值归一化到0-1之间的数值，然后由归一化后的多维特征构成男性用户b的样本特征集合。
一个具体的样本特征集合可如下表1所示，包括多个维度的特征，需要说明的是，表1所示的特征仅为举例，实际应用中，一个样本特征集合所包含的特征的数量，可以多于表1所示特征的数量，也可以少于表1所示特征的数量，所取的具体特征也可以与表1所示不同，此处不作具体限定。
维度 特征信息
1 用户在购物类应用中浏览偏男性类商品(如男装)的次数
2 用户在购物类应用中浏览偏男性类商品(如男装)的时长
3 用户在购物类应用中浏览偏女性类商品(如化妆品、女装)的次数
4 用户在购物类应用中浏览偏女性类商品(如化妆品、女装)的时长
5 用户在阅读类应用中阅读偏男性类读物的时长
6 用户在阅读类应用中阅读偏女性类读物的时长
7 用户在新闻类应用中阅读体育类新闻的时长
8 用户在新闻类应用中阅读星座类新闻的时长
9 用户使用拍摄类应用调用前置摄像头自拍的次数
10 用户使用美颜类应用的次数
11 用户玩不同类别游戏应用的次数
12 用户玩不同类别游戏应用的时长
表1
303、获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合。
如上所述，本申请实施例中对得到的样本特征集合进行了性别标记，因此可基于样本特征集合的性别标记进行平均特征值的计算。比如，对于被标记为“男性”的样本特征集合，可以计算得到“男性”样本特征集合中各类特征的平均特征值；又比如，对于被标记为“女性”的样本特征集合，可以计算得到“女性”样本特征集合中各类特征的平均特征值。
相应的，由于计算得到的平均特征值不同，得到的性别参考特征集合也不同。比如，在仅计算“男性”样本特征集合中同类特征的平均特征值时，那么得到的性别参考特征集合为表征“男性”的男性参考特征集合；又比如，在仅计算“女性”样本特征集合中同类特征的平均特征值时，那么得到的性别参考特征集合为表征“女性”的女性参考特征集合；又比如，在既计算“男性”样本特征集合中同类特征的平均特征值，又计算“女性”样本特征集合中同类特征的平均特征值时，将分别得到表征“女性”的女性参考特征集合，以及表征“男性”的男性参考特征集合。
304、获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到未知性别用户的特征集合。
其中，未知性别用户的特征集合可以是在历史时间段内，按照预设频率采集的。历史时间段，例如可以是过去7天、10天；预设频率，例如可以是每10分钟采集一次、每半小时采集一次。可以理解的是，对于未知性别用户，对在历史时间段内每次采集的该未知性别用户的多维特征分类进行累计(如对特征“用户在购物类应用中浏览偏男性类商品”进行累计，对特征“用户在购物类应用中浏览偏女性类商品进行累计”)，得到该未知性别用户在该历史时间段内的特征集合。例如，对于未知性别的用户a，通过对用户a在应用使用过程中具有性别识别性的多维特征进行获取，得到对应用户a的特征集合(X1，X2……，Xn)，其中Xn为用户a的一维特征。
为提升识别用户性别的准确性，在一实施例中，采集未知性别用户的多维特征所选取的历史时间段，与采集样本用户(即已知性别用户)所选取的历史时间段相同。比如，采集样本用户的多维特征所选取的历史时间段为7天时，在采集未知性别用户的多维特征时，也选取历史时间段为7天。这样，对样本特征集合进行处理后得到的性别参考特征集合，将与未知性别用户的特征集合位于同一时间维度，达到提升识别用户性别准确性的目的。
305、获取特征集合与男性参考特征集合的第一相似度；
也即计算未知性别用户的特征集合与男性参考特征集合的第一相似度。
306、获取特征集合与女性参考特征集合的第二相似度；
也即计算未知性别用户的特征集合与女性参考特征集合的第二相似度。
其中，获取第一相似度的方式与获取第二相似度的方式相同。比如，本申请实施例中采用特征集合与性别参考特征集合的距离来描述特征集合和性别参考特征集合的相似度，距离越大，相似度越小，距离越小，相似度越大。需要说明的是，对于采用何种方式来计算特征集合与性别参考特征集合的距离，本申请实施例不做具体限制，可由本领域技术人员根据实际需要选择合适的计算方式。
比如，本申请实施例中，按照如下公式计算特征集合与性别参考特征集合的距离：
其中，l表示未知性别用户的特征集合与性别参考特征集合的距离，Xn表示性别参考特征集合中的一维特征，表示未知性别用户的特征集合中的一维特征，在“n”的取值相同时，Xn和对应同类特征，例如，X1表示性别参考特征集合中的特征“用户在阅读类应用中阅读偏男性类读物的时长”，表示未知性别用户的特征集合中的特征“用户在阅读类应用中阅读偏男性类读物的时长”。
307、比较第一相似度与第二相似度的大小；
其中，在获取得到未知性别用户的特征集合与男性参考特征集合的第一相似度，以及获取得到未知性别用户与女性参考特征集合的第二相似度之后，对第一相似度以及第二相似度的大小进行比较，从而根据相似度比较结果识别未知性别用户的的性别。
308、若第一相似度大于第二相似度，则识别未知性别用户为男性用户，否则识别未知性别用户为女性用户。
具体的，在第一相似度大于第二相似度时，说明未知性别用户更相似于男性用户，此时识别未知性别用户为男性用户；在第一相似度小于第二相似度时，说明未知性别用户更相似于女性用户，此时识别未知性别用户为女性用户；在第一相似度与第二相似度相同时，说明此时采集的未知性别用户的特征集合尚不足以支持对其性别进行识别，此时无识别结果。
由上可知，本申请实施例首先获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到多个样本用户的样本特征集合，然后获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合，再获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到未知性别用户的特征集合，最后获取特征集合与性别参考特征集合的相似度，并根据相似度预测未知性别用户的性别，从而实现对用户性别的准确识别，获得用户的性别信息。
在一实施例中还提供了一种用户性别识别装置。请参阅图4，图4为本申请实施例提供的用户性别识别装置的结构示意图。其中该用户性别识别装置应用于电子设备，该用户性别识别装置包括第一特征获取模块401、特征集合生成模块402、第二特征获取模块403、用户性别识别模块404如下：
第一特征获取模块401，用于获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到多个样本用户的样本特征集合；
特征集合生成模块402，用于获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合；
第二特征获取模块403，用于获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到未知性别用户的特征集合；
用户性别识别模块404，用于获取特征集合与性别参考特征集合的相似度，并根据相似度识别未知性别用户的性别。
在一实施例中，性别参考特征集合包括男性参考特征集合和女性参考特征集合，用户性别识别模块404，可以用于：
获取未知性别用户的特征集合与男性参考特征集合的第一相似度；
获取未知性别用户的特征集合与女性参考特征集合的第二相似度；
比较第一相似度与第二相似度的大小；
若第一相似度大于第二相似度，则识别未知性别用户为男性用户，否则识别未知性别用户为女性用户。
在一实施例中，性别参考特征集合为男性参考特征集合，用户性别识别模块404，可以用于：
获取未知性别用户的特征集合与男性参考特征集合的距离，将该距离作为特征集合与男性参考特征集合的相似度；
判断特征集合与男性参考特征集合的距离是否位于第一预设距离区间；
若是则识别未知性别用户为男性用户，否则识别未知性别用户为女性用户。
在一实施例中，性别参考特征集合为女性参考特征集合，用户性别识别模块404，可以用于：
获取未知性别用户的特征集合与女性参考特征集合的距离，将该距离作为特征集合与女性参考特征集合的相似度；
判断该距离是否位于第二预设距离区间；
若是则识别未知性别用户为女性用户，否则识别未知性别用户为男性用户。
在一实施例中，第一特征获取模块401，可以用于：
获取多个样本用户在应用使用过程中具有性别识别性的多维特征；
对获取的多维特征进行归一化处理，得到多个样本用户的样本特征集合。
其中，用户性别识别装置中各模块执行的步骤可以参考上述方法实施例描述的方法步骤。该用户性别识别装置可以集成在电子设备中，如手机、平板电脑等。
具体实施时，以上各个模块可以作为独立的实体实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单位的具体实施可参见前面的实施例，在此不再赘述。
由上可知，本实施例用户性别识别装置可以由第一特征获取模块401获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到多个样本用户的样本特征集合；由特征集合生成模块402获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合；由第二特征获取模块403获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到未知性别用户的特征集合；由用户性别识别模块404获取特征集合与性别参考特征集合的相似度，并根据相似度预测未知性别用户的性别，从而实现对用户性别的准确识别，获得用户的性别信息。
本申请实施例还提供一种电子设备。请参阅图5，电子设备500包括处理器501以及存储器502。其中，处理器501与存储器502电性连接。
所述处理器500是电子设备500的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或加载存储在存储器502内的计算机程序，以及调用存储在存储器502内的数据，执行电子设备500的各种功能并处理数据，从而实现对用户性别的准确识别。
所述存储器502可用于存储软件程序以及模块，处理器501通过运行存储在存储器502的计算机程序以及模块，从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的计算机程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器502还可以包括存储器控制器，以提供处理器501对存储器502的访问。
在本申请实施例中，电子设备500中的处理器501会按照如下的步骤，将一个或一个以上的计算机程序的进程对应的指令加载到存储器502中，并由处理器501运行存储在存储器502中的计算机程序，从而实现各种功能，如下：
获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到多个样本用户的样本特征集合；
获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合；
获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到未知性别用户的特征集合；
获取特征集合与性别参考特征集合的相似度，并根据相似度识别未知性别用户的性别。
在某些实施方式中，在性别参考特征集合包括男性参考特征集合和女性参考特征集合，且获取特征集合与性别参考特征集合的相似度，并根据相似度识别未知性别用户的性别时，处理器501可以具体执行以下步骤：
获取未知性别用户的特征集合与男性参考特征集合的第一相似度；
获取未知性别用户的特征集合与女性参考特征集合的第二相似度；
比较第一相似度与第二相似度的大小；
若第一相似度大于第二相似度，则识别未知性别用户为男性用户，否则识别未知性别用户为女性用户。
在某些实施方式中，在性别参考特征集合为男性参考特征集合，且获取特征集合与性别参考特征集合的相似度，并根据相似度识别未知性别用户的性别时，处理器501可以具体执行以下步骤：
获取未知性别用户的特征集合与男性参考特征集合的距离，将该距离作为特征集合与男性参考特征集合的相似度；
判断特征集合与男性参考特征集合的距离是否位于第一预设距离区间；
若是则识别未知性别用户为男性用户，否则识别未知性别用户为女性用户。
在某些实施方式中，在性别参考特征集合为女性参考特征集合，且获取特征集合与性别参考特征集合的相似度，并根据相似度识别未知性别用户的性别时，处理器501可以具体执行以下步骤：
获取未知性别用户的特征集合与女性参考特征集合的距离，将该距离作为特征集合与女性参考特征集合的相似度；
判断该距离是否位于第二预设距离区间；
若是则识别未知性别用户为女性用户，否则识别未知性别用户为男性用户。
在某些实施方式中，在获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到多个样本用户的样本特征集合时，处理器501还可以具体执行以下步骤：
获取多个样本用户在应用使用过程中具有性别识别性的多维特征；
对获取的多维特征进行归一化处理，得到多个样本用户的样本特征集合。
由上述可知，本申请实施例首先获取充电行为发生时的充电特征集合，得到多个充电特征集合；然后对多个充电特征集合进行相似度识别，得到相似充电特征集合；再根据相似充电特征集合预测下一次充电行为；再根据预测的下一次充电行为确定对应的性能调整方式；最后根据确定的性能调整方式进行性能调整操作，从而实现对电子设备自身性能的动态调整，满足了用户的实际使用需求。
请一并参阅图6，在某些实施方式中，电子设备500还可以包括：显示器503、射频电路504、音频电路505以及电源506。其中，其中，显示器503、射频电路504、音频电路505以及电源506分别与处理器501电性连接。
所述显示器503可以用于显示由用户输入的信息或提供给用户的信息以及各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示器503可以包括显示面板，在某些实施方式中，可以采用液晶显示器(Liquid CrystalDisplay，LCD)、或者有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置显示面板。
所述射频电路504可以用于收发射频信号，以通过无线通信与网络设备或其他电子设备建立无线通讯，与网络设备或其他电子设备之间收发信号。
所述音频电路505可以用于通过扬声器、传声器提供用户与电子设备之间的音频接口。
所述电源506可以用于给电子设备500的各个部件供电。在一些实施例中，电源506可以通过电源管理系统与处理器501逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
尽管图6中未示出，电子设备500还可以包括摄像头、蓝牙模块等，在此不再赘述。
本申请实施例还提供一种存储介质，所述存储介质存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行上述任一实施例中的用户性别识别方法，比如：获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到多个样本用户的样本特征集合；获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合；获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到未知性别用户的特征集合；获取特征集合与性别参考特征集合的相似度，并根据相似度识别未知性别用户的性别。
在本申请实施例中，存储介质可以是磁碟、光盘、只读存储器(Read Only Memory，ROM，)、或者随机存取记忆体(Random Access Memory，RAM)等。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
需要说明的是，对本申请实施例的用户性别识别方法而言，本领域普通测试人员可以理解实现本申请实施例的用户性别识别方法的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，所述计算机程序可存储于一计算机可读取存储介质中，如存储在电子设备的存储器中，并被该电子设备内的至少一个处理器执行，在执行过程中可包括如用户性别识别方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储器、随机存取记忆体等。
对本申请实施例的用户性别识别装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中，所述存储介质譬如为只读存储器，磁盘或光盘等。
以上对本申请实施例所提供的一种用户性别识别方法、装置、存储介质及电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (12)

1.一种用户性别识别方法，其特征在于，包括：
获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到所述多个样本用户的样本特征集合；
获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合；
获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到所述未知性别用户的特征集合；
获取所述特征集合与所述性别参考特征集合的相似度，并根据所述相似度识别所述未知性别用户的性别。
2.如权利要求1所述的用户性别识别方法，其特征在于，所述性别参考特征集合包括男性参考特征集合和女性参考特征集合，所述获取所述特征集合与所述性别参考特征集合的相似度，并根据所述相似度识别所述未知性别用户的性别的步骤包括：
获取所述特征集合与所述男性参考特征集合的第一相似度；
获取所述特征集合与所述女性参考特征集合的第二相似度；
比较所述第一相似度与所述第二相似度的大小；
若所述第一相似度大于所述第二相似度，则识别所述未知性别用户为男性用户，否则识别所述未知性别用户为女性用户。
3.如权利要求1所述的用户性别识别方法，其特征在于，所述性别参考特征集合为男性参考特征集合，所述获取所述特征集合与所述性别参考特征集合的相似度，并根据所述相似度识别所述未知性别用户的性别的步骤包括：
获取所述特征集合与所述男性参考特征集合的距离，将所述距离作为所述特征集合与所述男性参考特征集合的相似度；
判断所述距离是否位于第一预设距离区间；
若是则识别所述未知性别用户为男性用户，否则识别所述未知性别用户为女性用户。
4.如权利要求1所述的用户性别识别方法，其特征在于，所述性别参考特征集合为女性参考特征集合，所述获取所述特征集合与所述性别参考特征集合的相似度，并根据所述相似度识别所述未知性别用户的性别的步骤包括：
获取所述特征集合与所述女性参考特征集合的距离，将所述距离作为所述特征集合与所述女性参考特征集合的相似度；
判断所述距离是否位于第二预设距离区间；
若是则识别所述未知性别用户为女性用户，否则识别所述未知性别用户为男性用户。
5.如权利要求1-4任一项所述的用户性别识别方法，其特征在于，所述获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到所述多个样本用户的样本特征集合的步骤包括：
获取多个样本用户在应用使用过程中具有性别识别性的多维特征；
对获取的所述多维特征进行归一化处理，得到所述多个样本用户的样本特征集合。
6.一种用户性别识别装置，其特征在于，包括：
第一特征获取模块，用于获取多个样本用户在应用使用过程中具有性别识别性的多维特征，得到所述多个样本用户的样本特征集合；
特征集合生成模块，用于获取多个样本特征集合中同类特征的平均特征值，得到性别参考特征集合；
第二特征获取模块，用于获取未知性别用户在应用使用过程中具有性别识别性的多维特征，得到所述未知性别用户的特征集合；
用户性别识别模块，用于获取所述特征集合与所述性别参考特征集合的相似度，并根据所述相似度识别所述未知性别用户的性别。
7.如权利要求6所述的用户性别识别装置，其特征在于，所述性别参考特征集合包括男性参考特征集合和女性参考特征集合，所述用户性别识别模块，还用于：
获取所述特征集合与所述男性参考特征集合的第一相似度；
获取所述特征集合与所述女性参考特征集合的第二相似度；
比较所述第一相似度与所述第二相似度的大小；
若所述第一相似度大于所述第二相似度，则识别所述未知性别用户为男性用户，否则识别所述未知性别用户为女性用户。
8.如权利要求6所述的用户性别识别装置，其特征在于，所述性别参考特征集合为男性参考特征集合，所述用户性别识别模块还用于：
获取所述特征集合与所述男性参考特征集合的距离，将所述距离作为所述特征集合与所述男性参考特征集合的相似度；
判断所述距离是否位于第一预设距离区间；
若是则识别所述未知性别用户为男性用户，否则识别所述未知性别用户为女性用户。
9.如权利要求6所述的用户性别识别装置，其特征在于，所述性别参考特征集合为女性参考特征集合，所述用户性别识别模块还用于：
获取所述特征集合与所述女性参考特征集合的距离，将所述距离作为所述特征集合与所述女性参考特征集合的相似度；
判断所述距离是否位于第二预设距离区间；
若是则识别所述未知性别用户为女性用户，否则识别所述未知性别用户为男性用户。
10.如权利要求6-9任一项所述的用户性别识别装置，其特征在于，所述第一特征获取模块还用于：
获取多个样本用户在应用使用过程中具有性别识别性的多维特征；
对获取的所述多维特征进行归一化处理，得到所述多个样本用户的样本特征集合。
11.一种存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机上运行时，使得所述计算机执行如权利要求1至5任一项所述的用户性别识别方法。
12.一种电子设备，包括处理器和存储器，所述存储器储存有计算机程序，其特征在于，所述处理器通过调用所述计算机程序，用于执行如权利要求1至5任一项所述的用户性别识别方法。
CN201711405392.XA 2017-12-22 2017-12-22 用户性别识别方法、装置、存储介质及电子设备 Active CN110020167B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201711405392.XA CN110020167B (zh) 2017-12-22 2017-12-22 用户性别识别方法、装置、存储介质及电子设备
PCT/CN2018/116713 WO2019120024A1 (zh) 2017-12-22 2018-11-21 用户性别识别方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711405392.XA CN110020167B (zh) 2017-12-22 2017-12-22 用户性别识别方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN110020167A true CN110020167A (zh) 2019-07-16
CN110020167B CN110020167B (zh) 2022-01-07

Family

ID=66993038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711405392.XA Active CN110020167B (zh) 2017-12-22 2017-12-22 用户性别识别方法、装置、存储介质及电子设备

Country Status (2)

Country Link
CN (1) CN110020167B (zh)
WO (1) WO2019120024A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110851759A (zh) * 2019-10-31 2020-02-28 上海连尚网络科技有限公司 一种识别新用户的性别的方法及设备
CN111506819A (zh) * 2020-04-24 2020-08-07 成都安易迅科技有限公司 一种硬件设备推荐方法、装置，服务器及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101388080A (zh) * 2008-10-23 2009-03-18 北京航空航天大学 一种基于多角度步态信息融合的行人性别分类方法
WO2015145683A1 (ja) * 2014-03-27 2015-10-01 株式会社日立システムズ Ａｔｍユーザ補助装置
CN105069016A (zh) * 2015-07-13 2015-11-18 小米科技有限责任公司 相册管理方法、装置以及终端设备
CN105574512A (zh) * 2015-12-21 2016-05-11 小米科技有限责任公司 图像处理的方法和装置
US20160279476A1 (en) * 2015-03-25 2016-09-29 Electronics And Telecommunications Research Institute Personalized exercise service providing method and apparatus thereof
CN106897727A (zh) * 2015-12-21 2017-06-27 百度在线网络技术（北京）有限公司 一种用户性别识别方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9063927B2 (en) * 2011-04-06 2015-06-23 Citizennet Inc. Short message age classification
CN102663001A (zh) * 2012-03-15 2012-09-12 华南理工大学 基于支持向量机的博客作者兴趣与性格自动识别方法
CN105320948A (zh) * 2015-11-19 2016-02-10 北京文安科技发展有限公司 一种基于图像的性别识别方法、装置及系统
CN105654131A (zh) * 2015-12-30 2016-06-08 小米科技有限责任公司 分类模型训练方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101388080A (zh) * 2008-10-23 2009-03-18 北京航空航天大学 一种基于多角度步态信息融合的行人性别分类方法
WO2015145683A1 (ja) * 2014-03-27 2015-10-01 株式会社日立システムズ Ａｔｍユーザ補助装置
US20160279476A1 (en) * 2015-03-25 2016-09-29 Electronics And Telecommunications Research Institute Personalized exercise service providing method and apparatus thereof
CN105069016A (zh) * 2015-07-13 2015-11-18 小米科技有限责任公司 相册管理方法、装置以及终端设备
CN105574512A (zh) * 2015-12-21 2016-05-11 小米科技有限责任公司 图像处理的方法和装置
CN106897727A (zh) * 2015-12-21 2017-06-27 百度在线网络技术（北京）有限公司 一种用户性别识别方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110851759A (zh) * 2019-10-31 2020-02-28 上海连尚网络科技有限公司 一种识别新用户的性别的方法及设备
CN111506819A (zh) * 2020-04-24 2020-08-07 成都安易迅科技有限公司 一种硬件设备推荐方法、装置，服务器及存储介质

Also Published As

Publication number Publication date
CN110020167B (zh) 2022-01-07
WO2019120024A1 (zh) 2019-06-27

Similar Documents

Publication Publication Date Title
CN109918669B (zh) 实体确定方法、装置及存储介质
EP2633487B1 (en) Method and system to recommend applications from an application market place to a new device
CN109634698B (zh) 菜单显示方法、装置、计算机设备及存储介质
US11681756B2 (en) Method and electronic device for quantifying user interest
CN109961077A (zh) 性别预测方法、装置、存储介质及电子设备
CN110309405B (zh) 一种项目推荐方法、装置及存储介质
CN109816441A (zh) 策略推送方法、系统及相关装置
CN107958042B (zh) 一种目标专题的推送方法及移动终端
CN111897996A (zh) 话题标签推荐方法、装置、设备及存储介质
CN110458360A (zh) 热门资源的预测方法、装置、设备及存储介质
CN111737573A (zh) 资源推荐方法、装置、设备及存储介质
CN111611490A (zh) 资源搜索方法、装置、设备及存储介质
CN110781307A (zh) 目标物品关键词和标题生成方法、搜索方法以及相关设备
CN107766891A (zh) 用户性别识别方法、装置、存储介质及电子设备
CN110022397A (zh) 图像处理方法、装置、存储介质及电子设备
CN111984803B (zh) 多媒体资源处理方法、装置、计算机设备及存储介质
CN111859147B (zh) 对象推荐方法、对象推荐装置和电子设备
CN109961075A (zh) 用户性别预测方法、装置、介质及电子设备
CN111797148A (zh) 数据处理方法、装置、存储介质及电子设备
CN115757952A (zh) 内容信息推荐方法、装置、设备及存储介质
CN110020167A (zh) 用户性别识别方法、装置、存储介质及电子设备
CN109961163A (zh) 性别预测方法、装置、存储介质及电子设备
CN114154078A (zh) 信息推荐方法及装置、电子设备、存储介质
CN115375385A (zh) 商品信息的处理方法、装置、计算机设备及存储介质
CN107679222A (zh) 图片处理方法、移动终端及计算机可读存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd.

Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18

Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd.

GR01 Patent grant
GR01 Patent grant