[发明专利]一种优化数据不平衡状态的移动app用户性别识别方法和系统

权利要求书

1.一种移动app用户性别识别系统，所述系统包括样本数据输入模块、样本数据分类模块、样本数据编码模块、映射模块、模型训练模块以及预测输出模块；

其中，所述样本数据输入模块用于输入移动终端样本数据；

所述样本数据分类模块将所述样本数据进行特征分类，得到连续性特征和离散型特征；

样本数据编码模块用于对所述连续性特征和离散型特征分别进行不同的处理后，采用one-shot编码表示，得到one-shot样本特征；

映射模块用于将所有one-hot样本特征进行Embedding映射；

所述模型训练模块基于所述Embedding映射后的样本特征构建全连接神经网络模型并进行训练；

所述预测输出模块采用训练好的全连接神经网络模型，输入移动终端用户特征，预测用户性别；

其特征在于：

所述样本数据编码模块还包括数据不平衡状态优化子模块，所述数据不平衡状态优化子模块用于对所述连续性特征和离散型特征的不平衡状态进行优化。

2.如权利要求1所述的移动app用户性别识别系统，其特征在于：

所述数据不平衡状态优化子模块用于对所述连续性特征和离散型特征的不平衡状态进行优化，具体包括：

对于连续性特征进行分段处理，并进行可视化分析，获取连续数据段以及离散数据段，将所述相邻的离散数据段与所述连续数据段之间的第一空值位段、以及相邻的离散数据段之间的第二空值位段识别出来；

如果所述第一空值位段的数量小于第一阈值，则利用所述离散数据段的众数填充所述第一空值位段；

如果所述第二空值位段的数量大于第二阈值，则删除与所述第二空值位段对应的离散数据段。

3.如权利要求1所述的移动app用户性别识别系统，其特征在于：

所述样本数据输入模块用于输入移动终端样本数据，具体包括：

所述样本数据包括移动终端对应的用户年龄，所述用户年龄包括6个区段。

4.如权利要求1所述的移动app用户性别识别系统，其特征在于：

所述样本数据输入模块用于输入移动终端样本数据，具体包括：

所述样本数据包括移动终端每个应用类别下安装包的安装数量；

统计该移动终端每个应用类别下安装包的安装总数量，并进行归一化处理。

5.如权利要求1所述的移动app用户性别识别系统，其特征在于：

样本数据编码模块用于对所述连续性特征和离散型特征分别进行不同的处理后，采用one-shot编码表示，得到one-shot样本特征，具体包括：

对于离散型特征直接用one-hot表示。

6.如权利要求1所述的移动app用户性别识别系统，其特征在于：

所述模型训练模块基于所述Embedding映射后的样本特征构建全连接神经网络模型并进行训练，具体包括：

构建全连接神经网络将所有的one-shot样本特征进行特征映射，映射到最终的类别个数2*6＝12个类别上，并使用softmax函数将分类概率归一化，通过交叉熵损失函数来优化模型。

7.如权利要求1所述的移动app用户性别识别系统，其特征在于：

所述移动终端为手机，所述样本数据包括手机安装包列表、每个安装包对应的应用类别、手机品牌、手机品牌下的型号、手机屏幕长宽、手机系统、手机系统版本及该手机标注的用户的性别和年龄。