基于时空移动数据表征学习的用户画像推断方法及装置

摘要

本发明实施例提供一种基于时空移动数据表征学习的用户画像推断方法及装置，该方法包括：获取多个用户和用户访问的地点数据，以用户与用户的边长权重表示用户时空模式的相似度，地点与地点的边长权重表示地点功能上的相似度，用户与地点的边长权重表示用户访问地点的频率，得到保留语义的移动网络；获取使预设的目标函数最小时的用户表示向量，输入预设的机器学习分类模型，获取用户画像的推断结果；其中，所述目标函数根据上述三类边长权重，以及用户表示向量和地点表示向量构建得到。该方法无需人为进行大量的特征生成与特征筛选，训练模型的效率较高，有效节约人力成本，且能够有效保障模型性能，进而实现了基于移动数据准确的用户属性推断。