[发明专利]一种用于确定用户属性模型及用户属性信息的方法与设备

权利要求书

1.一种用于确定用户属性信息的方法，其中，该方法包括：

对训练特征向量按属性特征进行统计处理，以获得所述训练特征向量对应的属性统计信息，其中，所述训练特征向量包括应用活跃信息向量；

以所述训练特征向量及所述属性统计信息对应的属性统计向量作为输入，进行训练学习得到对应的用户属性模型；

根据设备应用使用信息确定对应的设备应用特征向量，其中，所述设备应用使用信息包括应用活跃信息；

将所述设备应用特征向量及所述设备应用向量对应的属性统计向量输入所述用户属性模型，以获得所述设备应用使用信息对应用户的用户属性信息，其中，所述用户属性模型包括多个学习网络，其中至少一个学习网络的输出被作为另一个学习网络的输入，至少一个学习网络的输入为上一个或几个学习网络的输出、且该至少一个学习网络的输入为对所述上一个或几个学习网络的输出的拟合，所述多个学习网络用于输出多个目标，所述多个目标包括在不同学习网络的输出点拟合的不同目标结果。

2.根据权利要求1所述的方法，其中，所述训练特征向量还包括以下至少任一项：

设备信息向量；

应用安装信息向量；

属性统计向量，其中所述属性统计向量是基于对所述设备信息向量、所述应用安装信息向量和所述应用活跃信息向量中的至少一项进行的统计处理获得的。

3.根据权利要求2所述的方法，其中，所述方法还包括：

根据用于训练的设备应用使用信息确定对应的训练特征向量；

其中，所述基于训练特征向量进行训练学习，得到对应的用户属性模型包括：

基于所述训练特征向量进行训练学习得到对应的用户属性模型。

4.根据权利要求2所述的方法，其中，所述设备信息向量包括以下至少任一项：

移动设备的品牌信息向量；

移动设备的型号信息向量；

移动设备的屏幕分辨率信息向量；

移动设备的价格信息向量。

5.根据权利要求3所述的方法，其中，所述训练特征向量包括应用安装信息向量；

其中，所述根据用于训练的设备应用使用信息确定对应的训练特征向量包括：

根据用于训练的设备应用使用信息中设备上应用安装信息，以及应用安装向量模型，生成对应的应用安装信息向量。

6.根据权利要求5所述的方法，其中，所述训练特征向量还包括应用活跃信息向量；

其中，所述根据用于训练的设备应用使用信息确定对应的训练特征向量还包括：

根据用于训练的设备应用使用信息中设备上应用被使用信息，以及与所述应用安装向量模型相对应的应用活跃向量模型，生成对应的经归一化的应用活跃信息向量。

7.根据权利要求2所述的方法，其中，所述训练特征向量包括稀疏向量；

其中，所述基于训练特征向量进行训练学习，得到对应的用户属性模型包括：

基于训练特征向量进行分阶段训练学习得到对应的用户属性模型，其中，在初始训练学习阶段使用adam训练算法，当训练过程中的验证集误差低于误差阈值时改用梯度下降算法训练学习。

8.一种用于确定用户属性模型的方法，其中，该方法包括：

对训练特征向量按属性特征进行统计处理，以获得所述训练特征向量对应的属性统计信息，其中，所述训练特征向量包括应用活跃信息向量；

以所述训练特征向量及所述属性统计信息对应的属性统计向量作为输入，进行训练学习得到对应的用户属性模型，其中，所述用户属性模型包括多个学习网络，其中，至少一个学习网络的输出被作为另一个学习网络的输入，至少一个学习网络的输入为上一个或几个学习网络的输出、且该至少一个学习网络的输入为对所述上一个或几个学习网络的输出的拟合，所述多个学习网络用于输出多个目标，所述多个目标包括在不同学习网络的输出点拟合的不同目标结果。