[发明专利]一种基于用户数据生成标签的方法及装置

权利要求书

1.一种基于用户数据生成标签的方法，其特征在于，所述方法包括：

采用概率分布扰动用户数据与用户标签的对应关系，以使基于用户数据得到所述用户数据对应的用户标签的概率服从所述概率分布；

根据目标用户数据和扰动后的对应关系，生成至少一个用户标签。

2.根据权利要求1所述的方法，其特征在于，所述采用概率分布扰动用户数据与用户标签的对应关系，包括：

获取每个用户标签的参考数据与概率分布的对应关系，其中，所述概率分布包括待选择的每个用户标签对应的抽样概率；

所述根据用户数据和扰动后的对应关系，生成至少一个用户标签，包括：

基于目标用户数据以及所述每个用户标签的参考数据与概率分布的对应关系，确定与所述目标用户数据相匹配的参考数据对应的概率分布；

基于确定出的概率分布中每个用户标签对应的抽样概率，对待选择的所有用户标签进行随机抽样处理，得到抽样的用户标签。

3.根据权利要求2所述的方法，其特征在于，所述获取每个用户标签的参考数据与概率分布的对应关系，包括：

根据每个用户标签的参考数据以及预设的每个用户标签的代表数据，确定每个用户标签的代表数据与每个用户标签的参考数据的效用函数值；

根据所述每个用户标签的代表数据与每个用户标签的参考数据的效用函数值，确定每个用户标签的参考数据与概率分布的对应关系。

4.根据权利要求3所述的方法，其特征在于，所述预设的每个用户标签的代表数据以及参考数据均为数值型数据，所述根据每个用户标签的参考数据以及预设的每个用户标签的代表数据，确定每个用户标签的代表数据与每个用户标签的参考数据的效用函数值，包括：

根据预设的每个用户标签的代表数据以及所述每个用户标签的数据取值范围，确定所述每个用户标签的代表数据与每个用户标签的数据取值范围之间的距离，根据所述每个用户标签的代表数据与每个用户标签的数据取值范围之间的距离，确定每个用户标签的代表数据与每个用户标签的参考数据的效用函数值。

5.根据权利要求3所述的方法，其特征在于，所述预设的每个用户标签的代表数据以及参考数据均为非数值型数据，所述根据每个用户标签的参考数据以及预设的每个用户标签的代表数据，确定每个用户标签的代表数据与每个用户标签的参考数据的效用函数值，包括：

根据所述每个用户标签的代表数据以及每个用户标签的参考数据集合，确定所述每个用户标签的代表数据与每个用户标签的参考数据集合的交集，根据所述每个用户标签的代表数据与每个用户标签的参考数据集合的交集，确定每个用户标签的代表数据与每个用户标签的参考数据的效用函数值。

6.根据权利要求5所述的方法，其特征在于，所述根据所述每个用户标签的代表数据与每个用户标签的参考数据集合的交集，确定每个用户标签的代表数据与每个用户标签的参考数据的效用函数值，包括：

根据每个用户标签的代表数据与每个用户标签的参考数据集合的交集中的每个参考数据的预设权值，确定每个用户标签的代表数据与每个用户标签的参考数据的效用函数值。

7.根据权利要求3所述的方法，其特征在于，所述根据所述每个用户标签的代表数据与每个用户标签的参考数据的效用函数值，确定每个用户标签的参考数据与概率分布的对应关系，包括：

根据公式p_ij＝exp(εq_ij/2Δ₁(q))，确定与第i个用户标签的代表数据相对应的第j个用户标签的抽样概率p_ij；其中，ε表示预设调整系数，q_ij表示第i个用户标签的代表数据与第j个用户标签的参考数据的效用函数值，Δ₁()表示敏感度函数，q表示效用函数；

对每个代表数据对应的所有用户标签的抽样概率p_ij进行组合，得到每个代表数据对应的概率分布；

基于所述每个代表数据对应的概率分布和每个代表数据对应的用户标签的参考数据，确定每个用户标签的参考数据与概率分布的对应关系。