买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京智能工场科技有限公司

摘要：本发明提出一种基于偏向性特征的属性预测方法，包括数据获取阶段、数据清洗阶段、数据特征提取阶段、模型训练阶段以及模型预测阶段。数据获取阶段获取和实体属性相关的历史行为数据，数据特征提取阶段从历史行为数据中提取特征数据，模型训练阶段根据所述数据特征提取阶段得到的偏向性特征数据作为模型的输入，通过模型来学习输入特征和输出属性之间的映射关系；模型预测阶段基于所述模型训练阶段得到的最优化模型进行属性预测。所述属性预测包括基于所述历史行为数据输入所述最优化模型预测用户的性别以及对应的潜在购买目标。本发明的技术方案获取得到的信息覆盖率和准确率均具备代表性，能够较好的实现属性预测。

主权项：1.一种基于偏向性特征的属性预测方法，所述方法包括数据获取阶段、数据清洗阶段、数据特征提取阶段、模型训练阶段以及模型预测阶段；其特征在于：所述数据获取阶段，用于获取和实体属性相关的历史行为数据，所述实体属性包括实体的自然属性和社会属性；所述实体的自然属性包括用户手机的硬件参数；所述实体的社会属性包括用户在所述手机上的支付数据集合，所述支付数据集合包括用户的金融支付数据、金融支付习惯以及金融活跃属性；所述金融活跃属性包括用户在不同金融APP上的活跃参数，包括停留时间、打开频次以及界面操作参数；所述数据清洗阶段，用于对所述数据获取阶段获取的所述历史行为数据进行数据清洗操作，数据清洗操作包括缺失值处理、重复数据处理、数据的合法性处理；所述数据特征提取阶段，用于从所述数据清洗阶段处理过的历史行为数据中提取特征数据，所述特征数据为对所述历史行为数据的偏向性取值集合进行统计得到的偏向性特征数据，具体包括：所述偏向性采用偏向性取值FX＝a,Y＝ck表示，其中a为历史行为数据X的某一取值，ck为类别标签Y的某一取值；偏向性取值F的具体计算公式如下 所述模型训练阶段，用于根据所述数据特征提取阶段得到的偏向性特征数据作为模型的输入，通过模型来学习输入特征和输出属性之间的映射关系；所述模型预测阶段，用于基于所述模型训练阶段得到的最优化模型进行属性预测；其中，所述历史行为数据包括用户点击的广告序列、用户手机安装的应用软件列表以及历史安装记录、删除记录；所述属性预测包括基于所述历史行为数据输入所述最优化模型预测用户的性别以及对应的潜在购买目标。

全文数据：

权利要求：

百度查询： 北京智能工场科技有限公司 一种基于偏向性特征的属性预测方法