[发明专利]用于输出信息的方法和装置

权利要求书

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；

根据所获取的至少一种人属性特征，确定所述目标用户在预设属性下的用户类型；

输出所确定的用户类型。

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，所述根据所获取的至少一种人属性特征，确定所述目标用户在预设属性下的用户类型，包括：

将所获取的至少一种人属性特征导入预先训练的用户类型确定模型，得到所述目标用户在所述预设属性下的用户类型，其中，所述用户类型确定模型用于表征至少一种人属性特征与用户类型之间的对应关系。

4.根据权利要求2所述的方法，其中，所述用户类型包括第一用户类型和第二用户类型。

5.根据权利要求4所述的方法，其中，所述根据所获取的至少一种人属性特征，确定所述目标用户在预设属性下的用户类型，包括：

将所获取的至少一种人属性特征导入预先训练的车辆事故发生频率计算模型，得到所述目标用户的预测车辆事故发生频率，其中，所述车辆事故发生频率计算模型用于表征至少一种人属性特征与车辆事故发生频率之间的对应关系；

响应于确定所述预测车辆事故发生频率大于预设车辆事故发生频率阈值，确定所述目标用户在所述预设属性下的用户类型为第一用户类型；

响应于确定所述预测车辆事故发生频率不大于所述预设车辆事故发生频率阈值，确定所述目标用户在所述预设属性下的用户类型为第二用户类型。

6.根据权利要求4所述的方法，其中，所述根据所获取的至少一种人属性特征，确定所述目标用户在预设属性下的用户类型，包括：

将所获取的至少一种人属性特征导入预先训练的车辆事故赔付率计算模型，得到所述目标用户的预测车辆事故赔付率，其中，所述车辆事故赔付率计算模型用于表征至少一种人属性特征与车辆事故赔付率之间的对应关系；

响应于确定所述预测车辆事故赔付率大于预设车辆事故赔付率阈值，确定所述目标用户在所述预设属性下的用户类型为第一用户类型；

响应于确定所述预测车辆事故赔付率不大于所述预设车辆事故赔付率阈值，确定所述目标用户在所述预设属性下的用户类型为第二用户类型。

7.根据权利要求3或4所述的方法，其中，所述用户类型确定模型是通过如下第一训练步骤训练得到的：

获取初始用户类型确定模型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至少一种人属性特征以及该用户在所述预设属性下的用户类型；

利用机器学习方法，以所述第一样本数据集合中的每个样本数据中的用户的至少一种人属性特征作为输入数据，以该样本数据中的该用户在所述预设属性下的用户类型作为相应的输出数据，训练所述初始用户类型确定模型；

将训练后的所述初始用户类型确定模型确定为所述预先训练的用户类型确定模型。

8.根据权利要求5所述的方法，其中，所述车辆事故发生频率计算模型是通过如下第二训练步骤训练得到的：

获取初始车辆事故发生频率计算模型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至少一种人属性特征以及该用户的历史车辆事故发生频率；

利用机器学习方法，以所述第二样本数据集合中的每个样本数据中的用户的至少一种人属性特征作为输入数据，以该样本数据中的该用户的历史车辆事故发生频率作为相应的输出数据，训练所述初始车辆事故发生频率计算模型；

将训练后的所述初始车辆事故发生频率计算模型确定为所述预先训练的车辆事故发生频率计算模型。