一种基于位置记录的用户人口学属性预测方法及系统技术方案

本发明专利技术公开了一种基于位置记录的用户人口学属性预测方法及系统，所述方法包括以下步骤：获取多个用户的人口学属性和一段时间内的位置记录；将每个用户的位置记录按照设定天数进行分割，得到多段位置记录；基于每段位置记录均构建一幅活动图像；以所述多个用户的活动图像和相应人口学属性为训练数据，训练人口学属性预测模型；获取人口学属性未知的用户位置记录，基于所述人口学属性预测模型进行人口学属性预测。本发明专利技术能够充分利用用户共享的位置数据中隐含的周期性模式与其人口学属性的高度关联性，解决数据稀疏问题，能够对LBS用户的人口学属性进行准确的预测。

A user demographic attribute prediction method and system based on location record

【技术实现步骤摘要】
一种基于位置记录的用户人口学属性预测方法及系统
本专利技术属于人口学属性预测
，尤其涉及一种基于位置记录的用户人口学属性预测方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。随着智能手机、智能手表等便携式可定位设备的普及，基于位置服务(LocationBasedServices，简称LBS)日趋流行，如Foursquare,大众点评等。在这些服务中，用户可以通过发布带有定位标记的内容来分享其日常生活中的位置，从而获得高质量、个性化的信息推荐服务。目前，LBS已经广泛覆盖了零售、交通、旅游、社交和个性化搜索等领域。在LBS向用户推荐各类信息的过程中，除位置信息外，用户的人口学属性(如性别、年龄、收入、文化程度等)也是重要的推荐依据。这些属性是影响用户潜在需求的重要因素，例如，同样位于商圈的用户，女性用户更偏向于访问服饰店和化妆品店，而男性用户更偏向于访问电子产品商店。因此，充分的利用用户的人口学属性能够有效的提高信息推荐的精准度。目前，LBS网站所采用的用户人口学属性信息主要来自本文档来自技高网...

【技术保护点】
1.一种基于位置记录的用户人口学属性预测方法，其特征在于，包括以下步骤：/n获取多个用户的人口学属性和一段时间内的位置记录；/n将每个用户的位置记录按照设定天数进行分割，得到多段位置记录；/n基于每段位置记录均构建一幅活动图像；/n以所述多个用户的活动图像和相应人口学属性为训练数据，训练人口学属性预测模型；/n获取人口学属性未知的用户位置记录，基于所述人口学属性预测模型进行人口学属性预测。/n

【技术特征摘要】
1.一种基于位置记录的用户人口学属性预测方法，其特征在于，包括以下步骤：
获取多个用户的人口学属性和一段时间内的位置记录；
将每个用户的位置记录按照设定天数进行分割，得到多段位置记录；
基于每段位置记录均构建一幅活动图像；
以所述多个用户的活动图像和相应人口学属性为训练数据，训练人口学属性预测模型；
获取人口学属性未知的用户位置记录，基于所述人口学属性预测模型进行人口学属性预测。


2.如权利要求1所述的基于位置记录的用户人口学属性预测方法，其特征在于，获取多个用户的位置记录后，还对这些位置记录进行预处理，将其中的具体位置名称替换为相应的位置类别。


3.如权利要求2所述的基于位置记录的用户人口学属性预测方法，其特征在于，基于每段位置记录均构建一幅活动图像包括：
为所有位置类别赋予不同的像素值；
对于该段位置记录，以一天24小时的位置类别为一行，得到行数为设定天数的活动图像。


4.如权利要求3所述的基于位置记录的用户人口学属性预测方法，其特征在于，为所有位置类别赋予不同的像素值包括：
获取所有的位置类别；
基于文本转向量的方法，得到每个位置类别的向量表示；
将每个位置类别的向量表示降维为三维向量表示；
对每个位置类别的三维向量表示进行归一化处理，使每一个分量的取值范围在[0,255]之间。


5.如权利要求1所述的基于位置记录的用户人口学属性预测方法，其特征在于，训练人口学属性预测模型包括：
将所述多个用户的活动图像根据人口学属性的种类进行划分；
以所述多个用户的活动图像作为输入，以相应的人口学属性作为输出，训练卷积神经网络模型，得到人口学属性预测模...

【专利技术属性】
技术研发人员：韩晓晖，王连海，刘广起，杨淑棉，张淑慧，邹丰义，毕晓燕，匡瑞雪，
申请(专利权)人：山东省计算中心国家超级计算济南中心，
类型：发明
国别省市：山东;37