用于输出信息的方法和装置制造方法及图纸

本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：获取目标用户的至少一种人属性特征和车辆属性特征；对于至少一种人属性特征中的每种人属性特征，将该种人属性特征导入预先训练的打分模型，得到与该种人属性特征对应的分数，其中，打分模型用于表征人属性特征与分数之间的对应关系；将拼接至少一种人属性特征中的每种人属性特征对应的分数和车辆属性特征后所得到的特征向量确定为预测用特征向量；将预测用特征向量导入预先训练的三种计算模型中的至少一种，得到与所导入至的至少一种计算模型中每种计算模型对应的预测值；输出所得到的至少一种预测值。该实施方式提高了信息输出的内容丰富性。

The method and device for the output of information

The present application embodiment discloses a method and device for the output of information. One embodiment of the method includes: obtaining at least one target user attributes and vehicle attributes; for each person attributes of at least one person attributes, the scoring model of the attributes of people into pre training, and get the corresponding attributes of the kind of person who scores, including the scoring model for the relationship between, people attribute and fractional representation; the feature vectors of the fractal characteristics of each corresponding to at least one splice property and the vehicle attributes after identified as predicted by the feature vector; prediction feature vector into the pre training of three calculation model at least one, and the forecast into at least one computational model of each model corresponds to the value of the resulting output forecast; at least one value. The implementation method improves the content richness of the information output.

【技术实现步骤摘要】
用于输出信息的方法和装置
本申请实施例涉及计算机
，具体涉及互联网
，尤其涉及用于输出信息的方法和装置。
技术介绍
随着互联网以及数据挖掘技术的发展，目前存在对用户的互联网相关数据进行数据挖掘所得到的各种用户特征信息。
技术实现思路
本申请实施例提出了用于输出信息的方法和装置。第一方面，本申请实施例提供了一种用于输出信息的方法，该方法包括：获取目标用户的至少一种人属性特征和车辆属性特征；对于至少一种人属性特征中的每种人属性特征，将该种人属性特征导入预先训练的打分模型，得到与该种人属性特征对应的分数，其中，打分模型用于表征人属性特征与分数之间的对应关系；将拼接至少一种人属性特征中的每种人属性特征对应的分数和车辆属性特征后所得到的特征向量确定为预测用特征向量；将预测用特征向量导入预先训练的三种计算模型中的至少一种，得到与所导入至的至少一种计算模型中每种计算模型对应的预测值，其中，三种计算模型包括：车辆事故发生频率计算模型、平均车辆事故损失值计算模型以及预设时长内车辆事故损失值计算模型，车辆事故发生频率计算模型用于表征特征向量与车辆事故发生频率之间的对应关系，平均车辆事故损失值计算本文档来自技高网...

【技术保护点】
一种用于输出信息的方法，包括：获取目标用户的至少一种人属性特征和车辆属性特征；对于所述至少一种人属性特征中的每种人属性特征，将该种人属性特征导入预先训练的打分模型，得到与该种人属性特征对应的分数，其中，所述打分模型用于表征人属性特征与分数之间的对应关系；将拼接所述至少一种人属性特征中的每种人属性特征对应的分数和所述车辆属性特征后所得到的特征向量确定为预测用特征向量；将所述预测用特征向量导入预先训练的三种计算模型中的至少一种，得到与所导入至的至少一种计算模型中每种计算模型对应的预测值，其中，所述三种计算模型包括：车辆事故发生频率计算模型、平均车辆事故损失值计算模型以及预设时长内车辆事故损失值计算...

【技术特征摘要】
1.一种用于输出信息的方法，包括：获取目标用户的至少一种人属性特征和车辆属性特征；对于所述至少一种人属性特征中的每种人属性特征，将该种人属性特征导入预先训练的打分模型，得到与该种人属性特征对应的分数，其中，所述打分模型用于表征人属性特征与分数之间的对应关系；将拼接所述至少一种人属性特征中的每种人属性特征对应的分数和所述车辆属性特征后所得到的特征向量确定为预测用特征向量；将所述预测用特征向量导入预先训练的三种计算模型中的至少一种，得到与所导入至的至少一种计算模型中每种计算模型对应的预测值，其中，所述三种计算模型包括：车辆事故发生频率计算模型、平均车辆事故损失值计算模型以及预设时长内车辆事故损失值计算模型，所述车辆事故发生频率计算模型用于表征特征向量与车辆事故发生频率之间的对应关系，所述平均车辆事故损失值计算模型用于表征特征向量与平均车辆事故损失值之间的对应关系，所述预设时长内车辆事故损失值计算模型用于表征特征向量与预设时长内车辆事故损失值之间的对应关系；输出所得到的至少一种预测值。2.根据权利要求1所述的方法，其中，所述至少一种人属性特征包括以下至少一项：自然人属性特征和网络行为特征，所述网络行为特征包括以下至少一项：电子地图导航特征、兴趣画像特征、地址特征、常用应用特征、信用评分特征和网络搜索主题特征。3.根据权利要求2所述的方法，其中，所述车辆事故发生频率计算模型为泊松分布，所述平均车辆事故损失值计算模型为伽玛分布，所述预设时长内车辆事故损失值计算模型为Tweedie类分布。4.根据权利要求3所述的方法，其中，所述车辆事故发生频率计算模型是采用如下第一训练步骤得到的：获取泊松分布的参数初始值和预先确定的第一样本数据集合，其中，所述第一样本数据集合中每个样本数据包括用户的特征向量以及该用户的历史车辆事故发生频率，其中，用户的特征向量是拼接该用户的至少一种人属性特征中的每种人属性特征对应的分数和车辆属性特征后所得到的特征向量；以所述第一样本数据集合中的每个样本数据中的用户的特征向量作为输入数据，以该样本数据中的用户的历史车辆事故发生频率作为相应的输出数据，训练所述泊松分布的参数；将训练后的所述泊松分布确定为所述预先训练的车辆事故发生频率计算模型。5.根据权利要求4所述的方法，其中，所述平均车辆事故损失值计算模型是采用如下第二训练步骤得到的：获取咖玛分布的参数初始值和预先确定的第二样本数据集合，其中，所述第二样本数据集合中每个样本数据包括用户的特征向量以及该用户的历史平均车辆事故损失值，其中，用户的特征向量是拼接该用户的至少一种人属性特征中的每种人属性特征对应的分数和车辆属性特征后所得到的特征向量；以所述第二样本数据集合...

【专利技术属性】
技术研发人员：戴明洋，韩雷，卞传鑫，杨胜文，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11