[发明专利]性别预测模型训练方法和性别预测方法

说明书

本申请实施例公开了性别预测模型训练方法和性别预测方法。性别预测模型训练方法的一具体实施方式包括：获取第一训练样本，其中，第一训练样本包括第一样本用户的终端特征和性别标签；将第一样本用户的终端特征作为输入，将第一样本用户的性别标签作为输出，对机器学习模型进行训练，得到性别预测模型。该实施方式训练出的性别预测模型基于终端特征进行性别预测，提高了性别预测的准确度。

技术领域

本申请实施例涉及计算机技术领域，具体涉及性别预测模型训练 方法和性别预测方法。

背景技术

现实生活中，不同性别的用户的兴趣点不同，例如大多数女性对 娱乐类信息感兴趣，大多数男性对体育类信息感兴趣。通过性别预测 可以确定用户的兴趣点。

目前，常用的性别预测方法主要包括以下三种：其一，根据用户 昵称预测用户性别；其二，通过用户行为数据预测用户性别；其三， 根据浏览或兴趣预测用户性别。

发明内容

本申请实施例提出了性别预测模型训练方法和性别预测方法。

第一方面，本申请实施例提供了一种性别预测模型训练方法，包 括：获取第一训练样本，其中，第一训练样本包括第一样本用户的终 端特征和性别标签；将第一样本用户的终端特征作为输入，将第一样 本用户的性别标签作为输出，对机器学习模型进行训练，得到性别预 测模型。

在一些实施例中，该方法还包括：获取第二训练样本，其中，第 二训练样本包括第二样本用户的终端特征和性别标签；选取第二样本 用户的至少部分终端特征作为输入，将第二样本用户的性别标签作为 输出，更新性别预测模型。

在一些实施例中，选取第二样本用户的至少部分终端特征作为输 入，包括：采用L1正则从第二样本用户的终端特征中选取预设数目 的重要非零特征作为输入。

在一些实施例中，终端特征包括以下至少一项：终端安装应用清 单、终端品牌、终端型号。

在一些实施例中，机器学习模型是逻辑回归模型或极端梯度提升 模型。

第二方面，本申请实施例提供了一种性别预测方法，包括：从服 务端获取预先训练的性别预测模型，其中，性别预测模型是采用如第 一方面中任一实现方式描述的方法训练得到的；获取目标用户的终端 特征；将目标用户的终端特征输入至性别预测模型，得到目标用户的 预测性别信息。

在一些实施例中，该方法还包括：获取第二训练样本，其中，第 二训练样本包括第二样本用户的终端特征和性别标签；从第二样本用 户的终端特征中选取部分终端特征；将部分终端特征作为输入，将第 二样本用户的性别标签作为输出，更新性别预测模型。

在一些实施例中，从第二样本用户的终端特征中选取部分终端特 征，包括：采用L1正则从第二样本用户的终端特征中选取预设数目 的重要非零特征。

在一些实施例中，该方法还包括：基于目标用户的预测性别信息 获取推送信息；显示推送信息。

在一些实施例中，基于目标用户的预测性别信息获取推送信息， 包括：获取目标用户的自选性别信息；对目标用户的自选性别信息和 预测性别信息进行加权，确定目标用户的性别；获取与目标用户的性 别对应的推送信息。

第三方面，本申请实施例提供了一种性别预测模型训练装置，包 括：第一获取模块，被配置成获取第一训练样本，其中，第一训练样 本包括第一样本用户的终端特征和性别标签；训练模块，被配置成将 第一样本用户的终端特征作为输入，将第一样本用户的性别标签作为 输出，对机器学习模型进行训练，得到性别预测模型。

在一些实施例中，该装置还包括：第二获取模块，被配置成获取 第二训练样本，其中，第二训练样本包括第二样本用户的终端特征和 性别标签；更新模块，被配置成选取第二样本用户的至少部分终端特 征作为输入，将第二样本用户的性别标签作为输出，更新性别预测模 型。