用于确定用户的属性信息的方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111783810A(43)申请公布日2020.10.16(21)申请号201910906594.5(22)申请日2019.09.24(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区经济技术开发区科创十一街18号院2号楼4层A402室(72)发明人杜睿桓钟雨崔波林战刚陈茜哈里克什·萨西库马尔·奈尔(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204代理人王达佐马晓亚(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书13页附图5页(54)发明名称用于确定用户的属性信息的方法和装置(57)摘要本公开的实施例公开了用于确定用户的属性信息的方法和装置。该方法包括：获取用户针对目标决策对象的历史行为记录，历史行为记录包括历史决策结果和与决策关联的历史行为数据；根据预先构建的预测模型的输出层所采用的第一条件概率函数确定出与用户属性无关的第二条件概率函数，其中预测模型用于基于用户的属性信息以及用户针对目标决策对象的行为数据预测用户针对目标决策对象的决策结果；基于第二条件概率函数构建损失函数，基于损失函数以及历史行为记录拟合得出预测模型的参数；基于历史行为记录、预测模型的参数和第一条件概率函数，拟合得出用户属性信息。该方法实现了对用户的属性信息的准确估计。CN111783810ACN111783810A权利要求书1/2页1.一种用于确定用户的属性信息的方法，包括：获取用户针对目标决策对象的历史行为记录，所述历史行为记录包括历史决策结果和与决策关联的历史行为数据；根据预先构建的预测模型的输出层所采用的第一条件概率函数确定出与用户属性无关的第二条件概率函数，其中，所述第一条件概率函数表征在已知用户的行为数据的条件下、对应的用户决策结果的概率分布，所述第二条件概率函数表征在已知由多个预设时间节点的用户行为数据形成的用户行为数据序列和与所述用户行为数据序列对应的用户决策结果序列中属于第一决策类型的用户决策结果的数量的条件下、所述用户决策结果序列的概率分布，所述预测模型用于基于用户的属性信息以及用户针对目标决策对象的行为数据预测用户针对目标决策对象的决策结果；基于所述第二条件概率函数构建损失函数，基于所述损失函数以及所述历史行为记录拟合得出所述预测模型的参数；基于所述历史行为记录、所述预测模型的参数和所述第一条件概率函数，拟合得出用户属性信息，其中，所述预测模型基于拟合得出的所述用户属性信息、拟合得出的所述参数以及所述第一条件概率函数对与决策关联的历史行为数据进行预测得出的决策结果与所述历史决策结果之间的差异满足预设的收敛条件。2.根据权利要求1所述的方法，其中，所述预测模型还包括循环神经网络，所述第一条件概率函数是按照如下方式确定的：利用所述预测模型中的循环神经网络对输入所述预测模型的用户的行为数据序列进行处理，得到所述用户的行为数据序列对应的状态序列；基于所述用户的行为数据序列对应的状态序列确定所述第一条件概率函数。3.根据权利要求1所述的方法，其中，所述基于所述损失函数以及所述历史行为记录拟合得出所述预测模型的参数，包括：采用梯度下降法，搜索出使得所述损失函数的值满足预设损失条件的预测模型的参数。4.根据权利要求1所述的方法，其中，所述基于所述预测模型的参数和所述第一条件概率函数，拟合得出用户属性信息，包括：基于所述第一条件概率函数构建用于拟合第一用户的用户属性信息的逻辑回归模型，所述第一用户的历史决策结果序列中至少一个历史决策结果与其他历史决策结果不相同；基于所述预测模型的参数、所述与决策关联的历史行为数据和对应的历史决策结果，利用所述逻辑回归模型拟合得出所述第一用户的用户属性信息。5.根据权利要求4所述的方法，其中，所述基于所述预测模型的参数和所述第一条件概率函数，拟合得出用户属性信息，还包括：构建表征所述第一用户的所述历史行为数据与所述第一用户的用户属性信息之间的对应关系的关系模型；基于所述关系模型以及第二用户的所述历史行为数据确定第二用户的用户属性信息，其中，所述第二用户的历史决策结果序列中的各历史决策结果相同。6.根据权利要求1-5任一项所述的方法，其中，所述方法还包括：采用基于拟合出的用户属性信息确定的预测模型，根据用户的当前行为数据预测用户2CN111783810A权利要求书2/2页的当前决策结果。7.一种用于确定用户的属性信息的装置，包括：获取单元，被配置为获取用户针对目标决策对象的历史行为记录，所述历史行为记录包括历史决策结果和与决策关联的历史行为数据；确定单元，被配置为根据预先构建的预测模型的输出层所采用的第一条件概率函数