[发明专利]人群画像分类模型的建立方法、装置、设备和存储介质

权利要求书

1.一种人群画像分类模型的建立方法，其特征在于，包括：

获取待进行人群画像分类的用户数据，其中每一条用户数据包括该用户对应的多个用户属性；

将每个用户属性作为Chow-Liu算法的一个因子，对于每一个因子，根据公式一在所有未选取的因子中选择与其KL距离最小的因子作为该因子的关联因子，直至所有因子均被选取，以得到贝叶斯网络模型；

其中，所述公式一为：

KL(P(X)||T(X))＝-∑I(，Pa( ))+∑H( )-H(，...)

其中，KL(P(X)||T(X))表示该因子与所有未选择的因子中任一因子的KL距离，P(X)表示进行关联之前所有因子的分布情况，T(X)表示进行关联之后所有因子的分布情况；

表示第i个因子，H表示熵，Pa()表示的父节点；

I表示互信息，是通过公式二计算得到的，所述公式二为：

I（，）=log

其中，p(a)表示数值a出现的概率，p(b)表示数值b出现的概率，p(a,b)表示数值b出现的前提下数值b出现的概率，和代表所述多个用户属性中任两个用户属性，数值a为属于用户属性的任一数值，数值b为属于用户属性的任一数值；

将所述用户数据输入到所述贝叶斯网络模型中进行训练，得到所述人群画像分类模型。

2.根据权利要求1所述的方法，其特征在于，在获取待进行人群画像分类的用户数据的步骤之后，所述方法还包括：

对所述用户数据进行数据预处理。

3.根据权利要求2所述的方法，其特征在于，所述数据预处理包括：数据清洗以及标准化处理；

所述数据清洗包括：删除用户数据中的空缺数据、噪声数据、重复数据以及错误数据；

所述标准化处理包括：将同一个用户对应的多个数据进行整合。

4.根据权利要求1所述的方法，其特征在于，所述用户数据中包括标签数据以及未标签数据，所述将所述用户数据输入到所述贝叶斯网络模型中进行训练的步骤包括：

采用半监督学习方法对输入到贝叶斯网络模型中的用户数据进行训练。

5.根据权利要求4所述的方法，其特征在于，所述采用半监督学习方法对输入到贝叶斯网络模型中的用户数据进行训练，包括：

利用所述贝叶斯网络模型对未标签数据进行标签预测；

利用所述贝叶斯网络模型对标签数据进行训练；

重复交替执行所述利用所述贝叶斯网络模型对未标签数据进行标签预测的步骤以及所述利用所述贝叶斯网络模型对标签数据进行训练的步骤，直至训练过程收敛。

6.根据权利要求1所述的方法，其特征在于，在得到所述人群画像分类模型之后，所述方法还包括：

在接收到新输入的用户数据时，利用所述人群画像分类模型对所述用户数据进行人群画像分类，得到对应的分类结果。