CN111488519A - 用户性别识别的方法、装置、电子设备及存储介质 - Google Patents
用户性别识别的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111488519A CN111488519A CN202010138805.8A CN202010138805A CN111488519A CN 111488519 A CN111488519 A CN 111488519A CN 202010138805 A CN202010138805 A CN 202010138805A CN 111488519 A CN111488519 A CN 111488519A
- Authority
- CN
- China
- Prior art keywords
- gender
- data
- user
- interactive
- result
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000002452 interceptive effect Effects 0.000 claims abstract description 146
- 230000003993 interaction Effects 0.000 claims abstract description 110
- 230000008569 process Effects 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000006399 behavior Effects 0.000 claims description 112
- 238000012545 processing Methods 0.000 claims description 25
- 238000010606 normalization Methods 0.000 claims description 19
- 230000001960 triggered effect Effects 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000004397 blinking Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012954 risk control Methods 0.000 description 1
Images
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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- User Interface Of Digital Computer (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种用户性别识别方法、装置、电子设备和计算机可读存储介质。该方法包括:获取客户端所进行用户交互过程中的交互数据,交互数据包括交互行为数据和交互时间数据;通过计算交互行为数据与预先收集的数据集合之间的相关性,确定交互行为数据所反映的第一性别结果,数据集合含有针对确定性别的用户所收集的历史交互行为数据,以及通过对交互时间数据进行性别分析,得到交互时间数据所反映的第二性别结果;根据第一性别结果和第二性别结果,确定客户端中进行用户交互的用户性别。本申请提供的方法基于用户与客户端之间的交互行为确定用户性别,无需对用户进行人脸识别。
Description
技术领域
本申请涉及大数据技术领域,尤其涉及一种用户性别识别的方法、装置、电子设备及计算机可读存储介质。
背景技术
随着互联网技术和移动设备的快速发展,越来越多的服务提供方利用终端设备来为用户提供服务。在用户接受服务的过程中,服务提供方经常会收集用户的性别、年龄、职业等各方面信息来为个性化服务提供依据。
目前,用户性别的识别通常通过人脸识别技术来实现。终端设备通过拍摄图像或者接收用户上传的图像来获得用户的人脸图像,然后从人脸图像中提取特征数据,以基于人脸图像的特征数据来识别用户的性别。
然而,在上述技术实现中,用户人脸图像的采集需要用户做出例如摇头、眨眼等动作来配合拍摄,或需要用户上传符合特定要求的人脸图像,与用户交互较多且比较复杂,并且容易由于场地、光线等自然条件较差或成像设备能力不佳等原因造成识别失败而要求用户重复操作,导致用户性别识别过程中存在操作繁琐、操作效率低等问题。
发明内容
基于上述技术问题,本申请的实施例提供一种用户性别识别的方法、装置、电子设备及计算机可读存储介质,以在用户无感的情况下对用户性别进行识别。
其中,本申请的实施例所采用的技术方案为:
一种用户性别识别方法,包括:获取客户端所进行用户交互过程中的交互数据,所述交互数据包括交互行为数据和交互时间数据;通过计算所述交互行为数据与预先收集的数据集合之间的相关性,确定所述交互行为数据所反映的第一性别结果,所述数据集合含有针对确定性别的用户所收集的历史交互行为数据,以及通过对所述交互时间数据进行性别分析,得到所述交互时间数据所反映的第二性别结果;根据所述第一性别结果和所述第二性别结果,确定所述客户端中进行用户交互的用户性别。
在另一示例性的实施例中,所述通过计算所述交互行为数据与预先收集的数据集合之间的相关性,确定所述交互行为数据所反映的第一性别结果,包括:根据预设的性别数据标准对所述交互行为数据进行归一化处理,获得第一标准数据,所述性别数据标准用于描述对所述交互行为数据进行归一化处理的处理标准;分别计算所述第一标准数据与所述确定性别的用户对应的第二标准数据之间斯皮尔曼相关性系数和皮尔森相关性系数,所述第二标准数据是按照所述确定性别对应的性别数据标准,对所述历史交互行为数据进行所述归一化处理所得到的;通过计算所述斯皮尔曼相关性系数和所述皮尔森相关性系数的加权和,获得所述第一性别结果。
在另一示例性的实施例中,所述根据预设的性别数据标准对所述交互行为数据进行归一化处理,获得第一标准数据,包括:根据所述客户端中所触发启用数据业务的业务类型,确定与所述业务类型相匹配的性别数据标准;根据所确定性别数据标准所描述的处理标准,对所述交互行为数据进行归一化处理,获得所述第一标准数据。
在另一示例性的实施例中,所述通过对所述交互时间数据进行性别分析,得到所述交互时间数据所反映的第二性别结果,包括:根据所述交互时间数据提取所述用户交互过程中的时域特征,所述时域特征包括周期性、变化率、加速度中的至少一种;将所述时域特征输入至预设的性别确定模型,使所述性别确定模型根据所述时域特征预测所述客户端中进行用户交互的用户性别,获得所述第二性别结果;获取所述性别确定模型输出的所述第二性别结果。
在另一示例性的实施例中,所述数据集合含有的历史交互行为数据对应于单一确定性别,所述第一性别结果描述了所述客户端中进行用户交互的用户性别对应为所述单一确定性别的概率;所述根据所述第一性别结果和所述第二性别结果,确定所述客户端中进行用户交互的用户性别,包括:计算所述第一性别结果和所述第二性别结果的加权和;如果所述加权和对应的数值在第一阈值以上,则确定所述用户性别与所述单一确定性别相同,其中,所述第一阈值是预先针对所述单一确定性别的用户设置的。
在另一示例性的实施例中,所述单一确定性别的用户为所述客户端中的授权用户,所述方法还包括:如果所述加权和对应的数值在所述第一阈值以下,则控制所述客户端进行风险应对。
在另一示例性的实施例中,所述数据集合含有分别针对不同性别的用户收集的历史交互行为数据,所述第一性别结果包括分别根据所述交互行为数据与不同用户的历史交互行为数据之间的相关性所确定的子性别结果;所述根据所述第一性别结果和所述第二性别结果,确定所述客户端中进行用户交互的用户性别,包括:分别计算各个子性别结果与所述第二性别结果的加权和,并根据所述数据集合确定所述加权和大于预设的第二阈值的用户性别;将数量较多的所述加权和大于预设的第二阈值的用户性别确定为所述客户端中进行用户交互的用户性别。
一种用户性别识别装置,包括:交互数据获取模块,用于获取客户端所进行用户交互过程中的交互数据,所述交互数据包括交互行为数据和交互时间数据;性别结果确定模块,用于通过计算所述交互行为数据与预先收集的数据集合之间的相关性,确定所述交互行为数据所反映的第一性别结果,所述数据集合含有针对确定性别的用户所收集的历史交互行为数据,以及用于通过对所述交互时间数据进行性别分析,得到所述交互时间数据所反映的第二性别结果;用户性别确定模块,用于根据所述第一性别结果和所述第二性别结果,确定所述客户端中进行用户交互的用户性别。
一种电子设备,包括处理器及存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时实现如上所述的用户性别识别方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的用户性别识别方法。
在上述技术方案中,由于数据集合中含有针对确定性别的用户所收集的历史交互行为数据,通过计算交互行为数据与数据集合之间的相关性,所得到的第一性别结果反映了当前用户性别与数据集合中用户的确定性别之间的相关性,因此第一性别结果从交互行为方面反映当前用户的性别。而通过对交互时间数据进行性别分析,可以基于交互时间特征来对当前用户性别进行判断,因此第二性别结果从交互时间方面反映当前用户的性别。由此,本申请结合用户交互行为和用户交互时间两个方面来共同判断用户性别。
也即是说,本申请不再基于人脸识别来确定用户性别,而是根据客户端中进行用户交互行为即可对用户性别进行判断,无需用户主动配合拍摄或者上传图像,同时也避免了由场地、光线或成像设备等问题而识别失败造成的重复拍摄或上传,在用户无感的情况下完成了性别识别,极大地提升了用户性别的识别效率。
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,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理:
图1是根据本申请所涉及的一种实施环境的示意图;
图2是根据一示例性实施例示出的一种用户性别识别方法的流程图;
图3是图2对应实施例中步骤203在一个实施例的流程图;
图4是图3对应实施例中步骤301在一个实施例的流程图;
图5是图2对应实施例中步骤203在一个实施例的流程图;
图6是图2对应实施例中步骤205在一个实施例的流程图;
图7是图2对应实施例中步骤205在另一个实施例的流程图;
图8是根据一示例性实施例示出的一种用户性别识别装置的框图;
图9根据一示例性实施例示出的一种电子设备的硬件结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述,这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例执行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
图1是本申请涉及的一种实施环境的示意图。如图1所示,在一示例性的实施例中,该实施环境可以包括:终端101和服务器103。
其中,终端101预先与服务器103建立有线或者无线的通信连接,进而通过此通信连接实现与服务器103的数据传输。
终端101中运行有客户端,该客户端用于提供一用户交互界面,以根据用户交互界面中触发的用户交互操作为用户提供数据业务。示例性的,该客户端可以为一购物客户端,在购物客户端的运行过程中,可以根据用户的性别为用户进行个性化的商品推荐。
需要说明的是,在本实施环境中,终端101可以是手机、平板电脑、笔记本电脑、智能柜员机或者其它任意可供客户端运行的电子设备,本处不进行限制。客户端可以是应用程序客户端,也可以是网页客户端,本处也不进行限制。
服务器103用于为客户端中触发的用户交互操作提供数据支持,从而使客户端可以在终端101中正常运行。仍以上述购物客户端为例,服务器103 可以根据购物客户端中触发的商品详情浏览操作,向购物客户端提供商品详情数据,也可以对用户的性别进行识别,以在用户触发商品浏览操作时向购物客户端提供符合用户性别的商品。
其中,服务器103可以是单一的服务器设备,也可以是由多台服务器设备组成的服务器群组,本处不进行限定。
图2是根据一示例性实施例示出的一种用户性别识别方法的流程图,该方法可以由图1所示实施环境中的服务器103执行。如图2所示,在一示例性的实施例中,该方法可以包括以下步骤:
步骤201,获取客户端所进行用户交互过程中的交互数据,交互数据包括交互行为数据和交互时间数据。
如前所述,在现有的用户性别识别中,需要采集用户的人脸图像,并从人脸图像中提取用户人脸的特征数据,以基于用户人脸的特征数据对用户的性别进行识别。
在此识别过程中,由于需要用户做出例如摇头、眨眼等动作来配合进行人脸采集,并且容易由于场地、光线等自然条件较差或成像设备能力不佳等原因造成识别失败而要求用户重复进行操作,导致性别识别过程十分繁杂,并且识别效率不高。
为解决此技术问题,本实施例提出一种用户性别识别方法,该方法无需采集用户的人脸图像即可对用户性别进行有效识别,从而有效地避免现有技术中依赖于用户人脸识别所导致的问题。
在本实施例中,客户端所进行的用户交互过程是指,用户基于客户端所提供的用户交互界面执行用户操作的过程,用户所执行的用户操作即为用户的交互行为,示例性的,用户的交互行为可以包括单击、双击、长按、滑动等操作。
用户交互过程中的交互数据,是与用户交互界面上执行的用户操作相关的数据,例如可以包括与用户的交互行为相关的交互行为数据,还可以包括与用户的交互时间相关的交互时间数据。
示例性的,交互行为数据可以包括用户在客户端中启用的数据业务的业务类型、用户的击键面积、击键压力、击键位置或者轨迹、击键时间等数据。交互时间数据则可以包括与用户交互行为的持续时长有关的数据,例如用户连续使用某个业务类型的数据业务的持续时长、用户在一段时间中使用客户端的总时长等。
步骤203,通过计算交互行为数据与预先收集的数据集合之间的相关性,确定交互行为数据所反映的第一性别结果,数据集合含有针对确定性别的用户所收集的历史交互行为数据,以及通过对交互时间数据进行性别分析,得到交互时间数据所反映的第二性别结果。
其中,由于数据集合中含有针对确定性别的用户收集的历史交互行为数据,因此通过计算步骤201中获得的交互行为数据与数据集合中的历史交互行为数据之间的相关性,可以得到客户端中当前执行用户交互的用户性别与数据集合中确定的用户性别之间的相关性。
因此,第一性别结果可以从用户的交互行为方面反映客户端中当前执行用户交互的用户性别。
示例性的,如果数据集合中收集的历史交互行为数据均对应于男性用户,所得第一性别结果即反映了客户端中当前执行用户交互的用户性别为男性的可能性;如果数据集合中收集的历史交互行为数据均对应于女性用户,第一性别结果则反映客户端中当前执行用户交互的用户性别为女性的可能性。
如果数据集合中同时含有男性用户的历史交互行为数据和女性用户的历史交互行为数据,第一性别结果则反映客户端中当前执行用户交互的用户性别分别为男性和女性的可能性。
交互时间数据反映了用户交互行为的持续时长,在一定程度上可以反映用户性别,例如女性用户使用购物客户端的时长通常大于男性用户,男性用户浏览时事新闻客户端的时长通常大于女性用户,因此可以通过对步骤201 中获取的交互时间数据进行性别分析,得到客户端中当前执行用户交互的用户性别分别为男性或者女性的可能性。
也即是说,第二性别结果从用户的交互时间方面反映了客户端中当前执行用户交互的用户性别。
步骤205,根据第一性别结果和第二性别结果,确定客户端中进行用户交互的用户性别。
如前所述,第一性别结果可以从交互行为方面反映客户端中当前执行用户交互的用户性别,第二性别结果可以从交互行为方面反映客户端中当前执行用户交互的用户性别,因此本实施例通过结合用户交互行为和用户交互时间两个方面来对客户端中进行用户交互的用户性别进行判断,可以准确地得到用户性别。
在一个实施例中,可以分别对第一性别结果和第二性别结果中隶属于同一性别的概率进行平均值或者加权和等运算,将较大概率对应的性别确定为客户端中进行用户交互的用户性别。
举例来说,如果第一性别结果指示客户端中进行用户交互的用户性别为男性,第二性别结果指示客户端中进行用户交互的用户性别为男性的概率是 80%,为女性的概率是20%,则可以确定客户端中进行用户交互的用户性别为男性。
由此,在本实施例中,不再基于人脸识别来确定用户性别,而是根据客户端中进行用户的交互行为数据来对用户性别进行判断,无需用户主动配合拍摄或者上传图像,同时也避免了由场地、光线或成像设备等问题而识别失败造成的重复拍摄或上传,在用户无感的情况下完成了性别识别,极大地提升了用户性别的识别效率。
如图3所示,在一示例性的实施中,通过计算交互行为数据与预先收集的数据集合之间的相关性,确定交互行为数据所反映的第一性别结果可以包括以下步骤:
步骤301,根据预设的性别数据标准对交互行为数据进行归一化处理,获得第一标准数据,性别数据标准用于描述对交互行为数据进行归一化处理的处理标准。
其中,性别数据标准是对于性别分析而设置的对交互行为数据进行归一化处理的的标准参考数据。示例性的,性别数据标准可以包括与性别分析相关的数据属性表,例如记录了特定业务类型的数据业务所对应男性评分和女性评分,男性和女性分别对应的平均击键面积、平均击键压力、常见击键位置轨迹以及平均击键时间等标准参数数据。
由于不同性别的用户的交互习惯和喜好均不同,对不同用户性别对应的交互行为数据进行处理的标准也应当不同,因此可以预先针对不同性别分别设置性别数据标准,以在获得用户的交互行为数据后,选择合适的性别数据标准对此交互行为数据进行处理。
归一化处理是根据预设的性别数据标准对交互行为数据进行标准化处理的过程,示例性的,归一化处理可以是将交互行为数据转换为对应的特征向量的过程。
由此,本实施例通过预设的性别数据标准对交互行为数据进行归一化处理后,所得到的第一标准数据可以是与预设的某种性别相对应的、且与用户交互行为相关的特征向量。
在一个实施例,在对交互行为数据进行归一化处理之前,还可以预先剔除交互行为数据中对于性别分析无用的数据,或者剔除交互行为数据中的冗余数据,例如多次重复出现的数据。通过对交互行为数据中与性别分析相关的数据进行归一化处理,所得到的第一标准数据将可以更加准确地对用户的交互行为进行描述。
步骤303,分别计算第一标准数据与确定性别的用户对应的第二标准数据之间斯皮尔曼相关性系数和皮尔森相关性系数,第二标准数据是按照确定性别对应的性别数据标准,对历史交互行为数据进行归一化处理所得到的。
其中,第二标准数据是按照数据集合中的确定性别对应的性别数据标准,对数据集合中确定性别的用户的历史交互行为数据进行归一化处理得到的,因此第二标准数据与第一标准数据均与性别数据标准相关。
在本实施例中,分别使用斯皮尔曼相关性系数和皮尔森相关性系数来衡量第一标准数据和第二标准数据之间的相关程度,由于第二标准数据对应的用户性别是已知的,因此根据第一标准数据和第二标准数据之间的相关程度,可以得到客户端中进行用户交互的用户性别与此已知的用户性别之间的相关程度,并以此确定客户端中当前进行用户交互的用户性别。
示例性的,皮尔森相关性系数的计算公式如下:
其中,r表示皮尔森相关性系数,N表示交互行为数据中含有的数据种类,例如交互行为数据中仅含有击键面积和击键压力,N的值为2,X表示第一标准数据,Y表示第二标准数据。
当0<|r|<1时,表示客户端中当前进行用户交互的用户性别与历史交互行为数据对应的确定的用户性别趋于相同,r越接近于1,表示相关性越强,客户端中进行用户交互的用户性别与确定的用户性别相同的可能性也越大;反之r越接近0,则表示客户端中当前进行用户交互的用户性别越不同于确定的用户性别。
在一个实施例中,可以将皮尔森相关性系数划分为三个级别,当|r|<0.4 时表示客户端中进行用户交互的用户性别越不同于确定的用户性别低度线性相关,当0.4≤|r|<0.7时表示客户端中进行用户交互的用户性别越不同于确定的用户性别显著性相关,当0.7≤|r|<1时表示客户端中进行用户交互的用户性别越不同于确定的用户性别为高度线性相关。
斯皮尔曼相关性系数的计算方式如下:
假定第一标准数据X和第二标准数据Y中包括的交互行为数据的数量都是M,从这两组标准数据中随机选取的第i(1≤i≤M)个数据分别用X i、Y i表示,然后按升序或降序对X、Y进行排序,得到排序过后的X’和Y’。将X’和Y’中的对应数据相减,可以得到排行差分集合d,其中di=X i-Y i。根据该排行差分集合d,计算斯皮尔曼相关性系数的公式如下:
需要说明的是,如果数据集合中含有的历史交互行为数据对应于单一性别,仅需计算第一标准数据与此单一性别的用户对应的第二标准数据之间斯皮尔曼相关性系数和皮尔森相关性系数。
如果数据集合中分别含有男性对应的历史交互行为数据和女性对应的历史交互行为数据,则需分别计算第一标准数据与不同性别的用户对应的第二标准数据之间斯皮尔曼相关性系数和皮尔森相关性系数。
步骤305,通过计算斯皮尔曼相关性系数和皮尔森相关性系数的加权和,获得第一性别结果。
在一个实施例中,可以假设斯皮尔曼相关性系数r对应的权重参数为0.6,皮尔森相关性系数ρ对应的权重参数为0.4,斯皮尔曼相关性系数和皮尔森相关性系数的加权和则为0.6*r+0.4*ρ。
可以理解,上述权重参数仅用于示例目的,实际的权重值可以根据经验或实际情况进行调整。
如果数据集合中含有的历史交互行为数据对应于单一性别,通过计算斯皮尔曼相关性系数和皮尔森相关性系数的加权和所得第一性别结果,表示客户端中进行用户交互的用户性别为此单一性别的概率。
如果数据集合中分别含有男性对应的历史交互行为数据和女性对应的历史交互行为数据,则需针对不同性别分别计算斯皮尔曼相关性系数和皮尔森相关性系数的加权和,所得第一性别结果中包括客户端中进行用户交互的用户性别分别为不同性别的概率。
由此,在本实施例中,通过对交互行为数据进行归一化处理,并利用斯皮尔曼相关性系数和皮尔森相关性系数这两种不同的相关性系数,来计算交互行为数据与历史交互行为数据的相关性,可以有效地保证第一性别结果的准确度。
如图4所示,在一示例性的实施例中,根据预设的性别数据标准对交互行为数据进行归一化处理,获得第一标准数据的过程可以包括以下步骤:
步骤401,根据客户端中所触发启用数据业务的业务类型,确定与业务类型相匹配的性别数据标准;
步骤403,根据所确定性别数据标准所描述的处理标准,对交互行为数据进行归一化处理,获得第一标准数据。
如前所述,性别数据标准可以包括特定业务类型的数据业务所对应的男性评分和女性评分,因此可以根据客户端中所触发启用的数据业务的业务类型,确定与此业务类型相匹配的性别数据标准。
举例来说,如果客户端中触发了女性服装的浏览,可以将性别数据标准确定为女性对应的性别数据标准。如果客户端中触发启用了时事新闻浏览,则可以将性别数据标准确定为男性对应的性别数据标准。
由此,在本实施例中,将根据交互行为数据中所触发启用的数据业务的业务类型获取对应的性别数据标准,并根据获取性别数据标准对交互行为数据做归一化处理,可以获得准确的第一标准数据,从而为后续进行用户性别识别的准确性奠定基础。
如图5所示,在一示例性的实施例中,通过对交互时间数据进行性别分析,得到交互时间数据所反映的第二性别结果的过程可以包括如下步骤:
步骤501,根据交互时间数据提取用户交互过程中的时域特征,时域特征包括周期性、变化率、加速度中的至少一种。
如前所述,交互时间数据反映了用户交互行为的持续时长,因此交互时间数据中应当含有用户交互过程中的时间信息,通过对这些时间信息进行特征提取,可以得到用户交互过程中的时域特征。
示例性的,对交互时间数据所提取的时域特征可以包括周期性、变化率、加速度中的至少一种。
举例来说,对于用户在购物客户端中进行的用户交互,所提取的周期性可以包括用户浏览某种特定商品(例如女性服装等)的周期性、浏览时间长度的变化率、购物页面切换过程中用户进行滑动操作的加速度等。
步骤503,将时域特征输入至预设的性别确定模型,使性别确定模型根据时域特征预测客户端中进行用户交互的用户性别,获得第二性别结果。
其中,性别确定模型是用于根据输入模型中的时域特征进行客户端中进行用户交互的用户性别预测的机器学习模型,例如可以是有监督的机器学习模型或者半监督的机器学习模型,可以包括支持向量机(Support Vector Machine,SVM)模型、支持向量聚类(support vector clustering)模型或者半监督SVM(Semi-Supervised SVM,S3VM)模型等。
性别确定模型利用已经标注性别的时域特征数据,并结合未标注的时域特征数据来进行训练,以使得模型收敛,模型中的权重参数达到最优,从而可以将此模型进行实际应用。
步骤505,获取性别确定模型输出的第二性别结果。
由前述内容可知,第二性别结果可以包括客户端中当前进行用户交互的用户性别是男性的概率或者是女性的概率,也可以包括分别是男性的概率和女性的概率。
由此,在本实施例中,根据交互时间数据提取用户交互过程中的时域特征,并使用预先训练的性别确定模型对时域特征进行识别,可从用户的交互时间方面进行性别识别,为确定用户性别提供了进一步的依据,进一步提高性别识别的准确性。
在一个示例性的实施例中,数据集合含有的历史交互行为数据对应于单一确定性别,即数据集合含有的历史交互行为数据仅对应于男性用户或者女性用户,基于前述内容可知,在此情况下,第一性别结果描述了客户端中进行用户交互的用户性别对应为单一确定性别的概率。
如图6所示,在一示例性的实施例中,根据第一性别结果和第二性别结果,确定客户端中进行用户交互的用户性别,可以包括如下步骤:
步骤601,计算第一性别结果和第二性别结果的加权和。
如果用y1表示第一性别结果,用y2表示第二性别结果,w1是第一性别结果的对应权重参数,w1是第二性别结果的对应权重参数,第一性别结果和第二性别结果的加权和则表示为w1*y1+w2*y2。
步骤603,如果加权和对应的数值在第一阈值以上,则确定用户性别与单一确定性别相同,其中,第一阈值是预先针对单一确定性别的用户设置的。
第一阈值是预先针对单一确定性别的用户设置的,用于确定用户性别的识别结果与该单一确定性别相同的最低可信度。例如,第一阈值是针对客户端的授权用户所设置,授权用户在授权中采集有用户的性别信息,因此第一阈值所对应的用户性别也是确定的。
当第一性别结果和第二性别结果的加权和大于第一阈值时,表示客户端中当前进行用户交互的用户性别与此单一确定性别相同。例如,如果计算得到加权和表示用户性别为男性的概率为70%,第一阈值为60%,则可以用户性别为男性。
作为一种示例性的应用场景,在确定客户端中进行用户交互的用户性别之后,可以根据确定的用户性别向客户端发送业务推荐信息,客户端即可以根据该业务推荐信息向用户推荐与用户性别相适配的业务。
如果第一性别结果和第二性别结果的加权和对应的数值在第一阈值以下,则表示客户端中进行用户交互的用户性别与单一确定性别并不相同,此时客户端可能被非授权用户操作,客户端可以基于此信息向授权用户进行风险提示,例如根据授权用户预留的联系方式,向授权用户发送风险提示短信或邮件等方式。
在一个实施例中,还可以设置报警阈值,报警阈值小于或等于第一阈值,在加权和小于第一阈值的情况下,将加权和与报警阈值相比较。如果加权和小于报警阈值,则向授权用户发送短信提示,或者用户发送验证码并要求用户在客户端输入该验证码来继续操作。如果加权和大于报警阈值,则仅在页面进行风险提示,从而利用报警阈值针对不同性别识别结果进行不同程度的风险控制,可以降低误报数量,提高系统效率。
可见,在本实施例中,第一性别结果是针对单一确定性别计算得到的,通过将第一性别结果和第二性别结果的加权和与针对单一确定性别的阈值比较,来判断用户是否属于该单一确定性别,可以简化性别识别过程的计算复杂度,节约计算资源,降低实施成本,同时提高了业务服务的安全性。
在另一个示例性的实施例中,数据集合含有分别针对不同性别的用户收集的历史交互行为数据,第一性别结果包括分别根据交互行为数据与不同用户的历史交互行为数据之间的相关性所确定的子性别结果。
也即是说,数据集合中含有多个用户对应的历史交互行为数据,并且第一性别结果中包括客户端中进行用户交互的用户性别分别与数据集合中各个用户性别的相关性。
如图7所示,在一示例性的实施例中,根据第一性别结果和第二性别结果来确定客户端中进行用户交互的用户性别,可以包括如下步骤:
步骤701,分别计算各个子性别结果与第二性别结果的加权和,并根据数据集合确定加权和大于预设的第二阈值的用户性别。其中,各个子性别结果与第二性别结果的加权和的计算方式,与图6所示实施例中计算第一性别结果与第二性别结果的加权和相同。
在一个实施例中,对于各个子性别结果与第二性别结果的所有加权和都采用相同的第二阈值进行判断。举例来说,数据集合含有针对两个男性用户 A、B和两个女性用户C、D收集的历史交互行为数据,则第一性别结果包括四个子性别结果,各个子性别结果与第二性别结果计算得到四个加权和,其中,与A计算得到的加权和为70%,与B计算得到的加权和为80%,与C 计算得到的加权和为30%,与D计算得到的加权和为60%。如果对于所有的加权和设置了相同的第二阈值为50%,则确定加权和大于第二阈值的用户性别为两个男性和一个女性。
在另一个实施例中,对于各个子性别结果与第二性别结果的各个加权和也可以采用不同的第二阈值,或者针对不同性别采用不同的第二阈值,本处不进行限制。
步骤703,将数量较多的加权和大于预设的第二阈值的用户性别确定为客户端中进行用户交互的用户性别。
其中,如果大于预设的第二阈值的用户性别的加权和数量较多,则表示客户端中进行用户交互的用户性别为此数据较多的用户性别的可能性越大,从而将此用户性别确定为客户端中当前进行用户交互的用户性别。
仍以上述举例进行说明,确定加权和大于第二阈值的用户性别为两个男性和一个女性,此时则确定客户端中进行用户交互的用户性别为男性。
在一个实施例中,大于预设的第二阈值的加权和的男性用户和女性用户的数量可能相同。在此情况下,可以将大于预设的第二阈值的加权和针对不同性别分别求和,将求和结果较大的性别确定为用户性别。例如,如果计算的得到两个对应于男性的加权和为70%和80%,两个对应于女性的加权和为 60%和60%,则可以将这四个加权和针对不用性别求和,得到对应于男性的求和结果为150%。和对应于女性的求和结果为120%,由此将客户端中进行用户交互的用户性别确定为男性。
可见,在本实施例中,通过计算当前用户的交互行为数据与多个用户的历史交互行为数据之间的相关系数来得到多个子性别结果,并结合多个子性别结果和第二性别结果来确定用户性别,可以降低由于用户的个体差异造成的当前用户的交互行为数据与历史交互行为数据之间的差异性,提高性别识别结果的准确性。
图8是根据一示例实施例示出的一种用户性别识别装置的框图。如图8 所示,该用户性别识别装置包括交互数据获取模块810、性别结果确定模块 830和用户性别确定模块850。
交互数据获取模块810用于获取客户端所进行用户交互过程中的交互数据,并且交互数据包括交互行为数据和交互时间数据。
性别结果确定模块830用于通过计算交互行为数据与预先收集的数据集合之间的相关性,确定交互行为数据所反映的第一性别结果,其中数据集合含有针对确定性别的用户所收集的历史交互行为数据,以及通过对交互时间数据进行性别分析,得到交互时间数据所反映的第二性别结果。
用户性别确定模块850用于根据第一性别结果和第二性别结果,确定客户端中进行用户交互的用户性别。
在另一示例性的实施例中,性别结果确定模块830包括归一化单元和相关性系数计算单元和第一性别结果获取单元。
归一化单元用于根据预设的性别数据标准对交互行为数据进行归一化处理,获得第一标准数据,其中性别数据标准用于描述对交互行为数据进行归一化处理的处理标准。
相关性系数计算单元用于分别计算第一标准数据与确定性别的用户对应的第二标准数据之间斯皮尔曼相关性系数和皮尔森相关性系数,其中第二标准数据是按照确定性别对应的性别数据标准,对历史交互行为数据进行归一化处理所得到的。
第一性别结果获取单元用于通过计算斯皮尔曼相关性系数和皮尔森相关性系数的加权和,获得第一性别结果。
在另一示例性的实施例中,归一化单元包括数据标准确定子单元和归一化子单元。
数据标准确定子单元用于根据客户端中所触发启用数据业务的业务类型,确定与业务类型相匹配的性别数据标准。
归一化子单元用于根据所确定性别数据标准所描述的处理标准,对交互行为数据进行归一化处理,获得第一标准数据。
在另一示例性的实施例中,性别确定模块830包括时域特征提取单元、时域特征输入单元和第二性别结果获取单元。
时域特征提取单元用于根据交互时间数据提取用户交互过程中的时域特征,其中时域特征包括周期性、变化率、加速度中的至少一种。
时域特征输入单元用于将时域特征输入至预设的性别确定模型,使性别确定模型根据时域特征预测客户端中进行用户交互的用户性别,获得第二性别结果。
第二性别结果获取单元用于获取性别确定模型输出的第二性别结果。
在另一示例性的实施例中,数据集合含有的历史交互行为数据对应于单一确定性别,第一性别结果描述了客户端中进行用户交互的用户性别对应为单一确定性别的概率;用户性别确定模块850包括第一加权和计算单元以及第一性别判断单元。
第一加权和计算单元用于计算第一性别结果和第二性别结果的加权和。
第一性别判断单元用于在加权和对应的数值在第一阈值以上时,则确定用户性别与单一确定性别相同,其中,第一阈值是预先针对单一确定性别的用户设置的。
在另一示例性的实施例中,第一性别判断单元还用于当加权和对应的数值在第一阈值以下时,控制客户端进行风险应对。
在另一示例性的实施例中,数据集合含有分别针对不同性别的用户收集的历史交互行为数据,第一性别结果包括分别根据交互行为数据与不同用户的历史交互行为数据之间的相关性所确定的子性别结果;用户性别确定模块 850包括第二加权和计算单元以及第二性别判断单元。
第二加权和计算单元用于分别计算各个子性别结果与第二性别结果的加权和,并根据数据集合确定加权和大于预设的第二阈值的用户性别。
第二性别判断单元用于将数量较多的加权和大于预设的第二阈值的用户性别确定为客户端中进行用户交互的用户性别。
需要说明的是,上述实施例所提供的装置与上述实施例所提供的方法属于同一构思,其中各个模块执行操作的具体方式已经在方法实施例中进行了详细描述,此处不再赘述。
在另一示例性实施例中,本申请还提供一种电子设备,包括:处理器;及存储器,其中,存储器上存储有计算机可读指令,该计算机可读指令被处理器执行时实现上述各实施例中的用户性别识别方法。
图9是根据一示例性实施例示出的一种电子设备的硬件结构示意图。
需要说明的是,该设备只是一个适配于本申请的示例,不能认为是提供了对本申请的使用范围的任何限制。该设备也不能解释为需要依赖于或者必须具有图9中示出的示例性的电子设备中的一个或者多个组件。
该设备的硬件结构可因配置或者性能的不同而产生较大的差异,如图9 所示,该设备包括:电源1100、接口1300、至少一存储器1500、以及至少一中央处理器(CPU,CentralProcessing Units)1700。
其中,电源1100用于为该设备上的各硬件设备提供工作电压。
接口1300包括至少一有线或无线网络接口1310、至少一串并转换接口 1330、至少一输入输出接口1350以及至少一USB接口1370等,用于与外部设备通信。
存储器1500作为资源存储的载体,可以是只读存储器、随机存储器、磁盘或者光盘等,其上所存储的资源包括操作系统1510、应用程序1530或者数据1550等,存储方式可以是短暂存储或者永久存储。其中,操作系统1510 用于管理与控制该设备上的各硬件设备以及应用程序1530,以实现中央处理器1570对海量数据1550的计算与处理,其可以是WindowsServerTM、Mac OS XTM、UnixTM、LinuxTM等。应用程序1530是基于操作系统1510之上完成至少一项特定工作的计算机程序,其可以包括至少一模块,每个模块都可以分别包含有对该设备的一系列计算机可读指令。
中央处理器1570可以包括一个或多个以上的处理器,并设置为通过总线与存储器1500通信,用于运算与处理存储器1500中的海量数据1550。
如上面所详细描述的,适用本申请的电子设备将通过中央处理器1700 读取存储器1500中存储的一系列计算机可读指令的形式来完成如前所述的用户性别识别方法。
此外,通过硬件电路或者硬件电路结合软件指令也能同样实现本申请,因此,实现本申请并不限于任何特定硬件电路、软件以及两者的组合。
本申请在另一示例性实施例中,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,该计算机程序被处理器执行时实现上述各实施例中的用户性别识别方法。
上述内容,仅为本申请的较佳示例性实施例,并非用于限制本申请的实施方案,本领域普通技术人员根据本申请的主要构思和精神,可以十分方便地进行相应的变通或修改,故本申请的保护范围应以权利要求书所要求的保护范围为准。
Claims (10)
1.一种用户性别识别方法,其特征在于,包括:
获取客户端所进行用户交互过程中的交互数据,所述交互数据包括交互行为数据和交互时间数据;
通过计算所述交互行为数据与预先收集的数据集合之间的相关性,确定所述交互行为数据所反映的第一性别结果,所述数据集合含有针对确定性别的用户所收集的历史交互行为数据,以及通过对所述交互时间数据进行性别分析,得到所述交互时间数据所反映的第二性别结果;
根据所述第一性别结果和所述第二性别结果,确定所述客户端中进行用户交互的用户性别。
2.根据权利要求1所述的方法,其特征在于,所述通过计算所述交互行为数据与预先收集的数据集合之间的相关性,确定所述交互行为数据所反映的第一性别结果,包括:
根据预设的性别数据标准对所述交互行为数据进行归一化处理,获得第一标准数据,所述性别数据标准用于描述对所述交互行为数据进行归一化处理的处理标准;
分别计算所述第一标准数据与所述确定性别的用户对应的第二标准数据之间斯皮尔曼相关性系数和皮尔森相关性系数,所述第二标准数据是按照所述确定性别对应的性别数据标准,对所述历史交互行为数据进行所述归一化处理所得到的;
通过计算所述斯皮尔曼相关性系数和所述皮尔森相关性系数的加权和,获得所述第一性别结果。
3.根据权利要求2所述的方法,其特征在于,所述根据预设的性别数据标准对所述交互行为数据进行归一化处理,获得第一标准数据,包括:
根据所述客户端中所触发启用数据业务的业务类型,确定与所述业务类型相匹配的性别数据标准;
根据所确定性别数据标准所描述的处理标准,对所述交互行为数据进行归一化处理,获得所述第一标准数据。
4.根据权利要求1至3任一项所述的方法,其特征在于,所述通过对所述交互时间数据进行性别分析,得到所述交互时间数据所反映的第二性别结果,包括:
根据所述交互时间数据提取所述用户交互过程中的时域特征,所述时域特征包括周期性、变化率、加速度中的至少一种;
将所述时域特征输入至预设的性别确定模型,使所述性别确定模型根据所述时域特征预测所述客户端中进行用户交互的用户性别,获得所述第二性别结果;
获取所述性别确定模型输出的所述第二性别结果。
5.根据权利要求4所述的方法,其特征在于,所述数据集合含有的历史交互行为数据对应于单一确定性别,所述第一性别结果描述了所述客户端中进行用户交互的用户性别对应为所述单一确定性别的概率;
所述根据所述第一性别结果和所述第二性别结果,确定所述客户端中进行用户交互的用户性别,包括:
计算所述第一性别结果和所述第二性别结果的加权和;
如果所述加权和对应的数值在第一阈值以上,则确定所述用户性别与所述单一确定性别相同,其中,所述第一阈值是预先针对所述单一确定性别的用户设置的。
6.根据权利要求5所述的方法,其特征在于,所述单一确定性别的用户为所述客户端中的授权用户,所述方法还包括:
如果所述加权和对应的数值在所述第一阈值以下,则控制所述客户端进行风险应对。
7.根据权利要求4所述的方法,其特征在于,所述数据集合含有分别针对不同性别的用户收集的历史交互行为数据,所述第一性别结果包括分别根据所述交互行为数据与不同用户的历史交互行为数据之间的相关性所确定的子性别结果;
所述根据所述第一性别结果和所述第二性别结果,确定所述客户端中进行用户交互的用户性别,包括:
分别计算各个子性别结果与所述第二性别结果的加权和,并根据所述数据集合确定所述加权和大于预设的第二阈值的用户性别;
将数量较多的所述加权和大于预设的第二阈值的用户性别确定为所述客户端中进行用户交互的用户性别。
8.一种用户性别识别装置,其特征在于,包括:
交互数据获取模块,用于获取客户端所进行用户交互过程中的交互数据,所述交互数据包括交互行为数据和交互时间数据;
性别结果确定模块,用于通过计算所述交互行为数据与预先收集的数据集合之间的相关性,确定所述交互行为数据所反映的第一性别结果,所述数据集合含有针对确定性别的用户所收集的历史交互行为数据,以及用于通过对所述交互时间数据进行性别分析,得到所述交互时间数据所反映的第二性别结果;
用户性别确定模块,用于根据所述第一性别结果和所述第二性别结果,确定所述客户端中进行用户交互的用户性别。
9.一种电子设备,其特征在于,所述电子设备包括:
处理器;
存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序指令,当所述计算机程序指令被计算机执行时,使计算机执行如权利要求1至7中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010138805.8A CN111488519A (zh) | 2020-03-02 | 2020-03-02 | 用户性别识别的方法、装置、电子设备及存储介质 |
PCT/CN2021/070935 WO2021175010A1 (zh) | 2020-03-02 | 2021-01-08 | 用户性别识别的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010138805.8A CN111488519A (zh) | 2020-03-02 | 2020-03-02 | 用户性别识别的方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111488519A true CN111488519A (zh) | 2020-08-04 |
Family
ID=71797685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010138805.8A Pending CN111488519A (zh) | 2020-03-02 | 2020-03-02 | 用户性别识别的方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111488519A (zh) |
WO (1) | WO2021175010A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021175010A1 (zh) * | 2020-03-02 | 2021-09-10 | 深圳壹账通智能科技有限公司 | 用户性别识别的方法、装置、电子设备及存储介质 |
CN113486946A (zh) * | 2021-07-01 | 2021-10-08 | 有米科技股份有限公司 | 基于图像数据的服装商品性别分类方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020155A (zh) * | 2017-12-06 | 2019-07-16 | 广东欧珀移动通信有限公司 | 用户性别识别方法及装置 |
CN110569347A (zh) * | 2019-09-10 | 2019-12-13 | 出门问问信息科技有限公司 | 一种数据处理方法、装置、存储介质和电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530540B (zh) * | 2013-09-27 | 2017-02-22 | 西安交通大学 | 基于人机交互行为特征的用户身份属性检测方法 |
CN106656943B (zh) * | 2015-11-03 | 2019-09-17 | 秒针信息技术有限公司 | 一种网络用户属性的匹配方法及装置 |
CN111488519A (zh) * | 2020-03-02 | 2020-08-04 | 深圳壹账通智能科技有限公司 | 用户性别识别的方法、装置、电子设备及存储介质 |
-
2020
- 2020-03-02 CN CN202010138805.8A patent/CN111488519A/zh active Pending
-
2021
- 2021-01-08 WO PCT/CN2021/070935 patent/WO2021175010A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110020155A (zh) * | 2017-12-06 | 2019-07-16 | 广东欧珀移动通信有限公司 | 用户性别识别方法及装置 |
CN110569347A (zh) * | 2019-09-10 | 2019-12-13 | 出门问问信息科技有限公司 | 一种数据处理方法、装置、存储介质和电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021175010A1 (zh) * | 2020-03-02 | 2021-09-10 | 深圳壹账通智能科技有限公司 | 用户性别识别的方法、装置、电子设备及存储介质 |
CN113486946A (zh) * | 2021-07-01 | 2021-10-08 | 有米科技股份有限公司 | 基于图像数据的服装商品性别分类方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2021175010A1 (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110348362B (zh) | 标签生成、视频处理方法、装置、电子设备及存储介质 | |
CN108664914B (zh) | 人脸检索方法、装置及服务器 | |
US20230297849A1 (en) | Federated learning method and device, and storage medium | |
CN111405030B (zh) | 一种消息推送方法、装置、电子设备和存储介质 | |
US20110117537A1 (en) | Usage estimation device | |
CN108182633B (zh) | 贷款数据处理方法、装置、计算机设备和存储介质 | |
WO2021175010A1 (zh) | 用户性别识别的方法、装置、电子设备及存储介质 | |
CN115271931A (zh) | 一种信用卡产品的推荐方法、装置、电子设备和介质 | |
CN110991433A (zh) | 人脸识别方法、装置、设备及存储介质 | |
CN113988225A (zh) | 建立表征提取模型、表征提取、类型识别的方法和装置 | |
CN115730125A (zh) | 对象识别方法、装置、计算机设备和存储介质 | |
CN113128526A (zh) | 图像识别方法、装置、电子设备和计算机可读存储介质 | |
CN112764923B (zh) | 计算资源分配方法、装置、计算机设备及存储介质 | |
CN112230815B (zh) | 智能求助方法、装置、设备及存储介质 | |
CN112084408B (zh) | 名单数据筛选方法、装置、计算机设备及存储介质 | |
CN113780318B (zh) | 用于生成提示信息的方法、装置、服务器和介质 | |
CN111078984B (zh) | 网络模型发布方法、装置、计算机设备和存储介质 | |
CN114282940A (zh) | 用于意图识别的方法及装置、存储介质及电子设备 | |
CN113642519A (zh) | 一种人脸识别系统和人脸识别方法 | |
CN114840328A (zh) | 人脸识别方法、装置、电子设备以及存储介质 | |
CN112989295A (zh) | 用户识别的方法和装置 | |
CN114548831B (zh) | 一种评价报告的生成方法、装置、电子设备及存储介质 | |
CN116911304B (zh) | 一种文本推荐方法及装置 | |
KR102501056B1 (ko) | 뉴럴 네트워크를 이용한 상담 가이드 정보 제공 방법 및 장치 | |
CN118093885B (zh) | 一种数据处理方法、装置及设备、介质、产品 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200804 |