用户人生阶段状态的判断方法和装置制造方法及图纸

本申请提出一种用户人生阶段状态的判断方法和装置，其中，方法包括：获取用户的当前状态和当前时间切片；根据用户的当前状态和概率状态转移矩阵，获取用户的第一类新状态，及第一类新状态所对应的第一概率；根据用户的当前时间切片和概率约束矩阵，获取用户的第二类新状态，以及第二类新状态所对应的第二概率；以及根据第一类新状态、第一概率、第二类新状态和第二概率，生成最终人生阶段状态。该方法能够实现提升预测结果的准确性和灵敏度。

Method and device for judging user's life stage state

【技术实现步骤摘要】
用户人生阶段状态的判断方法和装置
本申请涉及互联网
，尤其涉及一种用户人生阶段状态的判断方法和装置。
技术介绍
人生阶段状态是指用户所处的生命周期的状态，例如，从年龄维度进行划分，可以将孩子分为：婴儿(0至1岁)、幼儿(1至3岁)、小孩(3至6岁)，再例如，从基础教育阶段进行划分，可以将孩子分为：家有小学生、初中生、高中生，又例如，从社会角色状态进行划分，可以将用户分为：小学生、中学生、大学生，备孕、孕期等。现有技术中，根据用户行为特征，预测用户的人生阶段状态。这种方式下，可能发生用户人生阶段状态跳跃的问题，或者，存在对用户人生阶段状态不敏感的问题。
技术实现思路
本申请提出一种用户人生阶段状态的判断方法和装置，以实现提升预测结果的准确性和灵敏度，用于解决现有技术中根据用户行为特征，预测用户的人生阶段状态，可能发生用户人生阶段状态错误跳跃的问题，或者，存在对用户人生阶段状态不敏感的技术问题。本申请一方面实施例提出了一种用户人生阶段状态的判断方法，包括：获取用户的当前状态和当前时间切片；根据所述用户的当前状态和概率状态转移矩阵，获取所述用户的第一类新状态，及所述第一类新状态所对应的第一概率；根据所述用户的当前时间切片和概率约束矩阵，获取所述用户的第二类新状态，以及所述第二类新状态所对应的第二概率；以及根据所述第一类新状态、所述第一概率、所述第二类新状态和所述第二概率，生成最终人生阶段状态。本申请实施例的用户人生阶段状态的判断方法，通过获取用户的当前状态和当前时间切片，而后，根据用户的当前状态和概率状态转移矩阵，获取用户的第一类新状态，及第一类新状态所对应的第一概率，接着，根据用户的当前时间切片和概率约束矩阵，获取用户的第二类新状态，以及第二类新状态所对应的第二概率，最后，根据第一类新状态、第一概率、第二类新状态和第二概率，生成最终人生阶段状态。本申请中，由于采用时间切片的方式进行预测，剥离了较长时间段的用户行为特征对预测结果的直接影响，可以避免输出一个距离用户现阶段比较久远的人生阶段状态，提升预测结果的准确性。并且，通过根据概率状态转移矩阵和概率约束矩阵，确定最终人生阶段状态，可以避免人工经验以及人工设置衰减参数的局限性，提升该方法的适用性。此外，根据时间切片的方式，对用户人生阶段状态进行预测，可以使得输出结果较为灵敏。本申请又一方面实施例提出了一种用户人生阶段状态的判断装置，包括：第一获取模块，用于获取用户的当前状态和当前时间切片；第二获取模块，用于根据所述用户的当前状态和概率状态转移矩阵，获取所述用户的第一类新状态，及所述第一类新状态所对应的第一概率；第三获取模块，用于根据所述用户的当前时间切片和概率约束矩阵，获取所述用户的第二类新状态，以及所述第二类新状态所对应的第二概率；以及生成模块，用于根据所述第一类新状态、所述第一概率、所述第二类新状态和所述第二概率，生成最终人生阶段状态。本申请实施例的用户人生阶段状态的判断装置，通过获取用户的当前状态和当前时间切片，而后，根据用户的当前状态和概率状态转移矩阵，获取用户的第一类新状态，及第一类新状态所对应的第一概率，接着，根据用户的当前时间切片和概率约束矩阵，获取用户的第二类新状态，以及第二类新状态所对应的第二概率，最后，根据第一类新状态、第一概率、第二类新状态和第二概率，生成最终人生阶段状态。本申请中，由于采用时间切片的方式进行预测，剥离了较长时间段的用户行为特征对预测结果的直接影响，可以避免输出一个距离用户现阶段比较久远的人生阶段状态，提升预测结果的准确性。并且，通过根据概率状态转移矩阵和概率约束矩阵，确定最终人生阶段状态，可以避免人工经验以及人工设置衰减参数的局限性，提升该方法的适用性。此外，根据时间切片的方式，对用户人生阶段状态进行预测，可以使得输出结果较为灵敏。本申请又一方面实施例提出了一种计算机设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如本申请前述实施例提出的用户人生阶段状态的判断方法。本申请又一方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请前述实施例提出的用户人生阶段状态的判断方法。本申请又一方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行如本申请前述实施例提出的用户人生阶段状态的判断方法。本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。附图说明本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本申请实施例一所提供的用户人生阶段状态的判断方法的流程示意图；图2为本申请实施例二所提供的用户人生阶段状态的判断方法的流程示意图；图3为本申请实施例三所提供的用户人生阶段状态的判断装置的流程示意图；图4为本申请实施例四所提供的用户人生阶段状态的判断装置的流程示意图；图5示出了适于用来实现本申请实施方式的示例性计算机设备的框图。具体实施方式下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。现有技术中，根据用户行为特征，预测用户的人生阶段状态。然而这种方式下，可能发生用户人生阶段状态错误跳跃的问题，或者，存在对用户人生阶段状态不敏感的问题。例如，某个用户在预设时间段内为家人搜索了很多关于高考报名的搜索词，并点击了搜索结果中对应的文章，因此，无论利用累计的用户行为特征，还是利用近期时间切片的用户行为特征，预测的结果均为：用户的人生阶段状态从“家有1-3岁小孩”跳转到“家有中学生”的错误跳跃状态。或者，为了避免人生阶段状态错误跳跃的问题，可以利用长期累积的用户行为特征，预测用户的人生阶段状态，以提升预测结果的稳定性。但是，这种方式下，可能存在对用户人生阶段状态不敏感的问题。例如，一个女性用户长期处于备孕状态，比如处于备孕状态的时间为3年，但是，该用户切换到孕期状态接近半年都未被识别，由于积累3年的用户行为中有大量的用户备孕相关的特征，淹没了近半年的孕期特征。因此，本申请主要针对现有技术中根据用户行为特征，预测用户的人生阶段状态，可能发生用户人生阶段状态错误跳跃的问题，或者，存在对用户人生阶段状态不敏感的技术问题，提出一种用户人生阶段状态的判断方法。本申请实施例的用户人生阶段状态的判断方法，通过获取用户的当前状态和当前时间切片，而后，根据用户的当前状态和概率状态转移矩阵，获取用户的第一类新状态，及第一类新状态所对应的第一概率，接着，根据用户的当前时间切片和概率约束矩阵，获取用户的第二类新状态，以及第二类新状态所对应的第二概率，最本文档来自技高网...

【技术保护点】
1.一种用户人生阶段状态的判断方法，其特征在于，包括：/n获取用户的当前状态和当前时间切片；/n根据所述用户的当前状态和概率状态转移矩阵，获取所述用户的第一类新状态，及所述第一类新状态所对应的第一概率；/n根据所述用户的当前时间切片和概率约束矩阵，获取所述用户的第二类新状态，以及所述第二类新状态所对应的第二概率；以及/n根据所述第一类新状态、所述第一概率、所述第二类新状态和所述第二概率，生成最终人生阶段状态。/n

【技术特征摘要】
1.一种用户人生阶段状态的判断方法，其特征在于，包括：
获取用户的当前状态和当前时间切片；
根据所述用户的当前状态和概率状态转移矩阵，获取所述用户的第一类新状态，及所述第一类新状态所对应的第一概率；
根据所述用户的当前时间切片和概率约束矩阵，获取所述用户的第二类新状态，以及所述第二类新状态所对应的第二概率；以及
根据所述第一类新状态、所述第一概率、所述第二类新状态和所述第二概率，生成最终人生阶段状态。


2.如权利要求1所述的用户人生阶段状态的判断方法，其特征在于，所述根据所述用户的当前状态和概率状态转移矩阵获取所述用户的第一类新状态，及所述第一类新状态所对应的第一概率，包括：
获取所述当前状态的保持时间；
根据所述当前状态、所述当前状态的保持时间和所述概率状态转移矩阵，获取所述用户的第一类新状态，及所述第一类新状态所对应的第一概率。


3.如权利要求2所述的用户人生阶段状态的判断方法，其特征在于，还包括：
获取所述当前状态的属性；
根据所述当前状态的属性，确定所述属性所对应的概率状态转移矩阵。


4.如权利要求2所述的用户人生阶段状态的判断方法，其特征在于，还包括：
获取所述当前状态之前的多个老状态；
获取所述多个老状态对应的时间，并根据所述多个老状态对应的时间，生成相应的衰减系数；
根据所述衰减系数，对所述第一概率进行调整。


5.如权利要求1所述的用户人生阶段状态的判断方法，其特征在于，所述根据所述用户的当前时间切片和概率约束矩阵，获取所述用户的第二类新状态，以及所述第二类新状态所对应的第二概率，包括：
获取所述当前状态之前的多个老状态；
根据所述多个老状态获取多个属性；
根据所述多个属性、所述当前时间切片和所述概率约束矩阵，获取所述用户的第二类新状...

【专利技术属性】
技术研发人员：周俊，康建峰，闻波，
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