[發明專利]基于卷積神經網絡的用戶屬性分類方法、存儲介質、裝置及電子設備在審
| 申請號： | 201811246303.6 | 申請日： | 2018-10-24 |
| 公開（公告）號： | CN109086837A | 公開（公告）日： | 2018-12-25 |
| 發明（設計）人： | 高嵩 | 申請（專利權）人： | 高嵩 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N3/04 |
| 代理公司： | 廣州駿思知識產權代理有限公司 44425 | 代理人： | 潘桂生 |
| 地址： | 510510 廣東省廣*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 卷積神經網絡 用戶屬性 分類 屬性分類 輸入用戶 裝置及電子設備 被測對象 存儲介質 電子數據 心理屬性 目標向量 輸入向量 心理測評 問卷 輸出 更新 | ||
1.一種基于卷積神經網絡的用戶屬性分類方法，其特征在于，包括如下步驟：
將多個用戶的心理屬性相關電子數據作為輸入向量集輸入用戶屬性分類卷積神經網絡模型；
將通過問卷獲取的所述多個用戶的心理測評結果作為目標向量集輸入訓練反饋模型，并更新用戶屬性分類卷積神經網絡模型；
將被測對象的心理屬性相關電子數據輸入用戶屬性分類卷積神經網絡模型，并從用戶屬性分類卷積神經網絡模型輸出被測對象的屬性分類結果。
2.根據權利要求1所述的基于卷積神經網絡的用戶屬性分類方法，其特征在于：
所述心理屬性相關電子數據包括用戶的面部圖片，和/或用戶的筆跡圖像，和/或用戶講話的音頻，和/或用戶行走的視頻圖像。
3.根據權利要求2所述的基于卷積神經網絡的用戶屬性分類方法，其特征在于：
將通過問卷獲取的所述多個用戶的心理測評結果作為目標向量集輸入用戶屬性分類卷積神經網絡模型前，還包括篩選合格的問卷測評結果的步驟，具體包括：
獲取問卷中同類問題的答案之間的第一偏差值，和/或獲取問卷中順序相鄰問題的答案之間的第二偏差值；
如果所述第一偏差值小于第一設定閾值，和/或所述第二偏差值大于第二設定閾值，則判定所述同類問題和/或所述順序相鄰問題的測評結果合格。
4.根據權利要求1所述的基于卷積神經網絡的用戶屬性分類方法，其特征在于，還包括如下步驟：
如果從用戶屬性分類卷積神經網絡模型的輸出中獲取的被測對象的屬性分類結果和通過問卷獲取的被測對象的心理測評結果之間的差值超過第三設定閾值，則將該問卷獲取的被測對象的心理測評結果作為目標向量輸入，并更新用戶屬性分類卷積神經網絡模型。
5.根據權利要求4所述的基于卷積神經網絡的用戶屬性分類方法，其特征在于：將該問卷獲取的被測對象的心理測評結果作為目標向量輸入，并更新用戶屬性分類卷積神經網絡模型，具體包括如下步驟：
將該被測對象的心理屬性相關電子數據和從用戶屬性分類卷積神經網絡模型輸出的被測對象的屬性分類結果放入備選訓練集；
獲取從用戶屬性分類卷積神經網絡模型的輸出中獲取的被測對象的屬性分類結果與問卷獲取的被測對象的心理測評結果之間的差值；
將所述差值超過第三設定閾值的該被測對象的心理屬性相關電子數據和通過問卷獲取的該被測對象的心理測評結果放入迭代訓練集；
根據迭代訓練集更新用戶屬性分類卷積神經網絡模型。
6.根據權利要求1所述的基于卷積神經網絡的用戶屬性分類方法，其特征在于：
所述被測對象的屬性分類結果包括用于訓練的心理測評結果的所有維度，并能根據用于訓練的心理測評類型變更。
7.根據權利要求3所述的基于卷積神經網絡的用戶屬性分類方法，其特征在于：
所述問卷的答案的可選范圍為連續的實數數值范圍。
8.一種計算機可讀儲存介質，其上儲存有計算機程序，其特征在于：該計算機程序被處理器執行時實現如權利要求1至7中任意一項所述的基于卷積神經網絡的用戶屬性分類方法的步驟。
9.一種用戶屬性分類裝置，其特征在于，包括：
輸入模塊，用于將多個用戶的心理屬性相關電子數據作為輸入向量集輸入用戶屬性分類卷積神經網絡模型；
反饋訓練模塊，用于將通過問卷獲取的所述多個用戶的心理測評結果作為目標向量集輸入訓練反饋模型，并更新用戶屬性分類卷積神經網絡模型；
用戶屬性分類卷積神經網絡模塊，用于將被測對象的心理屬性相關電子數據輸入用戶屬性分類卷積神經網絡模型，并從用戶屬性分類卷積神經網絡模型輸出被測對象的屬性分類結果。
10.一種電子設備，包括控制器與存儲器，所述存儲器上儲存有計算機程序，其特征在于：該計算機程序被處理器執行時實現如權利要求1至7中任意一項所述的基于卷積神經網絡的用戶屬性分類方法的步驟。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于高嵩，未經高嵩許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/201811246303.6/1.html，轉載請聲明來源鉆瓜專利網。
