[发明专利]一种人物属性预测方法、装置、服务器及可读存储介质

说明书

本申请实施例适用于数据处理技术领域，提供了一种人物属性预测方法、装置、服务器及可读存储介质，该方法包括以下步骤：获取未知用户的第一特征信息，将第一特征信息输入至预设的预测模型中，得到未知用户的第一人物属性，其中，预测模型包括已知用户，已知用户对应有第二人物属性，第二人物属性为已知的人物属性。可见，本申请实施例中，通过已知用户对应的已知人物属性去预测未知人物的未知的人物属性，而不用根据未知人物自身的动态特征去预测未知人物的未知的人物属性，从而达到准确预测未知人物属性的效果。

技术领域

本申请属于数据处理技术领域，尤其涉及一种人物属性预测方法、装置、服务器及可读存储介质。

背景技术

现有的人物属性预测都是利用人物自身的特征（例如行为特征）来预测人物的属性，但是人物自身的特征大多数是动态特征，这样导致预测的人物属性不够准确。

发明内容

有鉴于此，本申请实施例提供了一种人物属性预测方法、装置、服务器及可读存储介质，以解决现有技术中预测人物属性不够准确的问题。

本申请实施例的第一方面提供了一种人物属性预测方法，包括：

获取未知用户的第一特征信息；

将所述第一特征信息输入至预设的预测模型中，得到所述未知用户的第一人物属性，其中，所述预测模型包括已知用户，所述已知用户对应有第二人物属性，所述第二人物属性为已知的人物属性。

在第一方面的一种可能的实现方式中，将所述第一特征信息输入至预设的预测模型中，得到所述未知用户的人物属性，包括：

根据所述第一特征信息计算出所述未知用户的第一映射值，其中，所述第一映射值用于表征所述第一特征信息在低维稠密向量空间中的向量值；

将所述第一映射值输入至预设的知识图谱，得到与所述未知用户关联的已知用户，其中，所述预设的知识图谱存储有已知用户，每个所述已知用户对应有一个第二映射值，所述第二映射值是根据每个所述已知用户的第二特征值计算得到的，所述第二映射值用于表征第二特征信息在低维稠密向量空间中的向量值；

将与所述未知用户关联的已知用户的第二人物属性作为所述未知用户的第一人物属性。

在第一方面的一种可能的实现方式中，根据所述第一特征信息计算出所述未知用户的第一映射值，包括：

对所述第一特征信息进行向量化处理，得到第一向量值；

对所述第一向量值进行嵌入处理，得到所述第一映射值。

在第一方面的一种可能的实现方式中，将所述第一映射值输入至预设的知识图谱，得到与所述未知用户关联的已知用户之前，还包括：

获取已知用户的第二特征信息；

根据所述第二特征信息构建所述预设的知识图谱。

在第一方面的一种可能的实现方式中，根据所述第二特征信息构建所述预设的知识图谱，包括：

根据所述第二特征信息确定所述已知用户之间的关联关系；

根据所述已知用户以及所述已知用户之间的关联关系，生成所述预设的知识图谱；

计算所述预设的知识图谱中每个已知用户对应的第二映射值，并在所述知识图谱中标记每个所述已知用户对应的第二映射值。

在第一方面的一种可能的实现方式中，计算所述预设的知识图谱中每个已知用户对应的第二映射值，并在所述知识图谱中标记每个所述已知用户对应的第二映射值，包括：

对所述第二特征值进行向量化处理，得到第二向量值；

对所述第二向量值进行嵌入处理，得到初始映射值；

根据所述初始映射值计算出上下文映射值；

将所述初始映射值和所述上下文映射值输入到预设的RNN神经网络模型，得到所述已知用户对应的第二映射值。