[发明专利]一种预测用户性别画像的方法和装置

权利要求书

1.一种预测用户性别画像的方法，其特征在于，包括：

从线上产生的实时数据流中提取实时行为特征；

使用所述实时行为特征对获取的历史行为特征进行特征处理以生成训练样本；

通过对所述训练样本进行训练以确定预测模型的模型参数，并根据所述模型参数更新所述预测模型；

使用所述预测模型来预测用户的性别画像。

2.根据权利要求1所述的方法，其特征在于，使用所述实时行为特征对获取的历史行为特征进行特征处理以生成训练样本包括：

获取预定数量或预定时间段内的历史行为特征，并使用用户的实时行为特征中包括的物品性别对所述历史行为特征进行打标以进行特征处理，从而生成训练样本。

3.根据权利要求1所述的方法，其特征在于，通过对所述训练样本进行训练以确定预测模型的模型参数包括：

采用基于梯度的分布式批处理的方案来对所述训练样本进行训练以确定预测模型的模型参数。

4.根据权利要求3所述的方法，其特征在于，所述基于梯度的分布式批处理的方案包括：

将所述训练样本分发到多个线程中；

每个线程对所分发的训练样本进行处理以得到所分发的训练样本的梯度，其中，每个线程采用FTRL权重更新算法来计算所分发的训练样本的梯度；

对每个线程所分发的训练样本的梯度进行计算整合以实现分布式批处理。

5.一种预测用户性别画像的装置，其特征在于，包括：

特征提取模块，用于从线上产生的实时数据流中提取实时行为特征；

特征处理模块，用于使用所述实时行为特征对获取的历史行为特征进行特征处理以生成训练样本；

参数更新模块，用于通过对所述训练样本进行训练以确定预测模型的模型参数，并根据所述模型参数更新所述预测模型；

画像预测模块，用于使用所述预测模型来预测用户的性别画像。

6.根据权利要求5所述的装置，其特征在于，所述特征处理模块还用于：

获取预定数量或预定时间段内的历史行为特征，并使用用户的实时行为特征中包括的物品性别对所述历史行为特征进行打标以进行特征处理，从而生成训练样本。

7.根据权利要求5所述的装置，其特征在于，所述参数更新模块还用于：

采用基于梯度的分布式批处理的方案来对所述训练样本进行训练以确定预测模型的模型参数。

8.根据权利要求7所述的装置，其特征在于，所述基于梯度的分布式批处理的方案包括：

将所述训练样本分发到多个线程中；

每个线程对所分发的训练样本进行处理以得到所分发的训练样本的梯度，其中，每个线程采用FTRL权重更新算法来计算所分发的训练样本的梯度；

对每个线程所分发的训练样本的梯度进行计算整合以实现分布式批处理。

9.一种预测用户性别画像的电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

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权利要求1-4中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。