(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111625468.6 (22)申请日 2021.12.28 (71)申请人 天翼数字生活科技有限公司 地址 200072 上海市 静安区万 荣路1256、 1258号1423室 (72)发明人 袁凯　王霄雨　戴世诚　袁晨晖　 傅雨婷　沈鹏　 (74)专利代理 机构 上海专利商标事务所有限公 司 31100 专利代理师 蔡悦　杨洁 (51)Int.Cl. G06K 9/62(2022.01) (54)发明名称 一种IPTV用户分类预测方法和系统 (57)摘要 本发明提供了一种IPTV用户分类预测方法 和系统。 方法包括： 获取原始数据， 所述原始数据 至少包括用户信息以及用户行为数据； 对所述原 始数据进行数据预处理， 得到特征数据集； 对所 述特征数据集进行分析以确定多个用户分类标 签； 以及为特征数据集添加所述用户分类标签作 为训练数据来进行模型训练， 其中模 型训练包括 训练多个单分类器， 并基于每一个单分类器的预 测效果确定分类器组合作为经训练的所述IPTV 用户分类模型。 在预测时， 将特征数据输入IPTV 用户分类模 型， 通过分类器组合中所包括的多个 单分类器分别进行用户分类标签预测； 以及基于 每一个单分类器的预测结果通过投票机制确定 输出的预测用户分类标签 。 权利要求书2页 说明书8页 附图3页 CN 114925738 A 2022.08.19 CN 114925738 A 1.一种用于训练IPTV用户分类模型的方法， 其特 征在于， 所述方法包括： 获取原始数据， 所述原 始数据至少包括用户信息以及用户行为数据； 对所述原 始数据进行 数据预处 理， 得到特 征数据集； 对所述特 征数据集进行分析以确定多个用户分类标签； 以及 为特征数据集添加所述用户分类标签作为训练数据来进行模型训练， 其中模型训练包 括训练多个单分类器， 并基于每一个单分类器的预测效果确定 分类器组合作为经训练的所 述IPTV用户分类模型。 2.如权利要求1所述的方法， 其特征在于， 对所述原始数据进行数据预处理进一步包 括： 从原始数据中抽取 特征数据； 对抽取的特 征数据进行清洗； 以及 基于用户id进行关联， 形成特 征数据集。 3.如权利要求2所述的方法， 其特征在于， 对所述原始数据进行数据预处理进一步包 括： 为特征数据添加用户偏好标签， 其中所述用户偏好标签是基于分时段标签模型、 使用 牛顿冷却定律建立的用户画像模型中的标签。 4.如权利要求3所述的方法， 其特征在于， 在所述用户画像模型中， 同一维度的标签值 随时间衰减， 使得时间越久的用户历史行为对于确定的用户偏好标签的影响越少。 5.如权利要求1所述的方法， 其特征在于， 模型训练进一步包括针对不同场景分别进行 模型训练。 6.如权利要求1所述的方法， 其特征在于， 基于每一个单分类器的预测效果确定分类器 组合作为经训练的所述 IPTV用户分类模型进一 步包括： 选择预测准确率 最高的若干个单分类 器作为分类 器组合； 以及 保存所述分类 器组合结果作为所述 IPTV用户分类模型的分类 器库文件。 7.一种用于预测IPTV用户分类的方法， 其特 征在于， 所述方法包括： 获取待预测原 始数据， 所述待预测原 始数据至少包括用户信息以及用户行为数据； 对所述待预测原 始数据进行 数据预处 理， 得到待预测特 征数据； 以及 将所述待预测特征数据输入根据权利要求1－6中任意一项所述的方法训练而成的 IPTV用户分类模型， 得到预测用户分类标签， 其中得到预测的用户分类标签进一 步包括： 通过分类 器组合中所包括的多个单分类 器分别进行用户分类标签预测； 以及 基于每一个单分类 器的预测结果 通过投票机制确定 输出的预测用户分类标签。 8.一种用于预测IPTV用户分类的系统， 其特 征在于， 所述系统包括： 数据预处 理模块， 所述数据预处 理模块被 配置成： 获取原始数据， 所述原 始数据至少包括用户信息以及用户行为数据； 对所述原 始数据进行 数据预处 理， 得到特 征数据集； 以及 对所述用户行为数据进行分析以确定多个用户分类标签； 以及 模型训练模块， 所述模型训练模块被 配置成： 为特征数据集添加所述用户分类标签作为训练数据来进行模型训练， 其中模型训练包权　利　要　求　书 1/2 页 2 CN 114925738 A 2括训练多个单分类器， 并基于每一个单分类器的预测效果确定 分类器组合作为经训练的所 述IPTV用户分类模型。 9.如权利要求8所述的系统， 其特 征在于， 所述数据预处 理模块被进一 步配置成： 获取待预测原始数据， 所述待预测原始数据至少包括用户信息以及用户行为数据； 以 及 对所述待预测原 始数据进行 数据预处 理， 得到待预测特 征数据， 所述系统进一 步包括用户分类预测模块， 所述用户分类预测模块被 配置成： 将所述待预测特征数据输入根据权利要求1－6中任意一项所述的方法训练而成的 IPTV用户分类模型， 得到预测用户分类标签， 其中得到预测的用户分类标签进一 步包括： 通过分类 器组合中所包括的多个单分类 器分别进行用户分类标签预测； 以及 基于每一个单分类 器的预测结果 通过投票机制来确定 输出的预测用户分类标签。 10.如权利要求8所述的系统， 其特征在于， 所述模型训练模块被进一步配置成针对不 同场景分别进行模型训练， 并且保存针对每一个不同场景的分类 器组合， 并且 所述用户分类预测模块被进一步配置成： 针对当前场景加载相应的分类器组合， 并使 用加载的分类 器组合来预测用户分类标签。权　利　要　求　书 2/2 页 3 CN 114925738 A 3