一种用户属性的预测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种用户属性的预测方法、装置、设备及存储介质。该方法包括获取目标用户在多个描述维度下的属性衡量标签，每个描述维度中包括多个描述项，每个描述项对应匹配的属性衡量标签；其中，所述描述维度包括下述至少一项：身份描述维度、关联实体描述维度以及关联大数据描述维度；将各所述属性衡量标签转换为匹配的属性衡量向量，得到与所述目标用户对应的属性衡量向量集；将所述属性衡量向量集输入至预先训练的用户属性预测模型中，获取所述目标用户的至少一个预测用户属性。本发明专利技术实施例的技术方案精确对用户属性的预测，以便提供相应的应对策略。便提供相应的应对策略。便提供相应的应对策略。

【技术实现步骤摘要】
一种用户属性的预测方法、装置、设备及存储介质


[0001]本专利技术实施例涉及计算机技术，尤其涉及一种用户属性的预测方法、装置、设备及存储介质。

技术介绍

[0002]随着计算机网络的日益发展，属性预测的应用场景的占比规模越来越大，属性预测技术越来越复杂，导致出现各种恶意用户、异常用户和异常行为的可能性增多。当网络中出现大量人物或者行为，怎样快速对属性进行预测，产生相应的预警，进一步进行精细化的属性分析，就显得尤为重要。
[0003]专利技术人在实现本专利技术的过程中，发现现有技术主要存在如下缺陷：现有技术对用户属性预测不全面，导致无法提供更合适的应对策略。

技术实现思路

[0004]本专利技术实施例提供了一种用户属性的预测方法、装置、设备及存储介质，精确对用户属性的预测，以便提供相应的应对策略。
[0005]第一方面，本专利技术实施例提供了一种用户属性的预测方法，该方法包括：
[0006]获取目标用户在多个描述维度下的属性衡量标签，每个描述维度中包括多个描述项，每个描述项对应匹配的属性衡量标签；
[0007]其中，所述描述维度包括下述至少一项：身份描述维度、关联实体描述维度以及关联大数据描述维度；
[0008]将各所述属性衡量标签转换为匹配的属性衡量向量，得到与所述目标用户对应的属性衡量向量集；
[0009]将所述属性衡量向量集输入至预先训练的用户属性预测模型中，获取所述目标用户的至少一个预测用户属性；所述预测用户属性包括：预测身份特征、预测行为特征及预测风险等级。
[0010]第二方面，本专利技术实施例还提供了一种用户属性的预测装置，该装置包括：
[0011]属性衡量标签获取模块，用于获取目标用户在多个描述维度下的属性衡量标签，每个描述维度中包括多个描述项，每个描述项对应匹配的属性衡量标签；
[0012]其中，所述描述维度包括下述至少一项：身份描述维度、关联实体描述维度以及关联大数据描述维度；
[0013]属性衡量向量集获取模块，用于将各所述属性衡量标签转换为匹配的属性衡量向量，得到与所述目标用户对应的属性衡量向量集；
[0014]用户属性预测模块，用于将所述属性衡量向量集输入至预先训练的用户属性预测模型中，获取所述目标用户的至少一个预测用户属性；所述预测用户属性包括：预测身份特征、预测行为特征及预测风险等级。
[0015]第三方面，本专利技术实施例还提供了一种电子设备，该电子设备包括：
[0016]一个或多个处理器；
[0017]存储装置，用于存储一个或多个程序；
[0018]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任意实施例所述的一种用户属性的预测方法。
[0019]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如本专利技术任意实施例所述的一种用户属性的预测方法。
[0020]本专利技术实施例通过获取目标用户在多个描述维度下的属性衡量标签，每个描述维度中包括多个描述项，每个描述项对应匹配的属性衡量标签；其中，所述描述维度包括下述至少一项：身份描述维度、关联实体描述维度以及关联大数据描述维度；将各所述属性衡量标签转换为匹配的属性衡量向量，得到与所述目标用户对应的属性衡量向量集；将所述属性衡量向量集输入至预先训练的用户属性预测模型中，获取所述目标用户的至少一个预测用户属性，所述预测用户属性包括：预测身份特征、预测行为特征及预测风险等级，解决现有技术对用户属性预测不全面的问题，精确对用户属性的预测，以便提供相应的应对策略。
附图说明
[0021]图1为本专利技术实施例一提供的一种用户属性的预测方法的流程图；
[0022]图2为本专利技术实施例二提供的另一种用户属性的预测方法的流程图；
[0023]图2a为本专利技术实施例二提供了一种用户属性的具体预测流程示意图；
[0024]图3为本专利技术实施例三提供的一种用户属性的预测装置的结构示意图；
[0025]图4为本专利技术实施例四提供的一种电子设备的结构示意图。
具体实施方式
[0026]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。本专利技术应用于合法监督平台，数据均通过合法渠道获得。
[0027]实施例一
[0028]图1为本专利技术实施例一提供的一种用户属性的预测方法的流程图，本实施例可适用于对用户的属性进行预测的情况，该方法可以由一种用户属性的预测装置来执行，该装置可以通过软件和/或硬件的方式实现，并一般可以集成在服务器中。参考图1，该方法具体包括如下步骤：
[0029]S110、获取目标用户在多个描述维度下的属性衡量标签，每个描述维度中包括多个描述项，每个描述项对应匹配的属性衡量标签。
[0030]其中，目标用户可以是指待预测属性的用户。
[0031]描述维度可以包括下述至少一项：身份描述维度、关联实体描述维度以及关联大数据描述维度，其中，身份描述维度可以是指描述目标用户身份的信息所匹配的维度，关联实体描述维度可以是指描述目标用户所使用物品相关信息所匹配的维度，关联大数据维度可以是指目标用户的电信数据、时空数据和社会数据等信息所匹配的维度。
[0032]属性衡量标签可以是指目标用户在各描述维度下的具体信息内容。
[0033]描述项可以是指每种描述维度下，对目标用户进行具体描述的项目。例如，身份描述维度下的描述项可以包括姓名、性别、年龄和职业等，关联实体描述维度下的描述项可以包括实体名称、实体型号和实体来源等，关联大数据描述维度下的描述项可以包括电信信息、时空轨迹和社会倾向等。
[0034]在本实施例中，可以获取目标用户在多个描述维度下多个描述项的具体信息，如身份特征、行为偏好、时空轨迹、关系网络和社会倾向等信息。
[0035]S120、将各所述属性衡量标签转换为匹配的属性衡量向量，得到与所述目标用户对应的属性衡量向量集。
[0036]其中，属性衡量向量可以是指属性衡量标签的数字表示形式。属性衡量向量集可以是包含多个属性衡量向量的集合，目标用户在各描述维度下的各描述项对应的信息均可以转换为匹配的属性衡量向量，即，目标用户可以具有多个匹配的属性衡量向量。
[0037]在本专利技术实施例中，可以将目标用户的可用属性衡量标签转换为匹配的属性衡量向量，从而构建与目标用户对应的属性衡量向量集。
[0038]S130、将所述属性衡量向量集输入至预先训练的用户属性预测模型中，获取所述目标用户的至少一个预测用户属性。
[0039]其中，用户属性预测模型可以通过大量训练样本经过至少一轮的训练获得，该用户属性预测模型可以基于深度学习构建，示例性的，可以构建K
‑
means模型。预测用户属性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户属性的预测方法，其特征在于，包括：获取目标用户在多个描述维度下的属性衡量标签，每个描述维度中包括多个描述项，每个描述项对应匹配的属性衡量标签；其中，所述描述维度包括下述至少一项：身份描述维度、关联实体描述维度以及关联大数据描述维度；将各所述属性衡量标签转换为匹配的属性衡量向量，得到与所述目标用户对应的属性衡量向量集；将所述属性衡量向量集输入至预先训练的用户属性预测模型中，获取所述目标用户的至少一个预测用户属性；所述预测用户属性包括：预测身份特征、预测行为特征及预测风险等级。2.根据权利要求1所述的方法，其特征在于，在获取所述目标用户的至少一个预测用户属性之后，还包括：获取与异常预测场景匹配的目标评分规则；根据各所述预测用户属性，以及所述目标评分规则，获取所述目标用户在所述异常预测场景中的异常评分值；如果确定所述异常评分值满足预设的门限阈值条件，则将所述目标用户识别为所述异常预测场景下的异常用户。3.根据权利要求2所述的方法，其特征在于，在将所述目标用户识别为所述异常预测场景下的异常用户之后，还包括：对所述目标用户进行用户行为数据的监控，并在确定所述用户行为数据满足与所述异常预测场景匹配的异常行为条件时，对所述目标用户进行用户行为预警。4.根据权利要求1所述的方法，其特征在于，在获取所述目标用户的至少一个预测用户属性之后，还包括：按照所述预测用户属性，对多个用户进行用户聚类，得到多个用户群体；获取与异常预测场景匹配的标准用户属性，并根据各用户群体的聚类中心，以及所述标准用户属性，在各所述用户群体中识别异常用户群体；根据所述异常用户群体里中包括的用户数量，预测与所述异常预测场景匹配的异常事件的发生概率。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，在将所述属性衡量向量集输入至预先训练的用户属性预测模型中之前，还包括：获取训练样本数据，将所述训练样本数据输入至预先建立的预测模型；对所述预测模型进行优化训练，确定所述预测模型的模型参数，得到所述用户属性预测模...

【专利技术属性】
技术研发人员：郑开发，史帅，尚程，杨满智，王杰，傅强，梁彧，田野，金红，陈晓光，
申请(专利权)人：恒安嘉新北京科技股份公司，
类型：发明
国别省市：