[发明专利]一种用户自然属性的确定方法和装置

权利要求书

1.一种用户自然属性的确定方法，其特征在于，包括：

根据第一用户的自然属性和行为，确定包含所述第一用户的自然属性和所述第一用户的用户特征向量的样本，其中，所述第一用户为已知自然属性的用户，所述第一用户的用户特征向量中的特征是根据所述第一用户的行为确定的；

确定所述第一用户的用户特征向量中覆盖率超过N的特征中自然属性区分度最高的M个特征，其中，所述N为0～1之间的浮点数，M为正整数；

滤除所述第一用户的用户特征向量中除所述M个特征之外的特征；

对所述第一用户的用户特征向量中的特征进行归一化处理；

通过包含归一化处理后的所述第一用户的用户特征向量的样本，获得每个自然属性对应的逻辑回归机器学习模型；

根据第二用户的行为，确定所述第二用户的用户特征向量，其中，所述第二用户为待确定自然属性的用户；

滤除所述第二用户的用户特征向量中除所述M个特征之外的特征；

对所述第二用户的用户特征向量中的特征进行归一化处理；

将归一化处理后的所述第二用户的用户特征向量应用到每个自然属性对应的逻辑回归机器学习模型中，确定出所述第二用户的自然属性。

2.根据权利要求1所述的方法，其特征在于，

对所述第一用户的用户特征向量中的特征进行归一化处理，包括：

使用以下公式对所述第一用户的用户特征向量中的特征进行归一化处理：

其中，sigmoid函数为

其中，tf₁为所述第一用户使用第一特征的频次,sum_freq₁为所述第一用户的所有特征的频次之和，total_user是用户总数，user_uv表示第一特征被user_uv个用户覆盖到，score_{user,feature1}为所述第一特征归一化之后的取值；

对所述第二用户的用户特征向量中的特征进行归一化处理，包括：

使用以下公式对所述第二用户的用户特征向量中的特征进行归一化处理：

其中，tf₂为所述第二用户使用第一特征的频次,sum_freq₂为所述第二用户的所有特征的频次之和。

3.根据权利要求1所述的方法，其特征在于，确定所述第一用户的用户特征向量中覆盖率超过N的特征中自然属性区分度最高的M个特征，包括：

通过以下公式,确定所述用户向量中的每个特征的覆盖率cov_feature，并过滤掉其中cov_feature小于N的特征:

其中，uv_feature是此特征覆盖的用户数，uv_all是用户总数；

通过以下公式，确定所述第一用户的用户特征向量中覆盖率超过N的特征中每个特征的自然属性区分度discri_{feature,profile}：

其中，i的取值为1～Q，其中Q为当前自然属性的取值个数，uv_i为当前特征在当前自然属性的第i个取值上的覆盖人数，rate_i为当前自然属性第i个取值在所有用户中所占的比例；

选择所述第一用户的用户特征向量中覆盖率超过N的特征中自然属性区分度最高的M个特征。

4.根据权利要求1至3中任一项所述的方法，其特征在于，

所述第一用户为注册用户，所述注册用户的自然属性是通过所述注册用户的注册信息得到的；所述行为包括：观影行为和搜索行为。