[发明专利]识别互联网用户性别方法和系统

权利要求书

1.一种识别互联网用户性别的方法，包括：

提取多个调研样本的性别数据及网络行为数据；

根据所述调研样本的性别数据及所述网络行为数据构建性别-行为模型；

接收待分析用户的网络行为数据；

将所述待分析用户的网络行为数据带入所述性别-行为模型计算待分析用户的性别概率。

2.根据权利要求1所述的方法，其特征在于，在提取调研样本的性别数据及网络行为数据之后，对所获得的数据进行清洗，去除错误信息。

3.根据权利要求1所述的方法，其特征在于，所述网络行为数据包括曝光广告的种类、媒体、访问的网页url、文本信息中的至少一种。

4.根据权利要求2所述的方法，其特征在于，在清除错误信息之后,对网络行为数据提取特征并数值化。

5.根据权利要求2所述的方法，其特征在于，在清除错误信息之后,对网络行为数据提取特征，并根据特征覆盖率、卡方统计量、信息增益-信息熵中的至少一种排除不理想的特征。

6.根据权利要求1所述的方法，其特征在于，所述性别-行为模型为广义线性模型。

7.根据权利要求1所述的方法，其特征在于，所述性别-行为模型为

μ=exp(Xβ)1+exp(Xβ)Xβ=ln(μ1-μ)]]>

其中

X为用户特征向量；

μ为性别概率；

β为最优的参数估计值。

8.一种识别互联网用户性别的系统，包括

样本准备单元，提取多个调研样本的性别数据及网络行为数据；

建模单元，根据所述调研样本的性别数据及所述网络行为数据构建性别-行为模型；

待测数据接收单元，接收待识别用户的网络行为数据；和

性别识别单元，将所述待识别用户的网络行为数据代入所述性别-行为模型计算得到待识别用户的性别概率。