[发明专利]用户属性获取方法及装置

权利要求书

1.一种用户属性获取方法，应用于一电子设备，其特征在于，所述方法包括：

获取多个微博中的训练文本和训练图像；

获得所述训练文本对应的训练文本输入矩阵；

获得所述训练图像对应的训练图像矩阵；

基于所述训练文本输入矩阵及所述训练图像矩阵，获得训练集输入矩阵；

设置泊松伽马信念网络的最底层的最大主题数；

基于所述训练集输入矩阵，随机为每个所述训练文本和所述训练图像分配主题，获得初始化矩阵并生成各概率参数的初始值；

基于所述初始化矩阵及各概率参数的初始值，迭代训练所述泊松伽马信念网络，从所述泊松伽马信念网络的最底层到外部当前层逐层向上，均对每一层的多个矩阵值进行采样，逐层采样和计算概率参数，从外部当前层到最底层逐层向下，均对每一层的剩余矩阵值进行采样，当所有层的迭代采样均完成，获得所述训练文本和所述训练图像中的主题分布情况；

获取用户的微博中的文本和图像；

获得所述文本对应的文本输入矩阵；

获得所述图像对应的图像输入矩阵；

将所述文本输入矩阵、所述图像输入矩阵与预设的训练集输入矩阵进行拼接，获得总输入矩阵；

基于所述总输入矩阵，获得所述文本和所述图像中的主题分布情况，以及基于所述主题分布情况，获取所述用户的属性。

2.根据权利要求1所述的方法，其特征在于，获得所述文本对应的文本输入矩阵，包括：

对所述文本进行分词处理并统计词频，获得至少一个分词，及所述至少一个分词中每个分词的词频；

基于所述至少一个分词及每个分词的词频，获得所述文本对应的文本输入矩阵。

3.根据权利要求1所述的方法，其特征在于，获得所述图像对应的图像输入矩阵，包括：

对所述图像进行sift特征提取，获得所述图像对应的第一特征向量并基于所述第一特征向量，获得所述图像对应的图像输入矩阵。

4.根据权利要求1所述的方法，其特征在于，获得所述训练图像对应的训练图像矩阵，包括：

对每个所述训练图像进行sift特征提取，获得每个所述训练图像对应的第二特征向量；

基于预设的聚类算法及每个所述训练图像对应的第二特征向量，获得每一类的聚类中心及每一类包含的图像特征；

统计每个所述训练图像包含的所述图像特征的个数，获得多个所述训练图像对应的训练图像矩阵。

5.根据权利要求1所述的方法，其特征在于，基于所述总输入矩阵，获得所述文本和所述图像中的主题分布情况，包括：

初始化泊松伽马信念网络的第一网络参数、第二网络参数及预设的第三网络参数；

以所述总输入矩阵作为泊松伽马信念网络的输入，从所述泊松伽马信念网络的最底层到最顶层，逐层采样，迭代更新所述第一网络参数、所述第二网络参数及所述第三网络参数，直到达到预设的迭代数，获得所述文本和所述图像中的主题分布情况。