[发明专利]人口属性值的计算方法及装置、存储介质、电子设备

说明书

本发明公开了一种人口属性值的计算方法及装置、存储介质、电子设备，属于人工智能领域。其中，该方法包括：解析目标人口属性的属性类别；基于所述属性类别计算同一对象的所述目标人口属性的多个数据源的权重系数；根据所述权重系数和所述目标人口属性在所述多个数据源的属性值计算所述目标人口属性的归一值。通过本发明，可以减弱偏离值和极端值对实际属性值的影响，解决了相关技术跨数据源采集人口属性值不准确的技术问题，提高了人口属性值的准确性。

技术领域

本发明涉及人工智能领域，具体而言，涉及一种人口属性值的计算方法及装置、存储介质、电子设备。

背景技术

相关技术中，在企业实际应用场境中，面对同一个自然人，其人口属性特征往往在不同来源的数据中存在，而且其属性特征在不同数据源中存在差异，这样的情况是非常普遍。造成的原因大致有以下几种：对于原始数据源中的属性特征来自实际收集的情况，可能采样和收集存在误差，这是原始数据的数据来源存在的问题；对于原始数据源中的属性特征来自算法预测的情况，不同算法的预测结果均存在误差，这是得到原始数据的算法存在的问题。因此，在面对不同数据源中的人口属性存在差异的情况，如何做好数据的归一化就是一个非常重要的问题。

相关技术中，通常把该问题当作一个普遍情况下的数据清洗的问题，采用的方法一般为投票法以及均值法。均值法，对不同来源的数据取平均值，具体计算方法如下：假设用户i的j属性来自k数据源的查询结果为x_ijk，方案希望得到的该用户j属性归一化的值为则投票法，具体计算方法如下：假设用户i的j属性的在不同数据来源的取值集合为{a_ij1,a_ij2,a_ij3...a_ijn}，计数函数为count()，方案希望得到的该用户j属性归一化的值为则相关技术中，最大的问题在于没有考虑不同数据源本身的数据质量问题。来自不同数据源的数据本身数据质量存在差异，在做归一算法的时候如果不考虑不同数据源的数据质量就会把质量差的数据所带的信息纳入到最后的结果中，另外简单的均值法极易受到极端值的影响，如果某个数据源的数据是偏离程度比较大的，那来自这个数据源的数据会极大程度上对最后的结果造成影响。

针对相关技术中存在的上述问题，目前尚未发现有效的解决方案。

发明内容

本发明实施例提供了一种人口属性值的计算方法及装置、存储介质、电子设备。

根据本申请实施例的一个方面，提供了一种人口属性值的计算方法，包括：解析目标人口属性的属性类别；基于所述属性类别计算同一对象的所述目标人口属性的多个数据源的权重系数；根据所述权重系数和所述目标人口属性在所述多个数据源的属性值计算所述目标人口属性的归一值。

进一步，所述属性类别为连续性属性，基于所述属性类别计算同一对象的所述目标人口属性的多个数据源的权重系数包括：在N个数据源中分别提取同一对象的所述目标人口属性的属性值，其中，N为大于1的整数；基于N个属性值生成一维向量；基于所述一维向量采用皮尔逊相关系数生成相关系数矩阵。

进一步，所述属性类别为连续性属性，根据所述权重系数和所述目标人口属性在所述多个数据源的属性值计算所述目标人口属性的归一值包括：采用以下算法计算所述目标人口属性的归一值

其中，为k₁与k₂之间的相关系数，为对象i的j属性在k₁的第一属性值，为对象i的j属性在k₂的第二属性值，k₁和k₂分别为所述多个数据源中任一轮询的数据源。