[发明专利]用于输出信息的方法和装置

说明书

本申请实施例公开了用于输出信息的方法和装置。该方法的一具体实施方式包括：获取目标用户的历史行为信息序列；对目标用户的历史行为信息序列进行特征提取，得到目标用户的历史行为特征序列；将历史行为特征序列输入预先训练的递归神经网络，得到目标用户的未来行为信息，其中，递归神经网络用于表征历史行为特征序列与未来行为信息之间的对应关系；输出目标用户的未来行为信息。该实施方式实现了根据用户的历史行为信息序列对用户的各种未来行为信息的预测，而不再只是单一性地预测位置信息。

技术领域

本申请实施例涉及计算机技术领域，具体涉及用于输出信息的方法和装置。

背景技术

随着互联网以及移动互联网的飞速发展，存在各种设备随时采集用户的各种行为信息，包括但不限于位置信息、网站行为信息、APP(应用，Application)行为信息等。例如，可以获取用户终端的GPS(Global Positioning System，全球定位系统)定位信息、IP(Internet Protocol，网络之间互连的协议)地址信息、Wi-Fi(WIreless-FIdelity，无线保真/无线宽带/无线网络)信息或者基站信息等作为用户的位置信息，可以获取用户在网站的浏览行为信息、点击行为信息、输入文本内容等作为用户的网站行为信息，可以获取用户使用了哪些APP、用户在使用APP的时候点击了哪些控件、输入了哪些信息等作为用户的APP行为信息。

目前，大都仅仅利用用户的历史位置信息来预测用户未来的位置信息，预测内容较为单一。

发明内容

本申请实施例提出了用于输出信息的方法和装置。

第一方面，本申请实施例提供了一种用于输出信息的方法，该方法包括：获取目标用户的历史行为信息序列；对目标用户的历史行为信息序列进行特征提取，得到目标用户的历史行为特征序列；将历史行为特征序列输入预先训练的递归神经网络，得到目标用户的未来行为信息，其中，递归神经网络用于表征历史行为特征序列与未来行为信息之间的对应关系；输出目标用户的未来行为信息。

在一些实施例中，预先训练的递归神经网络包括：输入层、至少两个隐藏层和输出层，至少两个隐藏层包括普通隐层和栈式隐层，栈式隐层是接收预先训练的递归神经网络的上一时刻的隐藏层的输出作为输入的层，普通隐层是至少一个隐藏层中除栈式隐藏层之外的其他隐藏层，输出层用于将预先训练的递归神经网络的最后一个隐藏层的输出映射到行为信息空间。

在一些实施例中，预先训练的递归神经网络是通过如下第一训练步骤得到的：确定初始递归神经网络的网络结构以及初始化初始递归神经网络的网络参数；获取第一训练样本集，其中，第一训练样本包括样本历史行为信息序列和标注未来行为信息；对于第一训练样本集中的第一训练样本，对该第一训练样本中的样本历史行为信息序列进行特征提取，得到样本历史行为特征序列，将所得到的样本历史行为特征序列和该第一训练样本中的标注未来行为信息分别作为初始递归神经网络的输入和期望输出，利用监督学习方法训练初始递归神经网络；将训练得到的初始递归神经网络确定为预先训练的递归神经网络。