[发明专利]性别预测方法、装置和计算机可读存储介质

说明书

本发明公开了一种性别预测方法、装置和计算机可读存储介质，涉及数据处理领域。性别预测方法包括：根据待测设备对应的历史数据生成待测数据；将所述待测数据输入预先训练的性别预测模型，获得对待测设备对应的用户的性别预测结果，其中，性别预测模型是根据设备级别用户的历史数据训练的，设备级别用户对应的用户账号在同一设备使用。本发明的实施例可以基于设备级别用户的历史数据进行模型训练，从而可以使训练数据标记的性别更准确，提高了性别预测模型的准确率。同时，在进行预测时，也可以针对待测设备对应的历史数据，准确地预测出用户的性别。从而，提高了性别预测的准确率。

技术领域

本发明涉及数据处理领域，特别涉及一种性别预测方法、装置和计算机可读存储介质。

背景技术

在用户性别预测的相关研究中，基于规则的判断方法简单快捷，但准确率有限。用户在注册账号时通常不会填写完整的个人信息，直接使用注册性别作为用户真实性别往往覆盖率较低，真实程度也有较大的不确定性。通过身份证号解析得到性别数据，可靠性较高，但身份证号作为敏感数据，覆盖率通常会更低。

目前用户性别预测研究多集中在社交媒体领域，根据用户的发言和互动内容对性别进行预测。而电商领域中，只有少量用户会对商品留言评价。因此，社交平台中的用户性别预测方法无法直接推广至电商应用中。

发明内容

发明人经过分析后发现，在电商平台中，大部分用户性别画像是指某一个注册账号的性别。但是在实际应用场景中，会存在一个注册账号同时登录多个不同设备的情况，即多人共同使用一个注册账号。例如，某家庭中，夫妻双方在各自的手机设备上都登录了同一个账号进行商品浏览和购买等行为。数据调研发现，有超过1/3的注册账号会在多个设备上登录。因此，目前性别预测的准确率较低。

本发明实施例所要解决的一个技术问题是：如何提高性别预测的准确率。

根据本发明一些实施例的第一个方面，提供一种性别预测方法，包括：根据待测设备对应的历史数据生成待测数据；将待测数据输入预先训练的性别预测模型，获得对待测设备对应的用户的性别预测结果，其中，性别预测模型是根据设备级别用户的历史数据训练的，设备级别用户对应的用户账号在同一设备使用。

在一些实施例中，在登录待测设备的用户账号为同一个用户账号的情况下，根据待测设备上未登录用户产生的历史数据以及待测设备对应的用户账号产生的历史数据，生成待测数据。

在一些实施例中，在登录待测设备的用户账号包括多个用户账号的情况下，根据待测设备对应的同一用户账号产生的历史数据，获取同一用户账号对应的待测数据；将同一用户账号对应的待测数据输入预先训练的性别预测模型，生成对待测设备对应的同一用户账号的性别预测结果。

在一些实施例中，根据待测设备对应的历史数据中的预设操作次数与预设阈值的比较结果生成不同类型的待测数据；将待测数据输入预先训练的、比较结果对应的性别预测模型，获得对待测设备对应的用户的性别预测结果。

在一些实施例中，在待测设备对应的历史数据中的预设操作次数大于预设值的情况下，待测数据包括第一商品内容特征和用户行为特征；用户行为特征包括以下至少一种：被操作的每个类别中的商品的信息、操作每个品牌下的商品的信息、操作每种性别属性商品的信息；第一商品内容特征包括对操作的商品标题中的分词的操作次数。

在一些实施例中，在待测设备对应的历史数据中的预设操作次数不大于预设值的情况下，待测数据包括第二商品内容特征，第二商品内容特征根据历史操作商品的标题的分词的词向量确定。

在一些实施例中，性别预测方法还包括：根据用户账号的历史数据和设备信息，生成设备级别用户的历史数据；根据设备级别用户的历史数据生成训练数据，训练数据的标记值为设备级别用户的性别信息；采用训练数据和标记值训练模型，获得性别预测模型，以便采用性别预测模型对设备的用户性别进行预测。