用于预测用户的年龄段或性别的方法、系统、装置和介质制造方法及图纸

公开了一种用于预测用户的年龄段或性别的方法，包括：接收用户在触摸面板上的手势输入；基于手势输入生成手势信息；以及利用机器学习模型，基于手势信息来预测用户的年龄段和性别中的至少一者。还公开了用于预测用户的年龄段或性别的系统、装置和介质。装置和介质。装置和介质。

【技术实现步骤摘要】
用于预测用户的年龄段或性别的方法、系统、装置和介质


[0001]本申请涉及用户信息预测，尤其涉及用于预测用户的年龄段或性别的方法、系统、装置和介质。

技术介绍

[0002]用户的年龄段和性别属于重要的用户信息。然而，在许多情况下，可能用户没有提供年龄段或性别信息。在此情况下，需要对用户的年龄段或性别信息进行预测。
[0003]目前的模型通常利用用户的图像、声音或动作信息来执行预测。然而，这样的模型可能需要采集和处理更多的用户数据(有时甚至需要利用额外的传感器模块)，从而在用户隐私保护、设备成本和复杂度、设备处理能力和功耗等方面带来不利影响。
[0004]因此，需要能够高效、低成本地预测用户的年龄段和/或性别的方案。

技术实现思路

[0005]为了克服现有技术的缺陷，本说明书的一个或多个实施例通过利用用户的手势信息，实现了减少数据采集量、无需额外传感器的用户年龄段或性别的预测方案。
[0006]本说明书的一个或多个实施例通过以下技术方案来实现其上述目的。
[0007]在一个方面，提供了一种用于预测用户的年龄段或性别的方法，包括：接收用户在用户设备上的触摸面板上的手势输入；基于所述用户的手势输入生成手势信息，所述手势信息包括手势事件类型、手势位置、手势持续时间、平均按压压力、平均按压面积、手势时间戳、相关联业务标识中的两者或更多者；以及利用机器学习模型，基于所述手势信息来预测所述用户的年龄段和性别中的至少一者。
[0008]优选地，所述机器学习模型利用所述手势输入的轨迹特征、时序特征和类别特征中的一者或多者来预测所述用户的年龄段和性别中的至少一者。
[0009]优选地，所述机器学习模型包括轨迹模块，所述轨迹模块用于基于手势事件类型、手势起点坐标和/或手势终点坐标来生成所述手势输入的轨迹特征编码。
[0010]优选地，所述轨迹模块用于：将所述手势事件类型、手势起点坐标和/或手势终点坐标转换为轨迹图像；以及利用基于CNN的模型，基于所述轨迹图像生成所述手势输入的轨迹特征编码。
[0011]优选地，所述机器学习模型包括时序模块，所述时序模块用于基于手势持续时间、平均按压压力、平均按压面积、和/或手势时间戳来生成所述手势输入的时序特征编码。
[0012]优选地，所述时序模块用于：基于所述手势持续时间、平均按压压力、平均按压面积、和/或手势时间戳，使用卷积算法来生成采样信息；以及将所述采样信息输入至注意力机制来生成所述手势输入的时序特征编码。
[0013]优选地，所述机器学习模型包括类别模块，所述类别模块用于：将所述手势输入的相关联业务标识进行词嵌入以生成词嵌入表示；基于所述手势信息生成一个或多个人工特征；将所述人工特征和所述词嵌入表示进行拼接，以及将拼接后的输出输入至宽神经网络
模型以生成所述类别特征编码。
[0014]优选地，所述方法还包括将所述轨迹特征、时序特征和类别特征中的两者或更多者的特征编码进行拼接以生成手势特征编码。
[0015]优选地，所述方法还包括利用所述机器学习模型的多门控混合专家模块，基于所述手势信息来预测所述用户的年龄段和性别两者。
[0016]优选地，所述方法还包括：使用XGBoost模型来对用户的年龄段进行初步划分。
[0017]优选地，所述方法还包括：基于所述用户的手势信息与所述用户的体态信息、动作信息和声音信息中的一者或多者的结合来预测所述用户的年龄段和性别中的至少一者。
[0018]优选地，所述方法还包括：基于所述用户的所预测的年龄段和性别中的至少一者来确定用于所述用户的身份认证方法。
[0019]优选地，所述方法还包括：基于所述用户的所预测的年龄段和性别中的至少一者来为所述用户生成推荐。
[0020]在又一方面，提供了一种用于预测用户的年龄段或性别的系统，包括：手势输入接收模块，用于接收用户在用户设备上的触摸面板上的手势输入；手势信息生成模块，用于基于所述用户的手势输入生成手势信息，所述手势信息包括手势事件类型、手势位置、手势持续时间、平均按压压力、平均按压面积、手势时间戳、相关联业务标识中的两者或更多者；以及预测模块，用于利用机器学习模型，基于所述手势信息来预测所述用户的年龄段和性别中的至少一者。
[0021]优选地，所述机器学习模型包括轨迹模块、时序模块、类别模块中的一者或多者。
[0022]在又另一方面中，提供了一种用于预测用户的年龄段或性别的装置，包括：存储器；以及处理器，该处理器被配置成执行如上述方法。
[0023]在又另一方面中，提供了一种存储指令的计算机可读存储介质，该指令当被计算机执行时，使该计算机执行上述方法。
[0024]与现有技术相比，本说明书的一个或多个实施例能够实现以下技术效果中的一者或多者：
[0025]不依赖于额外的传感器和/或对额外信息的收集；
[0026]更好地保护用户隐私；
[0027]使得用户设备的成本更低；
[0028]适用范围更广；和/或
[0029]减少了对处理器的占用、提升了系统性能，减少了功耗。
[0030]需要理解，本说明书的一个或多个实施例实现的技术效果不限于以上各项，且本说明书的一个或多个实施例无需实现以上全部技术效果。
附图说明
[0031]以上
技术实现思路
以及下面的具体实施方式在结合附图阅读时会得到更好的理解。需要说明的是，附图仅作为所请求保护的专利技术的示例。在附图中，相同的附图标记代表相同或类似的元素。
[0032]图1A示出根据本说明书实施例的用户的数据量的示例示意图。
[0033]图1B示出采用机器学习模型对图1A中的用户进行初步年龄段划分的召回率。
[0034]图2示出根据本说明书实施例的手势信息的数据结构的示例。
[0035]图3示出根据本说明书的优选实施例的用于预测用户的年龄段和/或性别的机器学习模型的架构的框图。
[0036]图4示出根据本说明书实施例的轨迹模块的示例结构的示意框图。
[0037]图5示出根据本说明书实施例的将轨迹信息转换为轨迹图像的示例示意图。
[0038]图6示出根据本说明书实施例的时序模块的示例结构的示意框图。
[0039]图7示出根据本说明书实施例的类别模块的示例结构的示意框图。
[0040]图8示出根据本说明书实施例的分类模块的示例结构的示意框图。
[0041]图9示出根据本说明书实施例的用于预测用户的年龄段或性别的示例方法的流程图。
[0042]图10示出根据本说明书实施例的用于预测用户的年龄段或性别的示例系统的示意框图。
[0043]图11示出用于实现根据本说明书一个或多个实施例的方法的装置的示意框图。
具体实施方式
[0044]以下具体实施方式的内容足以使任何本领域技术人员了解本说明书的一个或多个实施例的
技术实现思路
并据以实施，且根据本说明书所揭露的说明书、权利要求及附图，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于预测用户的年龄段或性别的方法，包括：接收用户在用户设备上的触摸面板上的手势输入；基于所述用户的手势输入生成手势信息，所述手势信息包括手势事件类型、手势位置、手势持续时间、平均按压压力、平均按压面积、手势时间戳、相关联业务标识中的两者或更多者；以及利用机器学习模型，基于所述手势信息来预测所述用户的年龄段和性别中的至少一者。2.如权利要求1所述的方法，其中所述机器学习模型利用所述手势输入的轨迹特征、时序特征和类别特征中的一者或多者来预测所述用户的年龄段和性别中的至少一者。3.如权利要求2所述的方法，其中所述机器学习模型包括轨迹模块，所述轨迹模块用于基于手势事件类型、手势起点坐标和/或手势终点坐标来生成所述手势输入的轨迹特征编码。4.如权利要求3所述的方法，其中所述轨迹模块用于：将所述手势事件类型、手势起点坐标和/或手势终点坐标转换为轨迹图像；以及利用基于CNN的模型，基于所述轨迹图像生成所述手势输入的轨迹特征编码。5.如权利要求2所述的方法，其中所述机器学习模型包括时序模块，所述时序模块用于基于手势持续时间、平均按压压力、平均按压面积、和/或手势时间戳来生成所述手势输入的时序特征编码。6.如权利要求5所述的方法，其中所述时序模块用于：基于所述手势持续时间、平均按压压力、平均按压面积、和/或手势时间戳，使用卷积算法来生成采样信息；以及将所述采样信息输入至注意力机制来生成所述手势输入的时序特征编码。7.如权利要求2所述的方法，其中所述机器学习模型包括类别模块，所述类别模块用于：将所述手势输入的相关联业务标识进行词嵌入以生成词嵌入表示；基于所述手势信息生成一个或多个人工特征；将所述人工特征和所述词嵌入表示进行拼接，以及将拼接后的输出输入至宽神经网络模型以生成所述类别特征编码。8.如权利要求2所述的方法，进一步包括...

【专利技术属性】
技术研发人员：张长浩，王维强，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：