[发明专利]一种估算用户的隐性特征分布的方法及装置

说明书

技术领域

本发明涉及网络技术领域，特别涉及一种估算用户的隐性特征分布的方法及装置。

背景技术

通常情况下，用户在使用网站时，需要注册成为网站的用户，而用户注册成为网站的用户时，需要填写注册信息，例如：用户名称、身份证号等等。

若网站管理者需要进行精准的广告营销，向不同用户推送不同广告，则仅仅根据用户注册信息，是不足够的，还需要更多的用户信息，则可根据用户已经注册信息，推算用户的其他信息，例如：知道用户的名称，想估算用户的年龄、种族、性别等等。

现有技术中，通过已知的显性特征估算隐性特征，是根据贝叶斯方程实现的，具体如下：

假设x是我们感兴趣估算的用户的隐性特征，假设t是我们能够观测到的用户的显性特征，想要估算出x，贝叶斯方程如下：

其中，贝叶斯方程的样本空间为全国人口数据，例如：t是用户名称，x是用户的性别，通过查看全国人口数据获得每一个性别x当中名字t所出现的概率P(t|x)，每一个性别x的概率P(x)，以及名字t出现的概率，从而可以计算P(x|t)。

值得注意的是：上述贝叶斯方程的样本空间为全国人口数据，而使用网站的用户的构成与全国人口的构成往往具有很大区别，例如：新浪微博的用户人群大部份是年轻大学生，人人网的用户大部份为在校学生。此时，如果强行应用贝叶斯方程，则估算出来的隐性特征将会具有较大误差，如下举例说明：

如果观测到某网站F的某用户的用户名叫Jo(相当于显性特征t)，希望估算Jo年龄层，假设年龄层0～50岁为A，年龄层50～100岁为B，并且各占一半人口，则P(A)＝P(B)＝0.5。假设50～100的年龄层没有任何人使用网站F，则P(F|B)＝0。通过人口数据库找到Jo在人口当中的分布为0～50年龄层为1人，50～100年龄层有99人，则

根据贝叶斯方程计算得到Jo的年龄层为0～50的概率为1％，为50～100的概率为99％，然而实际情况就是Jo年龄层为0～50的概率为100％，为50～100的年龄层为0％，正是由于使用网站F的样本空间的构成与全国人口的构成不相同，然而计算时却采用全国人口数据，样本空间不同，造成计算结果产生的严重偏差。而通常每个网站各有各的特点，每个网站所吸引的人群也各有各的特点，人群的构成一般不同于全国人口的构成，如果根据全国人口数据的样本空间估算用户的隐性特征，则必然造成结果误差。

发明内容

为了至少部分解决以上问题，本发明提出了一种估算用户的隐性特征分布的方法及装置，使得在估算用户的隐性特征时，估算结果更准确。

为解决上述技术问题，本发明采用的一个技术方案是一种估算用户的隐性特征分布的方法，包括获取使用网站的用户以及用户的显性特征；从人口数据库获取所有人口的特征信息，其中，所述特征信息包括显性特征和隐性特征；根据所述所有人口的特征信息、使用网站的用户和所述用户的显性特征，结合贝叶斯算法计算所述用户隐性特征分布。

其中，所述根据所述所有人口的特征信息、使用网站的用户和所述用户的显性特征，结合贝叶斯算法计算所述用户隐性特征分布的步骤具体为：若在任意用户的隐性特征下，用户使用网站并且用户具有显性特征的概率独立性条件成立，则根据如下公式计算所述用户的隐性特征，

其中，所述L为大于或等于1的整数，所述x为用户的隐性特征，所述t为用户的显性特征，所述f为使用所述网站的用户。

其中，进一步包括，判断在任意用户的隐性特征下，用户使用网站并且用户具有显性特征的概率独立性条件是否成立，所述判断具体步骤包括：根据所有人口的特征信息、使用网站的用户和用户的显性特征，计算任意用户的P₁的值，其中，所述P₁的计算公式如下：

P₁＝P(t∩f|x₁∩....∩x_L)

根据所述所有人口的特征信息，计算任意用户的P₂的值，其中，所述P₂的计算公式如下：

P₂＝P(t|x₁∩.....∩x_L)P(f|x₁∩.....∩x_L)

若所述任意用户的P₁与P₂均相等，则所述概率独立性条件成立。

其中，所述方法还包括：根据所述用户的显性特征和隐性特征，分析所述用户行为习惯。