[发明专利]获取用户属性的方法、装置、计算机设备和存储介质

说明书

本申请涉及一种获取用户属性的方法、装置、计算机设备和存储介质。所述方法包括：获取与多维度的用户行为特征对应的样本用户行为数据，以及样本用户属性；将样本用户行为数据划分为用户行为训练数据集以及用户行为预测数据集；基于样本用户属性，利用用户行为训练数据集训练得到初始预测模型，并获取初始预测模型对用户行为预测数据集的第一预测拟合度；若第一预测拟合度满足拟合度阈值，则将初始预测模型作为目标预测模型；获取与多维度的用户行为特征对应的待分析用户行为数据；将待分析用户行为数据输入目标预测模型，得到待分析用户的用户属性。本申请能够提高数据的拟合效果，从而提高获取的用户属性的准确率。

技术领域

本申请涉及数据处理技术领域，特别是涉及一种获取用户属性的方法、装置、计算机设备和存储介质。

背景技术

随着大数据技术的发展，各种新式产品不断涌入市场，产生的用户数据也越来越多，产品体验效果也不尽相同。为了提高用户产品体验，可以通过用户的手机通话时长等数据获取使用该手机用户的年龄分布等产品的用户属性分布特征，进而可以根据用户分布特征改良产品，或者将相关产品推送给合适的用户等，从而提高用户产品体验。

然而，相关技术中由于数据拟合效果差，导致获取的用户属性准确率低。

发明内容

基于此，有必要针对上述技术问题，提供一种获取用户属性的方法、装置、计算机设备和存储介质。

一种获取用户属性方法，所述方法包括：

确定多维度的用户行为特征；

获取与所述多维度的用户行为特征对应的样本用户行为数据，以及样本用户属性；所述样本用户行为数据为样本用户的用户行为数据；所述样本用户属性为所述样本用户的用户属性；

将所述样本用户行为数据划分为用户行为训练数据集以及用户行为预测数据集；

基于所述样本用户属性，利用所述用户行为训练数据集训练得到初始预测模型，并获取所述初始预测模型对所述用户行为预测数据集的第一预测拟合度；

若所述第一预测拟合度满足拟合度阈值，则将所述初始预测模型作为目标预测模型；

获取与所述多维度的用户行为特征对应的待分析用户行为数据；所述待分析用户行为数据为待分析用户的用户行为数据；

将所述待分析用户行为数据输入所述目标预测模型，得到所述待分析用户的用户属性。

在一个实施例中，所述基于所述样本用户属性，利用所述用户行为训练数据集训练得到初始预测模型包括：基于所述样本用户属性，利用所述用户行为训练数据集对训练模型进行训练，得到预测损失率以及预测准确率；利用所述惩罚变量、平滑梯度以及所述用户行为训练数据集再次对所述训练模型进行训练，以使所述训练模型的模型参数得到更新；当所述训练模型的训练次数达到目标训练次数时，基于所述训练模型获取所述初始预测模型。

在一个实施例中，所述基于所述训练模型获取所述初始预测模型，包括：获取所述训练模型的第二预测拟合度；若所述第二预测拟合度满足所述拟合度阈值，则将所述训练模型作为所述初始预测模型。

在一个实施例中，所述获取所述训练模型的第二预测拟合度之后，还包括：若所述第二预测拟合度不满足所述拟合度阈值，则对所述多维度的用户行为特征进行更新。

在一个实施例中，所述基于所述样本用户属性，利用所述用户行为训练数据集训练得到初始预测模型之前，还包括：获取用于对所述用户行为训练数据集进行混洗的最大化混合算子系数以及最小化混合算子系数；通过混洗池，利用所述最大化混合算子系数以及最小化混合算子系数对所述用户行为训练数据集进行混洗，得到噪声数据集；所述基于所述样本用户属性，利用所述用户行为训练数据集训练得到初始预测模型，包括：基于所述样本用户属性，利用所述用户行为训练数据集以及所述噪声数据集训练得到所述初始预测模型。