CN113505891A - 年龄信息的确定方法及装置、信息推送方法及装置 - Google Patents
年龄信息的确定方法及装置、信息推送方法及装置 Download PDFInfo
- Publication number
- CN113505891A CN113505891A CN202111053026.9A CN202111053026A CN113505891A CN 113505891 A CN113505891 A CN 113505891A CN 202111053026 A CN202111053026 A CN 202111053026A CN 113505891 A CN113505891 A CN 113505891A
- Authority
- CN
- China
- Prior art keywords
- age
- inferred
- user
- information
- ages
- 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 69
- 238000012549 training Methods 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 5
- 230000010365 information processing Effects 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 27
- 238000010801 machine learning Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/041—Abduction
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种年龄信息的确定方法及装置、信息推送方法及装置。年龄信息的确定方法,包括:获取用户的推断年龄信息;所述推断年龄信息中包括:通过所述用户的至少两种用户信息所确定出的至少两个推断年龄;每个推断年龄通过一种用户信息确定;根据所述至少两个推断年龄确定所述用户的最终推断年龄。该确定方法用以提高年龄推断的准确性。
Description
技术领域
本申请涉及人工智能技术领域,具体而言,涉及一种年龄信息的确定方法及装置、信息推送方法及装置。
背景技术
目前,在社交网络中,年龄信息是一项重要的用户信息,年龄信息在很多应用场景下具有应用性。在注册社交平台时,一些用户会主动的提供年龄信息;而有一些用户不会主动的提供年龄信息。在没有年龄信息的情况下,便需要对用户的年龄进行推断。
现有技术中,采用较为单一的用户信息进行年龄信息推断,导致年龄信息推断的准确性不高。
发明内容
本申请实施例的目的在于提供一种年龄信息的确定方法及装置、信息推送方法及装置,用以提高年龄推断的准确性;以及提高信息推送的精准性。
第一方面,本申请实施例提供一种年龄信息的确定方法,包括:获取用户的推断年龄信息;所述推断年龄信息中包括:通过所述用户的至少两种用户信息所确定出的至少两个推断年龄;每个推断年龄通过一种用户信息确定;根据所述至少两个推断年龄确定所述用户的最终推断年龄。
在本申请实施例中,与现有技术相比,利用用户的推断年龄信息对用户年龄进行推断;在用户的推断年龄信息中,包括:通过用户的至少两种用户信息所确定出的至少两个推断年龄。通过这种方式,用户的最终推断年龄与用户的至少两种用户信息关联,能够保证最终推断年龄的准确性,进而提高年龄推断的准确性。并且,先根据每种用户信息确定出对应的推断年龄,再根据对应的推断年龄确定出最终的推断年龄;相较于直接基于多种用户信息确定出对应的推断年龄,其实现更为灵活;例如:可以将推断年龄输入预测模型中,确定最终的推断年龄;也可以基于预设的最终推断年龄与多个推断年龄之间的对应关系,确定最终的推断年龄;灵活性较高。
作为一种可能的实现方式,所述至少两种用户信息为:用户的社交平台信息、用户关系信息、用户在社交平台的行为信息、用户在社交平台中发布的内容信息中的至少两种信息。
在本申请实施例中,通过用户的社交平台信息、用户关系信息、用户在社交平台的行为信息、用户在社交平台中发布的内容信息中的至少两种信息,能够确定出与不同的用户信息关联的推断年龄,通过用户的多个相关信息来从多维度推断用户的年龄,从而根据从多维度推断出的用户的年龄来确定用户的最终年龄,提高用户年龄推断的可靠性和准确性。
作为一种可能的实现方式,所述根据所述至少两个推断年龄确定所述用户的最终推断年龄,包括:将所述至少两个推断年龄输入预先训练好的年龄推断模型中,获得所述年龄推断模型输出的最终推断年龄。
在本申请实施例中,通过将至少两个推断年龄输入预先训练好的年龄推断模型中,获得年龄推断模型输出的较为准确的最终推断年龄。
作为一种可能的实现方式,所述确定方法还包括:获取训练数据集;所述训练数据集中包括:多个训练样本,每个训练样本中包括:通过样本用户的至少两种用户信息所确定出的至少两个推断年龄和所述样本用户的实际年龄;将所述训练数据集输入到初始的年龄推断模型中,获得训练好的年龄推断模型。
在本申请实施例中,通过训练数据集,实现年龄推断模型的有效训练,进而最终训练好的年龄推断模型可以实现最终推断年龄的准确且有效的确定。
作为一种可能的实现方式,所述根据所述至少两个推断年龄确定所述用户的最终推断年龄,包括:若所述至少两个推断年龄中包括相同的推断年龄,根据所述相同的推断年龄确定所述用户的最终推断年龄。
在本申请实施例中,在确定最终推断年龄时,如果至少两个推断年龄中包括相同的推断年龄,则根据相同的推断年龄确定用户的最终推断年龄,实现最终推断年龄的简单且有效的确定。
作为一种可能的实现方式,所述推断年龄的数量大于2个;所述根据所述至少两个推断年龄确定所述用户的最终推断年龄,包括:若所述至少两个推断年龄为连续的年龄值,将所述至少两个推断年龄中的中间年龄确定为所述用户的最终推断年龄。
在本申请实施例中,如果推断年龄的数量大于2个,且推断年龄为连续的年龄值,则在确定最终的推断年龄时,将推断年龄中的中间年龄确定为用户的最终推断年龄,实现最终推断年龄的简单且有效的确定。
作为一种可能的实现方式,所述根据所述至少两个推断年龄确定所述用户的最终推断年龄,包括:若所述至少两个推断年龄为不连续的年龄值,根据所述至少两个推断年龄中,通过指定的用户信息所确定出的推断年龄确定所述用户的最终推断年龄。
在本申请实施例中,如果推断年龄为不连续的年龄值,则根据指定的用户信息所确定出的推断年龄确定用户的最终推断年龄,实现最终推断年龄的简单且有效的确定。
作为一种可能的实现方式,所述指定的用户信息为:用户在社交平台中发布的内容信息。
在本申请实施例中,通过将基于用户在社交平台中发布的内容信息所确定出的推断年龄确定为最终推断年龄,提高最终推断年龄的准确性。
第二方面,本申请实施例提供一种信息推送方法,包括:获取用户的推断年龄信息;所述推断年龄信息中包括:通过所述用户的至少两种用户信息所确定出的至少两个推断年龄;每个推断年龄通过一种用户信息确定;根据所述至少两个推断年龄确定所述用户的最终推断年龄;根据所述最终推断年龄向所述用户推送业务推荐信息。
在本申请实施例中,通过第一方面所提供的年龄信息的确定方法所确定的最终推断年龄的准确性较高,进而,可以实现更精准的业务推荐信息的推送。
第三方面,本申请实施例提供一种年龄信息的确定装置,包括:用于实现第一方面以及第一方面的任意一种可能的实现方式中所述的年龄信息的确定方法的各个功能模块。
第四方面,本申请实施例提供一种信息推送装置,包括:用于实现第二方面中所述的信息推送方法的各个功能模块。
第五方面,本申请实施例提供一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被计算机运行时,执行如第一方面以及第一方面的任意一种可能的实现方式中所述的年龄信息的确定方法或者执行第二方面中所述的信息推送方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的年龄信息的确定方法的流程图;
图2为本申请实施例提供的信息推送方法的流程图;
图3为本申请实施例提供的年龄信息的确定装置的结构示意图;
图4为本申请实施例提供的信息推送装置的结构示意图。
图标:300-年龄信息的确定装置;310-第一获取模块;320-第一处理模块;400-信息推送装置;410-第二获取模块;420-第二处理模块。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
本申请实施例所提供的年龄信息的确定方法可以应用于各类需要进行年龄推断的应用场景,例如:应用程序的推荐、公司业务的推荐等应用场景中。举例来说,假设当前需要进行应用程序的推荐,而该应用程序可能只有年轻人有需求,则,此时便可以根据用户的年龄进行针对性的推荐,避免无效和不准确的推荐。
进而,该年龄信息的确定方法可以应用于上述应用场景中的推荐平台,例如:应用程序的推荐平台、公司业务的推荐平台等。这些推荐平台通常具有本地的用户数据库,基于本地的用户数据库,可进行用户年龄的推断。
结合推荐平台,该年龄信息的确定方法可以应用于推荐平台的数据处理端,该数据处理端可以是:服务器或者前端。即,该年龄信息的确定方法对应的硬件运行环境可以是服务器、前端等,在本申请实施例中不作限定。
基于上述应用场景的介绍,接下来请参照图1,为本申请实施例提供的年龄信息的确定方法的流程图,该确定方法包括:
步骤110:获取用户的推断年龄信息。推断年龄信息中包括:通过用户的至少两种用户信息所确定出的至少两个推断年龄,每个推断年龄通过一种用户信息确定。
步骤120:根据至少两个推断年龄确定用户的最终推断年龄。
在本申请实施例中,与现有技术相比,利用用户的推断年龄信息对用户年龄进行推断;在用户的推断年龄信息中,包括:通过用户的至少两种用户信息所确定出的至少两个推断年龄。通过这种方式,用户的最终推断年龄与用户的至少两种用户信息关联,能够保证最终推断年龄的准确性,进而提高年龄推断的准确性。
并且,先根据每种用户信息确定出对应的推断年龄,再根据对应的推断年龄确定出最终的推断年龄;相较于直接基于多种用户信息确定出对应的推断年龄,其实现更为灵活;例如:可以将推断年龄输入预测模型中,确定最终的推断年龄;也可以基于预设的最终推断年龄与多个推断年龄之间的对应关系,确定最终的推断年龄;灵活性较高。
接下来对年龄信息的确定方法的详细实施方式进行介绍。
在步骤110中,用户的推断年龄信息中包括:通过用户的至少两种用户信息所确定出的至少两个推断年龄;每个推断年龄通过一种用户信息确定。可以理解,推断年龄的数量至少为两个,且每个推断年龄均是根据多种用户信息中的一种用户信息来确定。其中,每种用户信息对应的推断年龄的数量可以是一个,也可以是多个,在本申请实施例中不作限定。
作为一种可选的实施方式,用户信息包括:用户的社交平台信息、用户关系信息、用户在社交平台的行为信息、用户在社交平台中发布的内容信息。
其中,用户的社交平台信息可以包括:社交平台昵称和社交平台头像。用户关系信息可为:预设的用户关系链,其中包括不同维度的用户关系信息。
因此,在步骤110中的推断年龄,可以是根据上述各个用户信息中的至少两种用户信息所确定出的多个推断年龄。例如:推断年龄包括:根据用户的社交平台头像确定的推断年龄、根据社交平台昵称确定的推断年龄、根据预设的用户关系链确定的推断年龄、根据用户在社交平台中发布的内容信息确定的推断年龄。再例如:推断年龄包括:根据用户在社交平台中发布的内容信息确定的推断年龄、以及根据用户的社交平台头像、用户的社交平台昵称、预设的用户关系链、用户在社交平台的行为信息中的至少一种用户信息确定的推断年龄。
在本申请实施例中,通过用户的社交平台信息、用户关系信息、用户在社交平台的行为信息、用户在社交平台中发布的内容信息中的至少两种信息,能够确定出与不同的用户信息关联的推断年龄。
为了实现最终推断年龄的确定,需要分别基于各个用户信息确定出对应的推断年龄,各个用户信息对应的推断年龄可以预先确定且存储在数据库中,也可以是通过实时地获取对应的用户信息进行确定。接下来对基于不同的用户信息,确定对应的推断年龄的实施方式进行介绍。
用户的社交平台,包括:微信、QQ、微博等,在本申请实施例中不作限定。
用户的社交平台头像,通常可以反映用户的年龄,因此,基于社交平台头像,可以实现用户年龄的方便地推断。
作为一种可选的实施方式,在预设的用户数据库中,包括多个社交平台头像的类别,每个社交平台头像的类别对应有推断年龄区间或者推断年龄值。因此,针对一社交平台头像,可以先确定社交平台头像的类别,再根据类别对应的推断年龄区间或者推断年龄值,确定该社交平台头像对应的推断年龄。
其中,在每个社交平台头像的类别中,可以包括多个对应该类别的社交平台头像各自的编码簇,而每一社交平台头像的编码簇可以通过对该社交平台头像进行编码获得。对应的,在获取到用户的社交平台头像之后,也可以对其进行编码,获得对应的编码簇;然后将其与各个类别中的编码簇进行匹配,当匹配到对应的编码簇时,该匹配的编码簇对应的类别便为用户的社交平台头像所对应的社交平台头像的类别。
社交平台头像的类别,例如:动漫头像、风景头像、真人头像等,在本申请实施例中不作限定。
当然,除了基于编码簇确定社交平台头像对应的类别,也可以采用其他方式,比如:直接比较社交平台头像之间的图片相似度等,在本申请实施例中不作限定。
每个社交平台头像的类别对应的推断年龄区间或者推断年龄值,可以通过其他方式确定,例如:利用机器学习模型或者神经网络模型对不同类别的社交平台头像对应的推断年龄区间或者推断年龄值进行确定。或者,采用其他本领域成熟的确定方式,在本申请实施例中不作限定。
进一步地,如果社交平台头像的类别对应的是推断年龄区间,可以将推断年龄区间中的中间年龄值确定为社交平台头像对应的推断年龄,例如:推断年龄区间为15-20,则对应的推断年龄可以是17岁。如果社交平台头像的类别对应的是推断年龄,即,一具体年龄值,则可以将该推断年龄确定为社交平台头像对应的推断年龄。
用户的社交平台昵称,通常可以反映用户的年龄,基于用户的社交平台昵称,也可以实现用户年龄的方便地推断。
作为一种可选的实施方式,在预设的用户数据库中,包括多个社交平台昵称的类别,每个社交平台昵称的类别对应有一推断年龄区间或者一推断年龄值。在这种情况下,在推断一用户的年龄时,可以先确定该用户的社交平台昵称所在的类别,再根据与类别对应的推断年龄区间或者推断年龄值,确定该用户的推断年龄。
其中,在每个社交平台昵称的类别中,可以包括多个对应该类别的社交平台昵称各自的编码簇,而每一社交平台昵称的编码簇可以通过该社交平台昵称进行编码获得。对应的,在获取到用户的社交平台昵称之后,也可以先对其进行编码,获得对应的编码簇;然后将其与各个类别中的编码簇进行匹配,当匹配到对应的编码簇时,该匹配的编码簇对应的类别便为用户的社交平台昵称所对应的类别。
社交平台昵称的类别,例如:符号昵称、纯中文昵称、纯英文昵称、混合字符昵称等,在本申请实施例中不作限定。
当然,除了基于编码簇确定社交平台昵称对应的类别,也可以采用其他方式,比如:直接比较社交平台昵称之间的字符相似度等,在本申请实施例中不作限定。
每个社交平台昵称的类别对应的推断年龄区间或者推断年龄值,可以通过其他方式确定,例如:利用机器学习模型或者神经网络模型对不同类别的社交平台昵称对应的推断年龄区间或者推断年龄值进行确定。或者,采用其他本领域成熟的确定方式,在本申请实施例中不作限定。
进一步地,如果社交平台昵称的类别对应的是推断年龄区间,可以将推断年龄区间中的中间年龄值确定为社交平台昵称对应的推断年龄,例如:若推断年龄区间为15-20,则对应的推断年龄可以是17岁。如果社交平台昵称的类别对应的是推断年龄,即,一具体年龄值,则将该推断年龄确定为社交平台昵称对应的推断年龄。
预设的用户关系链,其中包括不同维度的用户关系信息。作为一种可选的实施方式,不同维度的用户关系信息包括:分享维度的用户关系信息、浏览维度的用户关系信息和捐款维度的用户关系信息。
该不同维度的用户关系信息的构建方式可以采用本领域的现有技术实现,具体的,可以采用专利申请号为:202110377207.0的该专利申请中记载的用户关系链的构建方法。
结合该专利申请的记载可知,在不同维度的用户关系信息中,除了包括用户与用户在对应维度下的关系信息,作为一种可选的实施方式,基于用户关系链确定推断年龄的过程包括:基于该关系信息,先确定出用户与用户的关联好友之间的相似度;其中,用户的关联好友包括用户的全部一度好友、或者用户的指定一度好友、或者用户的全部一度好友和全部二度好友等;且该关联好友具有相应的年龄信息,即关联好友已知年龄。然后基于用户与用户的关联好友之间的相似度和关联好友的年龄信息确定用户的推断年龄。
在确定用户与用户的关联好友之间的相似度时,可以先确定用户与用户的关联好友在不同维度下的相似度。
其中,分享维度下的相似度可以利用用户与其关联好友之间的分享次数确定。作为一种可选的实施方式:预设不同的分享次数分别对应的相似度值,在基于分享维度的关系信息确定用户与其关联好友之间的分享次数之后,根据分享次数对应的相似度值确定用户与其关联好友之间的相似度值。
不同的分享次数分别对应的相似度值,可以通过对预设的用户关系链确定。作为一种可选的实施方式,先确定出预设的用户关系链中具有年龄信息的用户,然后将具有分享关系的用户的年龄进行比较,根据年龄的比较结果确定出具有分享关系的用户之间的相似度,然后再根据具有分享关系的用户之间的分享次数与对应的相似度生成上述的对应关系。
其中,年龄的比较结果与相似度的关系可以是:如果年龄的差异值为在第一预设范围内,则对应的相似度为第一相似度;如果年龄的差异值在第二预设范围内,则对应的相似度为第二相似度。例如:如果年龄的差异值在1-5岁内,则对应的相似度值为90-100。
同样的,浏览维度下的相似度可以利用用户与其关联好友之间的浏览次数确定。作为一种可选的实施方式:预设不同的浏览次数分别对应的相似度值,在基于浏览维度的关系信息确定用户与其关联好友之间的浏览次数之后,根据浏览次数对应的相似度值确定用户与其关联好友之间的相似度值。
不同的浏览次数分别对应的相似度值,可以通过对预设的用户关系链确定。作为一种可选的实施方式,先确定出预设的用户关系链中具有年龄信息的用户,然后将具有浏览关系的用户的年龄进行比较,根据年龄的比较结果确定出具有浏览关系的用户之间的相似度,然后再根据具有浏览关系的用户之间的浏览次数与对应的相似度生成上述的对应关系。
其中,年龄的比较结果与相似度的关系可以是:如果年龄的差异值为在第一预设范围内,则对应的相似度为第一相似度;如果年龄的差异值在第二预设范围内,则对应的相似度为第二相似度。例如:如果年龄的差异值在1-5岁内,则对应的相似度值为90-100。
对于捐款维度,可以利用用户与其关联好友之间的捐款总金额确定相似度。作为一种可选的实施方式,预设最低捐款总金额与最低捐款总金额对应的相似度,例如:最低捐款总金额为10,其对应的相似度值为10;以及预设捐款总金额的增加值与捐款总金额的增加值对应的相似度增加值,例如:捐款总金额每增加100,相似度值增加1。进而,结合预设的两种对应关系,将用户与其关联好友之间的捐款总金额与最低捐款总金额进行比较,确定出对应的捐款总金额增加值,然后利用捐款总金额增加值对应的相似度增加值确定对应的相似度。例如:某关联好友的捐款总金额为1000,则相似度值增加:(1000-10)/100*5=49.5。
需要注意的是,相似度的增加值需要设定一个上限,当确定出的相似度增加值超过该上限值时,最终的相似度增加值将为该上限值。例如:相似度的增加值上限可以为:85,即最高相似度只能到95。
上述各种实施方式中的各种预设对应关系,均可以结合实际的应用场景进行灵活的设置,在本申请实施例中不作限定。
在确定用户与其关联好友之间的相似度之后,作为一种可选的实施方式,结合相似度和关联好友的年龄信息确定用户的推断年龄,包括:预设不同的相似度对应的年龄差异值;例如:相似度为90的情况下,年龄差异值为3岁;根据用户与其关联好友之间的相似度和预设的对应关系确定用户与其关联好友之间的差异;然后结合年龄差异,可确定出多个年龄。针对一个关联好友,用户可确定出至少两个年龄,例如:用户与关联好友一的相似度为90,对应的年龄差异为三岁,关联好友为25岁,则用户可能为22岁或者28岁。在基于多个关联好友分别确定出多个年龄之后,可结合多个年龄确定出用户的推断年龄。
作为一种可选的实施方式,结合多个年龄,计算多个年龄的平均值并取整,将取整后的年龄值作为用户的推断年龄。
作为另一种可选的实施方式,结合多个年龄,将多个年龄中出现频次大于预设频次的多个年龄的平均值(同样进行取整操作)确定为用户的推断年龄。
作为又一种可选的实施方式,结合多个年龄,将多个年龄中对应的相似度值大于预设相似度值的多个年龄的平均值(同样进行取整操作)确定为用户的推断年龄。
除了上述三种实施方式,也可采用其他可选的实施方式,在本申请实施例中不作限定。
用户在社交平台的行为信息,通常可以反映用户的年龄,基于用户在社交平台的行为信息,也可以实现用户年龄的方便地推断。
作为一种可选的实施方式,在预设的用户数据库中,包括多种预设行为信息,每种预设行为信息对应有推断年龄区间或者推断年龄值。进而,先确定用户的行为信息对应的预设行为信息,再根据对应的预设行为信息对应的推断年龄区间或者推断年龄值,确定用户的行为信息对应的推断年龄。
预设行为信息,例如:玩游戏、聊天、发送表情包等,在本申请实施例中不作限定。
每个预设行为信息对应的推断年龄区间或者推断年龄值,可以通过其他方式确定,例如:利用机器学习模型或者神经网络模型对不同的预设行为信息对应的推断年龄区间或者推断年龄值进行确定。或者,采用其他本领域成熟的确定方式,在本申请实施例中不作限定。
在进行预设行为信息与用户的行为信息的匹配时,可以比对行为信息的一致性,比如:两个行为信息中均包括聊天,则比对具体的聊天次数、聊天时间、聊天对象等,如果相似度大于预设的相似度,则两个行为信息匹配;如果相似度小于或者等于预设的相似度,则两个行为信息不匹配。预设的相似度可以结合不同的行为信息进行设置,在本申请实施例中不作限定。
进一步地,如果预设行为信息对应的是推断年龄区间,可以将推断年龄区间中的中间年龄值确定为用户的行为信息对应的推断年龄,例如:推断年龄区间为15-20,则对应的推断年龄可以是17岁。如果预设行为信息对应的是推断年龄,则将该推断年龄确定为用户的行为信息对应的推断年龄。
用户在社交平台中发布的内容信息,包括:朋友圈、个性签名、投票等,通常也可以反映用户的年龄。以个性签名为例,年龄较大的用户通常会发布内容比较简单的个性签名。以朋友圈为例,较年轻的用户通常会发自拍照、美食照等。因此,基于用户在社交平台中发布的内容,也可以确定出对应的推断年龄。
作为一种可选的实施方式,在预设的用户数据库中,包括多种预设发布内容信息,每种预设发布内容信息对应有推断年龄区间或者推断年龄值。进而,先确定用户在社交平台中发布的内容信息对应的预设发布内容信息,再根据对应的预设发布内容信息对应的推断年龄区间或者推断年龄值,确定用户在社交平台中发布的内容信息对应的推断年龄区间或者推断年龄值。
每个预设发布内容信息对应的推断年龄区间或者推断年龄值,可以通过其他方式确定,例如:利用机器学习模型或者神经网络模型对不同的预设发布内容信息对应的推断年龄区间或者推断年龄值进行确定。或者,采用其他本领域成熟的确定方式,在本申请实施例中不作限定。
在进行预设发布内容信息与用户发布的内容信息的匹配时,可以确定内容信息的相似度,比如:两个发布内容均为朋友圈的照片,则比对照片的相似度;再比如:两个发布内容均为个性签名,则比对个性签名的字数的差异、和具体的内容的相似度,然后结合字数的差异和具体的内容的差异度确定个性签名的相似度。基于确定出的相似度,如果相似度大于预设的阈值,则确定两者匹配。其中,照片的相似度的确定方式、内容的相似度的确定方式等,采用本领域成熟的技术手段即可,在本申请实施例中不作详细介绍。
进一步地,如果预设发布内容信息对应的是推断年龄区间,可以将推断年龄区间中的中间年龄值确定为用户在社交平台中发布的内容信息对应的推断年龄,例如:推断年龄区间为15-20,则对应的推断年龄可以是17岁。如果预设发布内容信息对应的是推断年龄,则将该推断年龄确定为用户在社交平台中发布的内容信息对应的推断年龄。
除了上述实施例中涉及到的用户信息,在实际应用时,也可以应用更多的用户信息分别确定推断年龄,例如:用户的社交平台好友数量、用户的社交平台的使用年限等,在本申请实施例中不作限定,进而用于步骤120中确定最终推断年龄。
可以理解,上述根据每种用户信息所确定出的推断年龄,可以是一个推断年龄,也可以是多个推断年龄,因此,步骤110中的推断年龄信息中包括至少两个推断年龄。
在步骤120中,根据至少两个推断年龄确定用户的最终推断年龄。
作为第一种可选的实施方式,步骤120包括:将至少两个推断年龄输入预先训练好的年龄推断模型中,获得年龄推断模型输出的最终推断年龄。
在这种实施方式中,通过将至少两个推断年龄输入预先训练好的年龄推断模型中,获得年龄推断模型输出的较为准确的最终推断年龄。
作为一种可选的实施方式,年龄推断模型的训练过程包括:获取训练数据集;训练数据集中包括:多个训练样本,每个训练样本中包括:通过样本用户的至少两种用户信息所确定出的至少两个推断年龄和样本用户的实际年龄;将训练数据集输入到初始的年龄推断模型中,获得训练好的年龄推断模型。
在这种实施方式中,通过训练数据集,实现年龄推断模型的有效训练,进而最终训练好的年龄推断模型可以实现最终推断年龄的准确且有效的确定。
其中,训练样本中的样本用户对应的至少两个推断年龄,可以采用前述实施例中的实施方式进行确定,在此不再重复介绍。对于样本用户的实际年龄,可以通过样本用户本身具有的年龄信息确定。
在对年龄推断模型进行训练时,可以采用能够提高年龄推断模型的精度的各种方法来提高年龄推断模型的精度,例如:多次训练、提高样本数量等方法。
在年龄推断模型训练好之后,还可以利用测试数据集对模型的精度进行测试,如果精度达到预设的精度要求,则无需再进行训练;如果精度未达到预设的精度要求,则可以再次进行训练,直至达到预设的精度要求。
在本申请实施例中,年龄推断模型可以是:机器学习模型、深度学习网络模型等。
基于训练好的年龄推断模型,将至少两个推断年龄输入其中,年龄推断模型便可以输出对应的最终推断年龄。
除了基于年龄推断模型确定最终推断年龄,还可以利用预设的年龄确定规则确定最终推断年龄。
作为第二种可选的实施方式,若至少两个推断年龄中包括相同的推断年龄,根据相同的推断年龄确定用户的最终推断年龄。
在这种实施方式中,如果至少两个推断年龄中包括相同的推断年龄,则根据相同的推断年龄确定用户的最终推断年龄,实现最终推断年龄的简单且有效的确定。
其中,相同的推断年龄可能只有一个,也可能有多个。如果相同的推断年龄仅有一个,则直接将该一个推断年龄确定为用户的最终推断年龄。
举例来说,如果步骤110中的推断年龄信息中总共包括四个年龄值,分别为:15,15,20和25,其中的相同推断年龄为15岁,则最终的推断年龄为15。
如果相同的推断年龄为2个,则可以将2个相同的推断年龄所构成的年龄区间中的中间年龄确定为用户的最终推断年龄。
举例来说,如果步骤110中的推断年龄信息中总共包括四个年龄值,分别为:15,15,20和20,其中的相同推断年龄为15岁和20岁,则最终的推断年龄可以为17岁。
如果相同的推断年龄的数量大于2个,则可以将2个以上的相同的推断年龄中的中间年龄确定为用户的最终推断年龄。
举例来说,如果步骤110中的推断年龄信息中总共包括六个年龄值,分别为:15,15,20,20,25,25,其中的相同推断年龄为15岁,20岁和25岁,则最终的推断年龄可以是20岁。
作为第三种可选的实施方式,在推断年龄的数量大于2个的情况下,若推断年龄为连续的年龄值,将推断年龄中的中间年龄确定为用户的最终推断年龄。
在本申请实施例中,连续的年龄值指的是,多个年龄值中没有相同的年龄值,且多个年龄值的大小关系为:从高到低,或者从低到高。
举例来说,如果步骤110中的推断年龄信息中总共包括四个年龄值,分别为:15,16,17和18,其中间年龄为16和17,则最终的推断年龄可以是16或者17。如果步骤110中的推断年龄信息中总共包括三个年龄值,分别为:15,16,17,其中间年龄为16,则最终的推断年龄为16。
在本申请实施例中,如果推断年龄的数量大于2个,且推断年龄为连续的年龄值,则在确定最终的推断年龄时,将推断年龄中的中间年龄确定为用户的最终推断年龄,实现最终推断年龄的简单且有效的确定。
作为第四种可选的实施方式,在推断年龄的数量为2个的情况下,且推断年龄为连续的年龄值,则可以将2个相同的推断年龄所构成的年龄区间中的中间年龄确定为用户的最终推断年龄。
举例来说,如果步骤110中的推断年龄信息中总共包括2个年龄值,分别为:15,20,这两个年龄值对应的年龄区间为:15-20,则其中间年龄为17,因此,最终的推断年龄可以为17。
作为第五种可选的实施方式,若至少两个推断年龄为不连续的年龄值,根据至少两个推断年龄中,通过指定的用户信息所确定出的推断年龄确定用户的最终推断年龄。
在本申请实施例中,不连续的年龄值指的是,多个年龄值中没有相同的年龄值,且多个年龄值的没有固定的大小关系,例如:第二个年龄值大于第一个年龄值,第三个年龄值小于第二个年龄值。
在这种实施方式中,如果推断年龄为不连续的年龄值,则根据指定的用户信息所确定出的推断年龄确定用户的最终推断年龄,实现最终推断年龄的简单且有效的确定。
其中,指定的用户信息可以是前述实施例中介绍的用户在社交平台中发布的内容信息;也可以是其他的用户信息,在本申请实施例中不作限定。
如果指定的用户信息所确定出的推断年龄的数量为一个,则直接将该一个推断年龄确定为用户的最终推断年龄;如果指定的用户信息所确定出的推断年龄的数量为多个,则可以按照前述第二-四种实施方式确定出这多个推断年龄中的一个推断年龄,然后将该一个推断年龄确定为最终的推断年龄。
举例来说,如果步骤110中确定出的推断年龄总共包括三个年龄值,为:15,10和20,其中,15为基于指定的用户信息所确定的推断年龄,则用户的最终推断年龄为15。
如果步骤110中确定出的推断年龄总共包括四个年龄值,为:15,10,20和19,其中,15和19为基于指定的用户信息所确定的推断年龄,则用户的最终推断年龄可以是15和19所构成的年龄区间的中间年龄,即17为最终的推断年龄。
上述介绍的步骤120的第二-第五种实施方式,只是可选的几种规则,在实际应用时,也可以结合实际的应用场景选择其他的确定规则确定最终的推断年龄,在本申请实施例中不作一一介绍。
在本申请实施例中,基于年龄信息的确定方法,还可以实现信息的推送,请参照图2,本申请实施例还提供一种信息推送方法,该信息推送方法可以应用于前述实施例中介绍的各类推荐平台,该方法包括:
步骤210:获取用户的推断年龄信息。推断年龄信息中包括:通过用户的至少两种用户信息所确定出的至少两个推断年龄;每个推断年龄通过一种用户信息确定。
步骤220:根据至少两个推断年龄确定用户的最终推断年龄。
步骤230:根据最终推断年龄向用户推送业务推荐信息。
其中,步骤210和步骤220的实施方式分别参照步骤110和步骤120的实施方式,在此不再重复介绍。
结合前述年龄信息的确定方法的介绍可知,基于通过前述的年龄信息的确定方法所确定的最终推断年龄进行业务推荐信息的推送,在最终推断年龄的准确度提高的基础上,可以实现更精准的业务推荐信息的推送。
作为一种可选的实施方式,步骤230包括:根据最终推断年龄判断是否需要向用户推送业务推荐信息,若需要,则向用户推送业务推荐信息;若不需要,则不向用户推送业务推荐信息。
其中,结合不同的应用场景,业务推荐信息也可以对应不同,例如:在保险业务场景中,业务推荐信息为保险信息;在教育业务场景中,业务推荐信息为教育培训信息等。
举例来说,需要推送保险信息的用户对应有一个年龄阈值,在该年龄阈值以下的用户,可以为其推送保险信息;在该年龄阈值以上的用户,不为其推送保险信息,以规避由于推送保险信息可能带来的风险。因此,在步骤230中,判断最终推断年龄是否在该年龄阈值以下,如果在,则为其推送保险信息;如果不在,则不为其推送保险信息。
在本申请实施例中,除了业务推荐信息的推送这种应用方式,用户的最终推断年龄还可以具有更多的应用方式,例如:作为待推断用户的年龄信息,实现其他用户(待推断用户的关联好友)的年龄推断;以及其他行业的推荐信息的推送等,在本申请实施例中不进行一一举例。
基于同一发明构思,请参照图3,本申请实施例中还提供年龄信息的确定装置300,包括:第一获取模块310和第一处理模块320。
第一获取模块310,用于:获取用户的推断年龄信息;所述推断年龄信息中包括:通过所述用户的至少两种用户信息所确定出的至少两个推断年龄;每个推断年龄通过一种用户信息确定;第一处理模块320,用于根据所述至少两个推断年龄确定所述用户的最终推断年龄。
在本申请实施例中,第一处理模块320具体用于:将所述至少两个推断年龄输入预先训练好的年龄推断模型中,获得所述年龄推断模型输出的最终推断年龄。
在本申请实施例中,第一获取模块310还用于:获取训练数据集;所述训练数据集中包括:多个训练样本,每个训练样本中包括:通过样本用户的至少两种用户信息所确定出的至少两个推断年龄和所述样本用户的实际年龄;第一处理模块320还用于:将所述训练数据集输入到初始的年龄推断模型中,获得训练好的年龄推断模型。
在本申请实施例中,第一处理模块320具体用于:若所述至少两个推断年龄中包括相同的推断年龄,根据所述相同的推断年龄确定所述用户的最终推断年龄。
在本申请实施例中,第一处理模块320具体用于:若所述至少两个推断年龄为连续的年龄值,将所述至少两个推断年龄中的中间年龄确定为所述用户的最终推断年龄。
在本申请实施例中,第一处理模块320具体用于:若所述至少两个推断年龄为不连续的年龄值,根据所述至少两个推断年龄中,通过指定的用户信息所确定出的推断年龄确定所述用户的最终推断年龄。
年龄信息的确定装置300与年龄信息的确定方法对应,各个功能模块与年龄信息的确定方法的各个步骤对应,因此,各个功能模块的实施方式参照前述实施例中各个步骤的实施方式,在此不再重复介绍。
基于同一发明构思,请参照图4,本申请实施例还提供一种信息推送装置400,包括:第二获取模块410和第二处理模块420。
第二获取模块410用于:获取用户的推断年龄信息;所述推断年龄信息中包括:通过所述用户的至少两种用户信息所确定出的至少两个推断年龄;每个推断年龄通过一种用户信息确定。第二处理模块420用于:根据所述至少两个推断年龄确定所述用户的最终推断年龄;根据所述最终推断年龄向所述用户推送业务推荐信息。
信息推送装置400与信息推送方法对应,各个功能模块与信息推送方法的各个步骤对应,因此,各个功能模块的实施方式参照前述实施例中各个步骤的实施方式,在此不再重复介绍。
基于同一发明构思,本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被计算机运行时,执行前述实施例中所述的年龄信息的确定方法或者执行前述实施例中的信息推送方法。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (12)
1.一种年龄信息的确定方法,其特征在于,包括:
获取用户的推断年龄信息;所述推断年龄信息中包括:通过所述用户的至少两种用户信息所确定出的至少两个推断年龄;每个推断年龄通过一种用户信息确定;
根据所述至少两个推断年龄确定所述用户的最终推断年龄。
2.根据权利要求1所述的确定方法,其特征在于,所述至少两种用户信息为:用户的社交平台信息、用户关系信息、用户在社交平台的行为信息、用户在社交平台中发布的内容信息中的至少两种信息。
3.根据权利要求1所述的确定方法,其特征在于,所述根据所述至少两个推断年龄确定所述用户的最终推断年龄,包括:
将所述至少两个推断年龄输入预先训练好的年龄推断模型中,获得所述年龄推断模型输出的最终推断年龄。
4.根据权利要求3所述的确定方法,其特征在于,所述确定方法还包括:
获取训练数据集;所述训练数据集中包括:多个训练样本,每个训练样本中包括:通过样本用户的至少两种用户信息所确定出的至少两个推断年龄和所述样本用户的实际年龄;
将所述训练数据集输入到初始的年龄推断模型中,获得训练好的年龄推断模型。
5.根据权利要求1所述的确定方法,其特征在于,所述根据所述至少两个推断年龄确定所述用户的最终推断年龄,包括:
若所述至少两个推断年龄中包括相同的推断年龄,根据所述相同的推断年龄确定所述用户的最终推断年龄。
6.根据权利要求1所述的确定方法,其特征在于,所述推断年龄的数量大于2个;所述根据所述至少两个推断年龄确定所述用户的最终推断年龄,包括:
若所述至少两个推断年龄为连续的年龄值,将所述至少两个推断年龄中的中间年龄确定为所述用户的最终推断年龄。
7.根据权利要求1所述的确定方法,其特征在于,所述根据所述至少两个推断年龄确定所述用户的最终推断年龄,包括:
若所述至少两个推断年龄为不连续的年龄值,根据所述至少两个推断年龄中,通过指定的用户信息所确定出的推断年龄确定所述用户的最终推断年龄。
8.根据权利要求7所述的确定方法,其特征在于,所述指定的用户信息为:用户在社交平台中发布的内容信息。
9.一种信息推送方法,其特征在于,包括:
获取用户的推断年龄信息;所述推断年龄信息中包括:通过所述用户的至少两种用户信息所确定出的至少两个推断年龄;每个推断年龄通过一种用户信息确定;
根据所述至少两个推断年龄确定所述用户的最终推断年龄;
根据所述最终推断年龄向所述用户推送业务推荐信息。
10.一种年龄信息的确定装置,其特征在于,包括:
第一获取模块,用于:获取用户的推断年龄信息;所述推断年龄信息中包括:通过所述用户的至少两种用户信息所确定出的至少两个推断年龄;每个推断年龄通过一种用户信息确定;
第一处理模块,用于根据所述至少两个推断年龄确定所述用户的最终推断年龄。
11.一种信息推送装置,其特征在于,包括:
第二获取模块,用于获取用户的推断年龄信息;所述推断年龄信息中包括:通过所述用户的至少两种用户信息所确定出的至少两个推断年龄;每个推断年龄通过一种用户信息确定;
第二处理模块,用于根据所述至少两个推断年龄确定所述用户的最终推断年龄;
所述第二处理模块还用于根据所述最终推断年龄向所述用户推送业务推荐信息。
12.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被计算机运行时,执行如权利要求1-8任一项所述的年龄信息的确定方法或者执行如权利要求9所述的信息推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111053026.9A CN113505891A (zh) | 2021-09-09 | 2021-09-09 | 年龄信息的确定方法及装置、信息推送方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111053026.9A CN113505891A (zh) | 2021-09-09 | 2021-09-09 | 年龄信息的确定方法及装置、信息推送方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113505891A true CN113505891A (zh) | 2021-10-15 |
Family
ID=78016764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111053026.9A Pending CN113505891A (zh) | 2021-09-09 | 2021-09-09 | 年龄信息的确定方法及装置、信息推送方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113505891A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886074A (zh) * | 2014-03-24 | 2014-06-25 | 江苏名通信息科技有限公司 | 基于社交媒体的商品推荐系统 |
CN106777990A (zh) * | 2016-12-21 | 2017-05-31 | 湖南文理学院 | 智能终端操作者年龄估计方法 |
CN108492200A (zh) * | 2018-02-07 | 2018-09-04 | 中国科学院信息工程研究所 | 一种基于卷积神经网络的用户属性推断方法和装置 |
CN109635990A (zh) * | 2018-10-12 | 2019-04-16 | 阿里巴巴集团控股有限公司 | 一种训练方法、预测方法、装置及电子设备 |
CN109993588A (zh) * | 2019-04-10 | 2019-07-09 | 北京学之途网络科技有限公司 | 一种用户年龄预测的方法及装置 |
CN112435070A (zh) * | 2020-12-03 | 2021-03-02 | 深圳市欢太科技有限公司 | 确定用户年龄的方法、装置、设备及存储介质 |
-
2021
- 2021-09-09 CN CN202111053026.9A patent/CN113505891A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103886074A (zh) * | 2014-03-24 | 2014-06-25 | 江苏名通信息科技有限公司 | 基于社交媒体的商品推荐系统 |
CN106777990A (zh) * | 2016-12-21 | 2017-05-31 | 湖南文理学院 | 智能终端操作者年龄估计方法 |
CN108492200A (zh) * | 2018-02-07 | 2018-09-04 | 中国科学院信息工程研究所 | 一种基于卷积神经网络的用户属性推断方法和装置 |
CN109635990A (zh) * | 2018-10-12 | 2019-04-16 | 阿里巴巴集团控股有限公司 | 一种训练方法、预测方法、装置及电子设备 |
CN109993588A (zh) * | 2019-04-10 | 2019-07-09 | 北京学之途网络科技有限公司 | 一种用户年龄预测的方法及装置 |
CN112435070A (zh) * | 2020-12-03 | 2021-03-02 | 深圳市欢太科技有限公司 | 确定用户年龄的方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103780453B (zh) | 多层聊天检测和分类 | |
CN109033408B (zh) | 信息推送方法及装置、计算机可读存储介质、电子设备 | |
CN105468598B (zh) | 好友推荐方法及装置 | |
CN109509010B (zh) | 一种多媒体信息处理方法、终端及存储介质 | |
CN108463815A (zh) | 聊天数据的命名实体识别 | |
CN103984775A (zh) | 一种推荐好友的方法和设备 | |
CN104335607A (zh) | 用于识别和建议表情符号的系统和方法 | |
CN105894028B (zh) | 用户识别方法和装置 | |
CN109840319B (zh) | 确定对象实体的方法、系统及计算机设备和存储介质 | |
CN107808346B (zh) | 一种潜在目标对象的评估方法及评估装置 | |
CN112328876B (zh) | 基于知识图谱的电子卡片生成推送方法、装置 | |
US11010687B2 (en) | Detecting abusive language using character N-gram features | |
CN113098934A (zh) | 基于大数据及私域流量的内容推送方法及社交网络平台 | |
CN107634897A (zh) | 群推荐方法和装置 | |
CN110727782A (zh) | 问答语料生成方法及系统 | |
CN111079433B (zh) | 一种事件抽取方法、装置及电子设备 | |
CN109033224B (zh) | 一种风险文本识别方法和装置 | |
CN113505891A (zh) | 年龄信息的确定方法及装置、信息推送方法及装置 | |
CN115329214A (zh) | 一种用户推荐方法、装置、电子设备及存储介质 | |
US20090288142A1 (en) | Authentication detection | |
CN112651764B (zh) | 一种目标用户识别方法、装置、设备和存储介质 | |
CN113157993A (zh) | 一种基于时序图极化分析的网络水军行为预警模型 | |
CN113434783A (zh) | 网络用户影响力的计算方法、装置及电子设备 | |
CN113420230A (zh) | 基于群聊的匹配咨询推送方法、相关装置、设备及介质 | |
de Souza Viana et al. | A message classifier based on multinomial Naive Bayes for online social contexts |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211015 |