[发明专利]用户属性的预测方法和装置

权利要求书

1.一种用户属性的预测方法，其特征在于，所述方法包括：

构建用于预测用户属性的特征数据；

将所述特征数据分别输入训练得到的第一分类模型和第二分类模型，以得到用户属性的第一预测概率值和第二预测概率值；

通过所述第一分类模型和所述第二分类模型从所述特征数据中选出重要特征数据，并将所述重要特征数据输入训练得到的第三分类模型，以得到用户属性的第三预测概率值；

基于所述第一预测概率值、第二预测概率值和第三预测概率值构建新的特征数据，并通过训练得到的融合二分类模型对所述新的特征数据进行处理，生成所述用户属性的预测结果。

2.根据权利要求1所述的方法，其特征在于，所述特征数据包括下列数据中的至少一项：

用户购买商品的特征数据、用户浏览商品的特征数据、用户搜索商品的特征数据、用户将商品加入购物车的特征数据。

3.根据权利要求1所述的方法，其特征在于，所述第一分类模型为第一GBDT模型，所述第二分类模型为随机森林分类模型，所述第三分类模型为逻辑回归分类模型。

4.根据权利要求1所述的方法，其特征在于，所述融合二分类模型为：第二GBDT分类模型。

5.根据权利要求1至4任一所述的方法，其特征在于，构建用于预测用户属性的特征数据，包括：

获取用户在电子商务网站上的特征数据，并对所述特征数据进行清洗。

6.一种用户属性的预测装置，其特征在于，所述装置包括：

数据构建模块，用于构建用于预测用户属性的特征数据；

并行处理模块，用于将所述特征数据分别输入训练得到的第一分类模型和第二分类模型，以得到用户属性的第一预测概率值和第二预测概率值；还用于通过所述第一分类模型和所述第二分类模型从所述特征数据中选出重要特征数据，并将所述重要特征数据输入训练得到的第三分类模型，以得到用户属性的第三预测概率值；

融合处理模块，用于基于所述第一预测概率值、第二预测概率值和第三预测概率值构建新的特征数据，并通过训练得到的融合二分类模型对所述新的特征数据进行处理，生成所述用户属性的预测结果。

7.根据权利要求6所述的装置，其特征在于，所述第一分类模型为第一GBDT模型，所述第二分类模型为随机森林分类模型，所述第三分类模型为逻辑回归分类模型。

8.根据权利要求6所述的装置，其特征在于，所述融合二分类模型为：第二GBDT分类模型。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；以及，

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至5任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至5中任一所述的方法。