[发明专利]一种基于安装包列表的移动用户性别预测方法

摘要

本发明公开的一种基于安装包列表的移动用户性别预测方法，包含以下步骤：获取有性别标签的用户设备号；从安装包列表库中筛选出有性别标签的用户设备号所对应的用户，获取这些用户的安装包列表；将安装包列表数量小于M或者大于N的用户剔除；将安装包列表信息转换为特征数据集；将特征数据集按设定比例随机划分为训练集和测试集；根据训练集数据，使用GBDT模型训练，然后通过测试集进行验证，得到用户性别预测模型；从安装包列表库中获取没有性别标签的用户及其安装列表，做同样的特征转换利用已训练的性别模型预测。本发明的方法，移动用户性别预测的准确率高。

主权项

1.一种基于安装包列表的移动用户性别预测方法，其特征在于，包含以下步骤：S1.获取有性别标签的用户设备号；S2.从安装包列表库中筛选出有性别标签的用户设备号所对应的用户，获取这些用户的安装包列表；性别和安装包列表称为原始数据集；S3.将安装包列表数量小于M或者大于N的用户剔除；其中M小于N，M、N的值根据实际需要设定；S4.将安装包列表信息转换为特征数据集：(1)假定原始数据集中男女比例为x:1，安装包P在a个男性用户的安装列表中出现过，在b个女性用户中出现过，则安装包P的性别特征值为由此得到每个安装包的性别特征值，并将每个安装包映射为性别偏向值，记为字典D1；其中安装包的性别偏向值即为安装包的性别特征值，当安装包的性别特征值为1时，表明该安装包没有性别偏向；(2)根据已有的安装包类别库，将每个安装包映射为一个或多个类别，记为字典D2；(3)对于每个用户，根据字典D1将其所有安装包映射为性别偏向值，取偏离1最大的K个值作为用户的第一特征；(4)对于每个用户，将其所有性别偏向值映射到预先划分好的十个区间中，计算每个区间中性别偏向值的个数的比例作为用户的第二特征；(5)对于每个用户，根据字典D2将其所有安装包映射为类别，计算每个类别出现次数的比例作为用户的第三特征；(6)将每个用户的性别标签、第一特征、第二特征、第三特征记为特征数据集；S5.将特征数据集按设定比例随机划分为训练集和测试集；根据训练集数据，使用GBDT模型训练，然后通过测试集进行验证，得到用户性别预测模型；S6.从安装包列表库中获取没有性别标签的用户及其安装列表，做同样的特征转换利用已训练的性别模型预测。