[发明专利]一种基于全连接神经网络实现的移动终端用户性别预测方法和系统

权利要求书

1.一种移动终端用户性别预测方法，所述方法基于全连接神经网络实现，其特征在于，所述方法包括如下步骤：

S1：获取移动终端样本数据；

S2：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；

S3：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；

S4：将所有one-hot样本特征进行Embedding映射；

S5：基于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；

S6：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。

2.如权利要求1所述的移动终端用户性别预测方法，其特征在于：

所述步骤S1中获取移动终端样本数据，具体包括：

获取移动终端安装包列表、每个安装包对应的应用类别、移动终端品牌、移动终端品牌下的型号、移动终端屏幕尺寸、移动终端操作系统、移动终端系统版本及该移动终端标注的用户的性别和年龄段信息。

3.如权利要求1所述的移动终端用户性别预测方法，其特征在于：

所述步骤S3中对所述连续性特征和离散型特征分别进行不同的处理，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。

4.如权利要求3所述的移动终端用户性别预测方法，其特征在于：

所述步骤S3中对所述连续性特征和离散型特征分别进行不同的处理，具体包括：

将所述分段处理以及可视化分析之后的所述连续性特征进行one-hot表示。

5.如权利要求1或3所述的移动终端用户性别预测方法，其特征在于：

所述连续性特征包括移动终端屏幕尺寸、移动终端系统版本。

6.如权利要求1所述的移动终端用户性别预测方法，其特征在于：

所述离散型特征包括移动终端安装包列表、每个安装包对应的应用类别、移动终端品牌、移动终端品牌下的型号、移动终端操作系统及该移动终端标注的用户的性别和年龄段信息。

7.如权利要求6所述的移动终端用户性别预测方法，其特征在于：

对于所述离散型特征，直接用用one-hot表示。

8.如权利要求1或6所述的移动终端用户性别预测方法，其特征在于：

所述步骤S4将所有one-hot样本特征进行Embedding映射，具体包括：

将移动终端安装包列表转化为TF-IDF(词频-逆文本频率)矩阵来表示，并对该移动终端安装包对应的Embedding进行TF-IDF加权平均。

9.如前述任一项权利要求所述的移动终端用户性别预测方法，其特征在于：

所述全连接神经网络模型任意相邻两层即n-1层任一神经元节点都与n层的所有神经元节点相连，第n层每个神经元节点在进行计算时，其激活函数的输入值是n－1层所有神经节点的加权。

10.一种包含全连接神经网络模型的预测系统，用于实现权利要求1-9任一项所述的移动终端用户性别预测方法。