[发明专利]目标群体的显著特征的计算方法、系统及计算机设备

权利要求书

1.一种目标群体的显著特征的计算方法，其特征在于，包括：

获取目标群体的多个维度特征，其中每个所述维度特征包括多个类别特征；

计算所述目标群体与每个所述维度特征之间的相关性，获取多个相关性系数；

根据所述相关性系数对多个所述维度特征进行筛选，获取多个第一类维度特征；

计算所述第一类维度特征的每个所述类别特征的群体偏好度指数；

比较所述群体偏好度指数与第一预设阈值的大小关系，将大于所述第一预设阈值的所述群体偏好度指数对应的类别特征作为所述目标群体的显著特征。

2.根据权利要求1所述的目标群体的显著特征的计算方法，其特征在于，所述计算所述目标群体与每个所述维度特征之间的相关性，获取多个所述相关性系数，具体包括：

根据第一公式计算所述目标群体与每个所述维度特征之间的相关性，获取多个所述相关性系数；

所述第一公式为

其中，R为所述相关性系数，X为目标群体数量，Y为具有所述维度特征目标群体的数量，Cov(X,Y)为所述目标群体数量与所述维度特征目标群体的数量的协方差，Var[X]为所述目标群体数量的方差，Var[Y]为具有所述维度特征目标群体的数量的方差。

3.根据权利要求1所述的目标群体的显著特征的计算方法，其特征在于，所述根据多个所述相关性系数对多个所述维度特征进行筛选，获取所述第一类维度特征的步骤，具体包括：

分别比较多个所述相关性系数与第二预设阈值的大小关系；

将大于所述第二预设阈值的所述相关性系数对应的维度特征作为所述第一类维度特征，以及将小于或者等于所述第二预设阈值的所述相关性系数对应的维度特征作为所述第二类维度特征。

4.根据权利要求1所述的目标群体的显著特征的计算方法，其特征在于，在计算所述第一类维度特征的每个所述类别特征的群体偏好度指数之前，还包括：

对多个所述第一类维度特征按照所述相关性系数的大小顺序进行排序。

5.根据权利要求4所述的目标群体的显著特征的计算方法，其特征在于，所述计算所述第一类维度特征的每个所述类别特征的群体偏好度指数，具体包括：

按照所述相关性系数的由大到小的顺序计算所述相关性系数对应的所述第一类维度特征的每个所述类别特征的群体偏好度指数。

6.根据权利要求1至5中任一项所述的目标群体的显著特征的计算方法，其特征在于，还包括：

删除小于或者等于所述第一预设阈值的所述群体偏好度指数对应的类别特征，不再计算与剔除后的类别特征相关的群体偏好度指数。

7.一种目标群体的显著特征的计算系统，其特征在于，包括：

特征获取单元，用于获取目标群体的多个维度特征，其中每个所述维度特征包括多个类别特征；

第一计算单元，用于计算所述目标群体与每个所述维度特征之间的相关性，获取多个相关性系数；

筛选单元，用于根据所述相关性系数对多个所述维度特征进行筛选，获取多个第一类维度特征；

第二计算单元，用于计算所述第一类维度特征的每个所述类别特征的群体偏好度指数；

比较单元，用于比较所述群体偏好度指数与第一预设阈值的大小关系，将大于所述第一预设阈值的所述群体偏好度指数对应的类别特征作为所述目标群体的显著特征。

8.根据权利要求7所述的目标群体的显著特征的计算系统，其特征在于，

所述第一计算单元，具体用于根据第一公式计算所述目标群体与每个所述维度特征之间的相关性，获取多个所述相关性系数；

所述第一公式为

其中，R为所述相关性系数，X为目标群体数量，Y为具有所述维度特征目标群体的数量，Cov(X,Y)为所述目标群体数量与所述维度特征目标群体的数量的协方差，Var[X]为所述目标群体数量的方差，Var[Y]为具有所述维度特征目标群体的数量的方差。

9.根据权利要求7所述的目标群体的显著特征的计算系统，其特征在于，

所述筛选单元，具体用于分别比较多个所述相关性系数与第二预设阈值的大小关系；以及

将大于所述第二预设阈值的所述相关性系数对应的维度特征作为所述第一类维度特征，以及将小于或者等于所述第二预设阈值的所述相关性系数对应的维度特征作为所述第二类维度特征。