CN103838884A - 信息处理设备以及信息处理方法 - Google Patents

Abstract

信息处理方法以及信息处理设备，所述信息处理方法包括：获得目标用户所使用的多个应用的统计信息，其中所述多个应用基于应用类别信息划分为男性特征类应用以及女性特征类应用；基于所述应用类别信息将所述统计信息划分到与所述男性特征类应用相关的第一统计信息以及与所述女性特征类应用相关的第二统计信息；基于所述第一统计信息计算所述目标用户相对于所述男性特征类应用的第一偏好度，以及基于所述第二统计信息计算所述目标用户相对于所述女性特征类应用的第二偏好度；至少基于所述第一偏好度以及所述第二偏好度判断所述目标用户的性别；基于所述目标用户的性别向所述目标用户提供与其性别匹配的应用的信息。

Description

信息处理设备以及信息处理方法

技术领域

本发明涉及一种信息处理设备以及信息处理方法。

背景技术

当前，越来越多的厂商或服务商向诸如智能手机、平板电脑、笔记本、台式机之类的终端设备提供了各种应用或软件市场。为了能够向终端设备的用户推荐适当的应用或服务，很多应用或软件市场往往要求用户输入个人信息（如，身份证号，性别等等）使得应用或软件市场可以根据用户的性别推荐适合的应用或服务。然而，由于终端设备的用户出于保护其个人信息的目的，其往往不愿意提供包含其性别的信息（如，身份证），由此不能享受个性化的推送服务。此外，向应用或软件市场提供的个人信息也存在泄露的风险。

发明内容

为了解决现有技术中的上述技术问题，根据本发明的一方面，提供一种信息处理方法，应用于信息处理设备，所述信息处理方法包括：获得目标用户所使用的多个应用的统计信息，其中所述多个应用基于应用类别信息划分为男性特征类应用以及女性特征类应用；基于所述应用类别信息将所述统计信息划分到与所述男性特征类应用相关的第一统计信息以及与所述女性特征类应用相关的第二统计信息；基于所述第一统计信息计算所述目标用户相对于所述男性特征类应用的第一偏好度，以及基于所述第二统计信息计算所述目标用户相对于所述女性特征类应用的第二偏好度；至少基于所述第一偏好度以及所述第二偏好度判断所述目标用户的性别；基于所述目标用户的性别向所述目标用户提供与其性别匹配的应用的信息。

此外，根据本发明的一个实施例，其中所述目标用户的所述第一统计信息包括所述男性特征类应用的总使用时长以及所述男性特征类应用的总使用次数；以及所述目标用户的所述第二统计信息包括所述女性特征类应用的总使用时长以及所述女性特征类应用的总使用次数。

此外，根据本发明的一个实施例，其中在计算所述第一偏好度以及所述第二偏好度的步骤中：分别将所述男性特征类应用的总使用时长以及所述男性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第一偏好度；以及分别将所述女性特征类应用的总使用时长以及所述女性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第二偏好度。

此外，根据本发明的一个实施例，其中在判断所述目标用户的性别的步骤中：基于所述第一偏好度的平均值、所述第二偏好度的平均值、所述第一偏好度以及所述第二偏好度判断所述目标用户的性别，其中所述第一偏好度的平均值表示多个用户的第一偏好度的平均值，并且所述第二偏好度的平均值表示所述多个用户的第二偏好度的平均值。

此外，根据本发明的一个实施例，其中如果所述第一偏好度的平均值与所述第二偏好度的平均值的第一均值差大于零，则在所述第一偏好度与所述第二偏好度的第一差值小于零时，判断所述目标用户的性别为女性，在所述第一差值大于所述第一均值差与所述第一均值差的标准差的加权和时，判断所述目标用户的性别为男性，在所述第一差值小于所述第一均值差与所述第一均值差的标准差的加权差时，判断所述目标用户的性别为女性；或者如果所述第二偏好度的平均值与所述第一偏好度的平均值的第二均值差大于零，则在所述第二偏好度与所述第一偏好度的第二差值小于零时，判断所述目标用户的性别为男性，在所述第二差值大于所述第二均值差与所述第二均值差的标准差的加权和时，判断所述目标用户的性别为女性，在所述第二差值小于所述第二均值差与所述第二均值差的标准差的加权差时，判断所述目标用户的性别为男性。

此外，根据本发明的一个实施例，其中如果所述第一偏好度不为零，并且所述第二偏好度为零，则判断所述目标用户为男性；如果所述第一偏好度为零，并且所述第二偏好度不为零，则判断所述目标用户为女性；如果所述第一偏好度与第二偏好度的第一比值大于所述第一偏好度均值与第二偏好度均值的第二比值与所述第二比值的标准差之和，则判断所述目标用户为男性；如果所述第一比值小于所述第二比值与所述第二比值的标准差之差，则判断所述目标用户为女性。

此外，根据本发明的另一方面，提供一种信息处理设备，包括：统计信息获取单元，配置来获得目标用户所使用的多个应用的统计信息，其中所述多个应用基于应用类别信息划分为男性特征类应用以及女性特征类应用；统计信息划分单元，配置来基于所述应用类别信息将所述统计信息划分到与所述男性特征类应用相关的第一统计信息以及与所述女性特征类应用相关的第二统计信息；偏好度计算单元，配置来基于所述第一统计信息计算所述目标用户相对于所述男性特征类应用的第一偏好度，以及基于所述第二统计信息计算所述目标用户相对于所述女性特征类应用的第二偏好度；用户性别判断单元，配置来至少基于所述第一偏好度以及所述第二偏好度判断所述目标用户的性别；应用信息提供单元，配置来基于所述目标用户的性别向所述目标用户提供与其性别匹配的应用的信息。

此外，根据本发明的一个实施例，其中所述目标用户的所述第一统计信息包括所述男性特征类应用的总使用时长以及所述男性特征类应用的总使用次数；以及所述目标用户的所述第二统计信息包括所述女性特征类应用的总使用时长以及所述女性特征类应用的总使用次数。

此外，根据本发明的一个实施例，其中所述偏好度计算单元分别将所述男性特征类应用的总使用时长以及所述男性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第一偏好度；以及所述偏好度计算单元分别将所述女性特征类应用的总使用时长以及所述女性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第二偏好度。

此外，根据本发明的一个实施例，其中所述用户性别判断单元基于所述第一偏好度的平均值、所述第二偏好度的平均值、所述第一偏好度以及所述第二偏好度判断所述目标用户的性别，所述第一偏好度的平均值表示多个用户的第一偏好度的平均值，并且所述第二偏好度的平均值表示所述多个用户的第二偏好度的平均值。

此外，根据本发明的一个实施例，其中如果所述第一偏好度的平均值与所述第二偏好度的平均值的第一均值差大于零，则在所述第一偏好度与所述第二偏好度的第一差值小于零时，所述用户性别判断单元判断所述目标用户的性别为女性，在所述第一差值大于所述第一均值差与所述第一均值差的标准差的加权和时，所述用户性别判断单元判断所述目标用户的性别为男性，在所述第一差值小于所述第一均值差与所述第一均值差的标准差的加权差时，所述用户性别判断单元判断所述目标用户的性别为女性；或者如果所述第二偏好度的平均值与所述第一偏好度的平均值的第二均值差大于零，则在所述第二偏好度与所述第一偏好度的第二差值小于零时，所述用户性别判断单元判断所述目标用户的性别为男性，在所述第二差值大于所述第二均值差与所述第二均值差的标准差的加权和时，所述用户性别判断单元判断所述目标用户的性别为女性，在所述第二差值小于所述第二均值差与所述第二均值差的标准差的加权差时，所述用户性别判断单元判断所述目标用户的性别为男性。

此外，根据本发明的一个实施例，其中如果所述第一偏好度不为零，并且所述第二偏好度为零，则所述用户性别判断单元判断所述目标用户为男性；如果所述第一偏好度为零，并且所述第二偏好度不为零，则所述用户性别判断单元判断所述目标用户为女性；如果所述第一偏好度与第二偏好度的第一比值大于所述第一偏好度均值与第二偏好度均值的第二比值与所述第二比值的标准差之和，则所述用户性别判断单元判断所述目标用户为男性；如果所述第一比值小于所述第二比值与所述第二比值的标准差之差，则所述用户性别判断单元判断所述目标用户为女性。

附图说明

图1是图解根据本发明实施例的信息处理方法的示意流程图；以及

图2是图解根据本发明实施例的信息处理设备的示意方框图。

具体实施方式

将参照附图详细描述根据本发明的各个实施例。这里，需要注意的是，在附图中，将相同的附图标记赋予基本上具有相同或类似结构和功能的组成部分，并且将省略关于它们的重复描述。

下面将参照图1描述根据本发明实施例的信息处理方法。这里，根据本发明实施例的信息处理方法可以应用到诸如服务器之类的信息处理设备上，并且该信息处理设备可以是向特定的目标用户提供应用推送服务的应用服务器。

如图1所示，在步骤S201，获得目标用户所使用的多个应用的统计信息。这里，多个应用可以基于应用类别信息划分为男性特征类应用以及女性特征类应用。

例如，可以通过信息处理设备与目标用户所持有的终端设备进行通信来获得目标用户所使用的多个应用的统计信息。这里，可以在目标用户所持有的终端设备提供应用使用统计功能或程序，使得可以通过通信来获得目标用户所使用的多个应用的统计信息。根据本发明的实施例，目标用户所使用的多个应用的统计信息可以包括预定时间段（如，一个月～一年）内该多个应用中的每一个应用的使用时长以及使用次数。此外，可以在信息处理设备中预先将应用或软件市场中的多个应用划分为男性特征类应用或女性特征类应用。这里，可以基于多个应用所提供的内容或目标客户群来将其划分为男性特征类应用或女性特征类应用。例如，极品飞车、帝国舰队之类的应用可以被划分为男性特征类应用，而明星衣橱、美丽搭配之类的应用可以被划分为女性特征类应用。可以在信息处理设备中预先存储多个应用与其应用类别信息之间的关联的对照表，使得信息处理设备可以通过参照该对照表来确定特定应用是属于男性特征类应用还是女性特征类应用。

在步骤S202，基于应用类别信息将统计信息划分到与男性特征类应用相关的第一统计信息以及与女性特征类应用相关的第二统计信息。

例如，信息处理设备可以基于应用类别信息参照对照表来确定目标用户所使用的多个应用的哪一些应用属于男性特征类应用，以及多个应用中的哪一些应用属于女性特征类应用，并且进一步将目标用户所使用的多个应用的统计信息划分到与男性特征类应用相关的第一统计信息以及与女性特征类应用相关的第二统计信息。

这里，目标用户的第一统计信息可以包括男性特征类应用的总使用时长以及男性特征类应用的总使用次数，而目标用户的第二统计信息可以包括女性特征类应用的总使用时长以及女性特征类应用的总使用次数。

在步骤S203，基于第一统计信息计算目标用户相对于男性特征类应用的第一偏好度，以及基于第二统计信息计算目标用户相对于女性特征类应用的第二偏好度。

例如，可以通过分别将男性特征类应用的总使用时长以及男性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第一偏好度。此外，可以分别将女性特征类应用的总使用时长以及女性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第二偏好度。

具体地，可以通过如下公式计算第一偏好度以及第二偏好度。

$\mathrm{Pr}{\mathrm{ef}}^{\mathrm{male}}=\sqrt{\frac{f^{\mathrm{male}}-f_{\min }^{\mathrm{male}}}{f_{\max }^{\mathrm{male}}-f_{\min }^{\mathrm{male}}}\·\frac{t^{\mathrm{male}}-t_{\min }^{\mathrm{male}}}{t_{\max }^{\mathrm{male}}-t_{\min }^{\mathrm{male}}}}$         …公式（1）

其中，Pref^male指示第一偏好度，f^male指示目标用户的男性特征类应用的总使用次数，指示信息处理设备所获取的多个用户的统计信息中的最大男性特征类应用的总使用次数，指示信息处理设备所获取的多个用户的统计信息中的最小男性特征类应用的总使用次数，t^male指示目标用户的男性特征类应用的总使用时长，

指示信息处理设备所获取的多个用户的统计信息中的最大男性特征类应用的总使用时长，

指示信息处理设备所获取的多个用户的统计信息中的最小男性特征类应用的总使用时长。

$\mathrm{Pr}{\mathrm{ef}}^{\mathrm{female}}=\sqrt{\frac{f^{\mathrm{female}}-f_{\min }^{\mathrm{female}}}{f_{\max }^{\mathrm{female}}-f_{\min }^{\mathrm{female}}}\·\frac{t^{\mathrm{female}}-t_{\min }^{\mathrm{female}}}{t_{\max }^{\mathrm{female}}-t_{\min }^{\mathrm{female}}}}$      …公式（2）

其中，Pref^female指示第二偏好度，f^female指示目标用户的女性特征类应用的总使用次数，

指示信息处理设备所获取的多个用户的统计信息中的最大女性特征类应用的总使用次数，指示信息处理设备所获取的多个用户的统计信息中的最小女性特征类应用的总使用次数，t^female指示目标用户的女性特征类应用的总使用时长，

指示信息处理设备所获取的多个用户的统计信息中的最大女性特征类应用的总使用时长，

指示信息处理设备所获取的多个用户的统计信息中的最小女性特征类应用的总使用时长。

如公式（1）和公式（2）所示，通过分别将男性特征类应用的总使用时长以及男性特征类应用的使用次数进行归一化，并且将二者的归一化结果相乘来获得第一偏好度，并且通过分别将女性特征类应用的总使用时长以及女性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第二偏好度。

在步骤S204，至少基于第一偏好度以及第二偏好度判断目标用户的性别。

例如，根据本发明的一个实施例，如果Pref^male大于Pref^female，则可以判断目标用户的性别为男性。此外，如果Pref^female大于Pref^male，则可以判断目标用户的性别为女性。

然而，本发明不限于此，为了提高判断精度，在步骤S204中，还可以进一步基于第一偏好度的平均值、第二偏好度的平均值、第一偏好度以及第二偏好度判断目标用户的性别。这里，第一偏好度的平均值表示信息处理设备所获取的多个用户的第一偏好度的平均值，而第二偏好度的平均值表示上述多个用户的第二偏好度的平均值。

这里，可以通过公式（3）和公式（4）计算第一偏好度的平均值以及第二偏好度的平均值：

${\mathrm{\μ}}_{\mathrm{male}}=\underset{i=1}{\overset{N_1}{\mathrm{\Σ}}}\mathrm{Pr}{{\mathrm{ef}}_i}^{\mathrm{male}}/N_1$          …公式（3）

${\mathrm{\μ}}_{\mathrm{female}}=\underset{i=1}{\overset{N_2}{\mathrm{\Σ}}}\mathrm{Pr}{{\mathrm{ef}}_i}^{\mathrm{female}}/N_2$ …公式（4）

其中，μ_male指示第一偏好度的平均值，N₁指示具有第一偏好度的多个用户的数量，μ_female指示第二偏好度的平均值，并且N₂指示具有第一偏好度的多个用户的数量。这里，需要注意的是，在信息处理设备所获取的多个用户的统计信息指示该多个用户既使用男性特征类应用又使用女性特征类应用的情况下，N₁与N₂相同且均大于零，而在信息处理设备所获取的多个用户的统计信息指示该多个用户中存在仅使用男性特征类应用或女性特征类应用的用户的情况下，N₁与N₂不相同且均大于零。

在获得了第一偏好度的平均值以及第二偏好度的平均值之后，可以基于第一偏好度的平均值、第二偏好度的平均值、第一偏好度以及第二偏好度判断目标用户的性别。

例如，根据本发明的一个实施例，可以基于第一偏好度的平均值μ_male与第二偏好度的平均值μ_female之间的大小来进行判断。

例如，如果第一偏好度的平均值μ_male大于第二偏好度的平均值μ_female，则在Pref^male与Pref^female的差值（下面称为第一差值）小于零的情况下，可以判断目标用户的性别为女性。

在Pref^male与Pref^female的第一差值大于零情况下，还通过第一偏好度的平均值与第二偏好度的平均值的第一均值差以及该第一均值差的标准差来判断目标用户的性别。

这里，例如，可以通过公式（5）以及公式（6）获得第一偏好度的平均值与第二偏好度的平均值的第一均值差以及该第一均值差的标准差：

μ_male-female=μ_male-μ_female            …公式（5）

其中μ_male-female指示第一偏好度的平均值与第二偏好度的平均值的第一均值差。

${\mathrm{\σ}}_{\mathrm{male}-\mathrm{female}=\sqrt{\frac{{\mathrm{\σ}}_{\mathrm{male}}^2}{N_1}+\frac{{\mathrm{\σ}}_{\mathrm{female}}^2}{N_2}}}$                     …公式（6）

其中σ_male-female指示第一均值差的标准差，

指示第一偏好度的标准差的平方，而

指示第二偏好度的标准差的平方。例如，标准差σ_male以及σ_female可以通过公式（7）以及公式（8）计算出：

${\mathrm{\σ}}_{\mathrm{male}}=\sqrt{\frac{1}{N_1}\underset{i=1}{\overset{N_1}{\mathrm{\Σ}}}{(\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{male}}-{\mathrm{\μ}}_{\mathrm{male}})}^2}$             …公式（7）

${\mathrm{\σ}}_{\mathrm{female}}=\sqrt{\frac{1}{N_2}\underset{i=1}{\overset{N_2}{\mathrm{\Σ}}}{(\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{female}}-{\mathrm{\μ}}_{\mathrm{female}})}^2}$         …公式（8）

其中σ_male指示第一偏好度的标准差，而σ_female指示第二偏好度的标准差。

在获得第一均值差以及该第一均值差的标准差的情况下，在该第一差值大于第一均值差与第一均值差的标准差的加权和时，可以判断目标用户的性别为男性。

例如，在如下条件满足时，可以判断目标用户的性别为男性：

Pref_i ^male-Pref_i ^female>μ_male-female+2σ_male-female

此外，在该第一差值小于第一均值差与第一均值差的标准差的加权差时，可以判断目标用户的性别为女性。

例如，在如下条件满足时，可以判断目标用户的性别为女性：

Pref_i ^male-Pref_i ^female<μ_male-female-2σ_male-female

此外，在该第一差值在第一均值差与第一均值差的标准差的加权和与加权差之间时，可以判断目标用户的性别为未知。

例如，在如下条件满足时，可以判断目标用户的性别为未知：

μ_male-female-2σ_male-female<Pref_i ^male-Pref_i ^female<μ_male-female+2σ_male-female

在上面描述了第一偏好度的平均值μ_male大于第二偏好度的平均值μ_female的情况下执行目标用户的性别判断的处理。下面，将描述第一偏好度的平均值μ_male小于第二偏好度的平均值μ_female的情况下执行目标用户的性别判断的处理。

如果第一偏好度的平均值μ_male小于第二偏好度的平均值μ_female，则在Pref^female与Pref^male的差值（下面称为第二差值）小于零的情况下，可以判断目标用户的性别为男性。

在Pref^female与Pref^male的第二差值大于零情况下，还通过第二偏好度的平均值与第一偏好度的平均值的第二均值差以及该第二均值差的标准差来判断目标用户的性别。

这里，例如，可以通过公式（9）以及公式（10）获得第二偏好度的平均值与第一偏好度的平均值的第二均值差以及该第二均值差的标准差：

μ_female-male=μ_female-μ_male     …公式（9）

其中μ_female-male指示第二偏好度的平均值与第一偏好度的平均值的第二均值差。

${\mathrm{\&sigma;}}_{\mathrm{female}-\mathrm{male}}=\sqrt{\frac{{\mathrm{\&sigma;}}_{\mathrm{male}}^2}{N_1}+\frac{{\mathrm{\&sigma;}}_{\mathrm{female}}^2}{N_2}}$              …公式（10）

其中σ_female-male指示第二均值差的标准差，指示第一偏好度的标准差的平方，而

指示第二偏好度的标准差的平方。例如，标准差σ_male以及σ_female可以通过之前的公式（7）以及公式（8）计算出。

在获得第二均值差以及该第二均值差的标准差的情况下，在该第二差值大于第二均值差与第二均值差的标准差的加权和时，可以判断目标用户的性别为女性。

例如，在如下条件满足时，可以判断目标用户的性别为女性：

Pref_i ^female-Pref_i ^male>μ_female-male+2σ_female-male

此外，在该第二差值小于第二均值差与第二均值差的标准差的加权差时，可以判断目标用户的性别为男性。

例如，在如下条件满足时，可以判断目标用户的性别为男性：

Pref_i ^female-Pref_i ^male<μ_female-male-2σ_female-male

此外，在该第二差值在第二均值差与第二均值差的标准差的加权和与加权差之间时，可以判断目标用户的性别为未知。

例如，在如下条件满足时，可以判断目标用户的性别为未知：

μ_female-male-2σ_female-male<Pref_i ^female-Pref_i ^male<μ_female-male+2σ_female-male

这里，需要注意的是，上面的公式中的加权系数可以根据实际需要以及判断的精度进行调整，并且不限于之前的实施例中的加权系数。

此外，根据本发明的另一个实施例，还可以基于第一偏好度的平均值μ_male与第二偏好度的平均值μ_female的比值来进行判断。

例如，可以通过目标用户的第一偏好度Pref^male与第二偏好度Pref^female的第一比值

与第一偏好度均值μ_male与第二偏好度均值μ_female的第二比值

进行比较来判断目标用户的性别。

具体地，如果第一偏好度与第二偏好度的第一比值大于第一偏好度均值与第二偏好度均值的第二比值与第二比值的标准差之和，则判断目标用户为男性。这里，

例如，在如下条件满足时，可以判断目标用户的性别为男性：

$\frac{\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{male}}}{\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{female}}}>\frac{{\mathrm{\&mu;}}_{\mathrm{male}}}{{\mathrm{\&mu;}}_{\mathrm{female}}}+\mathrm{\&sigma;}$

其中σ为标准差，并且可以设置为第二比值的1/3，即

如果第一比值小于第二比值与第二比值的标准差之差，则判断目标用户为女性。

此外，在如下条件满足时，可以判断目标用户的性别为女性：

$\frac{\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{male}}}{\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{female}}}<\frac{{\mathrm{\&mu;}}_{\mathrm{male}}}{{\mathrm{\&mu;}}_{\mathrm{female}}}-\mathrm{\&sigma;}$

此外，在如下条件满足时，可以判断目标用户的性别为未知：

$\frac{{\mathrm{\&mu;}}_{\mathrm{male}}}{{\mathrm{\&mu;}}_{\mathrm{female}}}-\mathrm{\&sigma;}<\frac{\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{male}}}{\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{female}}}<\frac{{\mathrm{\&mu;}}_{\mathrm{male}}}{{\mathrm{\&mu;}}_{\mathrm{female}}}+\mathrm{\&sigma;}$

除了上述判断之外，如果第一偏好度不为零，并且第二偏好度为零，则可以直接判断目标用户为男性，而如果第一偏好度为零，并且第二偏好度不为零，则可以直接判断目标用户为女性。

在步骤S205，基于目标用户的性别向目标用户提供与其性别匹配的应用的信息。

具体地，在步骤S204确定了目标用户的性别之后，可以查找与目标用户的性别匹配的应用，并且向用户提供与目标用户的性别匹配的应用的信息。例如，在确定了目标用户的性别为男性之后，信息处理设备可以优先查找被划分为男性特征类的应用（如，雷神战机），并且将查找到的应用的信息提供（推荐）给目标用户。此外，例如，在确定了目标用户的性别为女性之后，信息处理设备可以优先查找被划分为女性特征类的应用（如，蘑菇街），并且将查找到的应用的信息提供（推荐）给目标用户。另外，在确定了目标用户的性别为未知之后，信息处理设备可以同时查找被划分为女性特征类的应用以及被划分为男性特征类的应用，并且将查找到的应用的信息提供（推荐）给目标用户。这里，可以通过向目标用户所持有的终端设备推送信息的方式来向目标用户提供与其性别匹配的应用的信息。

通过上述配置，可以通过对目标用户所使用的多个应用的统计信息进行分析来确定目标用户的性别，并且基于所确定的目标用户的性别来向用户提供（推荐）其可能感兴趣的应用，由此在实现了向用户提供其可能感兴趣的应用的同时，无需用户输入其个人敏感信息，从而在保证了用户体验的情况下，避免了用户敏感信息被泄露的可能性。

下面，将参照图2描述根据本发明实施例的信息处理设备。这里，根据本发明实施例的信息处理设备可以是向特定的目标用户提供应用推送服务的应用服务器。

如图2所示，信息处理设备2可以包括统计信息获取单元21、统计信息划分单元22、偏好度计算单元23、用户性别判断单元24以及应用信息提供单元25。

统计信息获取单元21可以用于获得目标用户所使用的多个应用的统计信息。这里，多个应用可以基于应用类别信息划分为男性特征类应用以及女性特征类应用。

具体地，统计信息获取单元21可以通过与目标用户所持有的终端设备进行通信来获得目标用户所使用的多个应用的统计信息。这里，可以在目标用户所持有的终端设备提供应用使用统计功能或程序，使得统计信息获取单元21可以通过通信来获得目标用户所使用的多个应用的统计信息。根据本发明的实施例，目标用户所使用的多个应用的统计信息可以包括预定时间段（如，一个月～一年）内该多个应用中的每一个应用的使用时长以及使用次数。此外，可以在信息处理设备2中预先将应用或软件市场中的多个应用划分为男性特征类应用或女性特征类应用。这里，可以基于多个应用所提供的内容或目标客户群来将其划分为男性特征类应用或女性特征类应用。例如，极品飞车、帝国舰队之类的应用可以被划分为男性特征类应用，而明星衣橱、美丽搭配之类的应用可以被划分为女性特征类应用。可以在信息处理设备2中预先存储多个应用与其应用类别信息之间的关联的对照表，使得可以通过参照该对照表来确定特定应用是属于男性特征类应用还是女性特征类应用。

统计信息划分单元22可以基于应用类别信息将统计信息划分到与男性特征类应用相关的第一统计信息以及与女性特征类应用相关的第二统计信息。

具体地，统计信息划分单元22基于应用类别信息将统计信息划分到与男性特征类应用相关的第一统计信息以及与女性特征类应用相关的第二统计信息。例如，统计信息划分单元22可以基于应用类别信息参照对照表来确定目标用户所使用的多个应用的哪一些应用属于男性特征类应用，以及多个应用中的哪一些应用属于女性特征类应用，并且进一步将目标用户所使用的多个应用的统计信息划分到与男性特征类应用相关的第一统计信息以及与女性特征类应用相关的第二统计信息。这里，目标用户的第一统计信息可以包括男性特征类应用的总使用时长以及男性特征类应用的总使用次数，而目标用户的第二统计信息可以包括女性特征类应用的总使用时长以及女性特征类应用的总使用次数。

偏好度计算单元23可以基于第一统计信息计算目标用户相对于男性特征类应用的第一偏好度Pref^male，以及基于第二统计信息计算目标用户相对于女性特征类应用的第二偏好度Pref^female。

具体地，偏好度计算单元23可以通过分别将男性特征类应用的总使用时长以及男性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第一偏好度。此外，可以分别将女性特征类应用的总使用时长以及女性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第二偏好度。这里，可以分别通过前述公式（1）以及公式（2）计算第一偏好度以及第二偏好度。

用户性别判断单元24可以至少基于第一偏好度Pref^male以及第二偏好度Pref^female判断目标用户的性别。

例如，根据本发明的一个实施例，如果第一偏好度Pref^male大于第二偏好度Pref^female，则用户性别判断单元24可以判断目标用户的性别为男性。此外，如果第二偏好度Pref^female大于第一偏好度Pref^male，则用户性别判断单元24可以判断目标用户的性别为女性。

然而，本发明不限于此，根据本发明的另一个实施例，用户性别判断单元24还可以进一步基于第一偏好度的平均值、第二偏好度的平均值、第一偏好度以及第二偏好度判断目标用户的性别。这里，第一偏好度的平均值表示信息处理设备所获取的多个用户的第一偏好度的平均值，而第二偏好度的平均值表示上述多个用户的第二偏好度的平均值。这里，用户性别判断单元24可以分别通过前述公式（3）和公式（4）计算第一偏好度的平均值μ_male以及第二偏好度的平均值μ_female。

在获得了第一偏好度的平均值μ_male以及第二偏好度的平均值μ_female之后，用户性别判断单元24可以基于第一偏好度的平均值、第二偏好度的平均值、第一偏好度以及第二偏好度判断目标用户的性别。

例如，根据本发明的一个实施例，可以基于第一偏好度的平均值μ_male与第二偏好度的平均值μ_female之间的大小来进行判断。具体地，如果第一偏好度的平均值μ_male大于第二偏好度的平均值μ_female，则在Pref^male与Pref^female的差值（下面称为第一差值）小于零的情况下，用户性别判断单元24可以判断目标用户的性别为女性。

此外，在Pref^male与Pref^female的第一差值大于零情况下，用户性别判断单元24还通过第一偏好度的平均值与第二偏好度的平均值的第一均值差μ_male-female以及该第一均值差的标准差σ_male-female来判断目标用户的性别。这里，例如，用户性别判断单元24可以分别通过前述公式（5）以及公式（6）获得第一偏好度的平均值与第二偏好度的平均值的第一均值差μ_male-female以及该第一均值差的标准差σ_male-female。

在获得第一均值差μ_male-female以及该第一均值差的标准差σ_male-female的情况下，在该第一差值大于第一均值差与第一均值差的标准差的加权和时，用户性别判断单元24可以判断目标用户的性别为男性。例如，在如下条件满足时，用户性别判断单元24可以判断目标用户的性别为男性：

Pref_i ^male-Pref_i ^female>μ_male-female+2σ_male-female

此外，在该第一差值小于第一均值差与第一均值差的标准差的加权差时，用户性别判断单元24可以判断目标用户的性别为女性。例如，在如下条件满足时，用户性别判断单元24可以判断目标用户的性别为女性：

Pref_i ^male-Pref_i ^female<μ_male-female-2σ_male-female

此外，在该第一差值在第一均值差与第一均值差的标准差的加权和与加权差之间时，用户性别判断单元24可以判断目标用户的性别为未知。例如，在如下条件满足时，用户性别判断单元24可以判断目标用户的性别为未知：

μ_male-female-2σ_male-female<Pref_i ^male-Pref_i ^female<μ_male-female+2σ_male-female

在上面描述了第一偏好度的平均值μ_male大于第二偏好度的平均值μ_female的情况下用户性别判断单元24执行目标用户的性别判断的处理。下面，将描述第一偏好度的平均值μ_male小于第二偏好度的平均值μ_female的情况下用户性别判断单元24执行目标用户的性别判断的处理。

如果第一偏好度的平均值μ_male小于第二偏好度的平均值μ_female，则在Pref^female与Pref^male的差值（下面称为第二差值）小于零的情况下，用户性别判断单元24可以判断目标用户的性别为男性。

在Pref^female与Pref^male的第二差值大于零情况下，用户性别判断单元24还通过第二偏好度的平均值与第一偏好度的平均值的第二均值差以及该第二均值差的标准差来判断目标用户的性别。这里，例如，用户性别判断单元24可以分别通过前述公式（9）以及公式（10）获得第二偏好度的平均值与第一偏好度的平均值的第二均值差μ_female-male以及该第二均值差的标准差σ_female-male。

在获得第二均值差μ_female-male以及该第二均值差的标准差σ_female-male的情况下，在该第二差值大于第二均值差与第二均值差的标准差的加权和时，可以判断目标用户的性别为女性。例如，在如下条件满足时，用户性别判断单元24可以判断目标用户的性别为女性：

Pref_i ^female-Pref_i ^male>μ_female-male+2σ_female-male

此外，在该第二差值小于第二均值差与第二均值差的标准差的加权差时，用户性别判断单元24可以判断目标用户的性别为男性。例如，在如下条件满足时，用户性别判断单元24可以判断目标用户的性别为男性：

Pref_i ^female-Pref_i ^male<μ_female-male-2σ_female-male

此外，在该第二差值在第二均值差与第二均值差的标准差的加权和与加权差之间时，用户性别判断单元24可以判断目标用户的性别为未知。例如，在如下条件满足时，用户性别判断单元24可以判断目标用户的性别为未知：

μ_female-male-2σ_female-male<Pref_i ^female-Pref_i ^male<μ_female-male+2σ_female-male

这里，需要注意的是，上面的公式中的加权系数可以根据实际需要以及判断的精度进行调整，并且不限于之前的实施例中的加权系数。

此外，根据本发明的另一个实施例，用户性别判断单元24还可以基于第一偏好度的平均值μ_male与第二偏好度的平均值μ_female的比值来进行判断。例如，用户性别判断单元24可以通过目标用户的第一偏好度Pref^male与第二偏好度Pref^female的第一比值与第一偏好度均值μ_male与第二偏好度均值μ_female的第二比值进行比较来判断目标用户的性别。

具体地，如果第一偏好度与第二偏好度的第一比值大于第一偏好度均值与第二偏好度均值的第二比值与第二比值的标准差之和，则用户性别判断单元24判断目标用户为男性。这里，例如，在如下条件满足时，用户性别判断单元24可以判断目标用户的性别为男性：

$\frac{\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{male}}}{\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{female}}}>\frac{{\mathrm{\&mu;}}_{\mathrm{male}}}{{\mathrm{\&mu;}}_{\mathrm{female}}}+\mathrm{\&sigma;}$

其中σ为标准差，并且可以设置为第二比值的1/3，即

如果所述第一比值小于第二比值与第二比值的标准差之差，则用户性别判断单元24用户性别判断单元24判断目标用户为女性。例如，在如下条件满足时，用户性别判断单元24可以判断目标用户的性别为女性：

$\frac{\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{male}}}{\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{female}}}<\frac{{\mathrm{\&mu;}}_{\mathrm{male}}}{{\mathrm{\&mu;}}_{\mathrm{female}}}-\mathrm{\&sigma;}$

此外，在如下条件满足时，用户性别判断单元24可以判断目标用户的性别为未知：

$\frac{{\mathrm{\&mu;}}_{\mathrm{male}}}{{\mathrm{\&mu;}}_{\mathrm{female}}}-\mathrm{\&sigma;}<\frac{\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{male}}}{\mathrm{Pr}{\mathrm{ef}}_i^{\mathrm{female}}}<\frac{{\mathrm{\&mu;}}_{\mathrm{male}}}{{\mathrm{\&mu;}}_{\mathrm{female}}}+\mathrm{\&sigma;}$

这里，除了上述判断之外，如果第一偏好度不为零，并且第二偏好度为零，则用户性别判断单元24可以直接判断目标用户为男性，而如果第一偏好度为零，并且第二偏好度不为零，则用户性别判断单元24可以直接判断目标用户为女性。

应用信息提供单元25可以基于目标用户的性别向目标用户提供与其性别匹配的应用的信息。

在用户性别判断单元24确定了用户的性别之后，应用信息提供单元25可以基于用户性别判断单元24确定的目标用户的性别查找与目标用户的性别匹配的应用，并且向用户提供与目标用户的性别匹配的应用的信息。例如，在用户性别判断单元24确定了目标用户的性别为男性之后，应用信息提供单元25可以优先查找被划分为男性特征类的应用（如，雷神战机），并且将查找到的应用的信息提供（推荐）给目标用户。此外，例如，在用户性别判断单元24确定了目标用户的性别为女性之后，应用信息提供单元25可以优先查找被划分为女性特征类的应用（如，蘑菇街），并且将查找到的应用的信息提供（推荐）给目标用户。另外，在用户性别判断单元24确定了目标用户的性别为未知之后，应用信息提供单元25可以同时查找被划分为女性特征类的应用以及被划分为男性特征类的应用，并且将查找到的应用的信息提供（推荐）给目标用户。这里，可以通过向目标用户所持有的终端设备推送信息的方式来向目标用户提供与其性别匹配的应用的信息。

通过上述配置，可以通过对目标用户所使用的多个应用的统计信息进行分析来确定目标用户的性别，并且基于所确定的目标用户的性别来向用户提供（推荐）其可能感兴趣的应用，由此在实现了向用户提供其可能感兴趣的应用的同时，无需用户输入其个人敏感信息，从而在保证了用户体验的情况下，避免了用户敏感信息被泄露的可能性。

通过以上的实施例的描述，本领域的技术人员可以清楚地了解到本发明的信息处理方法以及信息处理设备中的各个功能单元可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过软件来实施。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例或者实施例的某些部分所述的方法。

以上对本发明进行了详细介绍，本文中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (12)

1.一种信息处理方法，应用于信息处理设备，所述信息处理方法包括：

获得目标用户所使用的多个应用的统计信息，其中所述多个应用基于应用类别信息划分为男性特征类应用以及女性特征类应用；

基于所述应用类别信息将所述统计信息划分到与所述男性特征类应用相关的第一统计信息以及与所述女性特征类应用相关的第二统计信息；

基于所述第一统计信息计算所述目标用户相对于所述男性特征类应用的第一偏好度，以及基于所述第二统计信息计算所述目标用户相对于所述女性特征类应用的第二偏好度；

至少基于所述第一偏好度以及所述第二偏好度判断所述目标用户的性别；

基于所述目标用户的性别向所述目标用户提供与其性别匹配的应用的信息。

2.如权利要求1所述的方法，其中

所述目标用户的所述第一统计信息包括所述男性特征类应用的总使用时长以及所述男性特征类应用的总使用次数；以及

所述目标用户的所述第二统计信息包括所述女性特征类应用的总使用时长以及所述女性特征类应用的总使用次数。

3.如权利要求2所述的方法，其中在计算所述第一偏好度以及所述第二偏好度的步骤中：

分别将所述男性特征类应用的总使用时长以及所述男性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第一偏好度；以及

分别将所述女性特征类应用的总使用时长以及所述女性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第二偏好度。

4.如权利要求3所述的方法，其中在判断所述目标用户的性别的步骤中：

基于所述第一偏好度的平均值、所述第二偏好度的平均值、所述第一偏好度以及所述第二偏好度判断所述目标用户的性别，

其中所述第一偏好度的平均值表示多个用户的第一偏好度的平均值，并且所述第二偏好度的平均值表示所述多个用户的第二偏好度的平均值。

5.如权利要求4所述的方法，其中

如果所述第一偏好度的平均值与所述第二偏好度的平均值的第一均值差大于零，则在所述第一偏好度与所述第二偏好度的第一差值小于零时，判断所述目标用户的性别为女性，在所述第一差值大于所述第一均值差与所述第一均值差的标准差的加权和时，判断所述目标用户的性别为男性，在所述第一差值小于所述第一均值差与所述第一均值差的标准差的加权差时，判断所述目标用户的性别为女性；或者

如果所述第二偏好度的平均值与所述第一偏好度的平均值的第二均值差大于零，则在所述第二偏好度与所述第一偏好度的第二差值小于零时，判断所述目标用户的性别为男性，在所述第二差值大于所述第二均值差与所述第二均值差的标准差的加权和时，判断所述目标用户的性别为女性，在所述第二差值小于所述第二均值差与所述第二均值差的标准差的加权差时，判断所述目标用户的性别为男性。

6.如权利要求4所述的方法，其中：

如果所述第一偏好度不为零，并且所述第二偏好度为零，则判断所述目标用户为男性；

如果所述第一偏好度为零，并且所述第二偏好度不为零，则判断所述目标用户为女性；

如果所述第一偏好度与第二偏好度的第一比值大于所述第一偏好度均值与第二偏好度均值的第二比值与所述第二比值的标准差之和，则判断所述目标用户为男性；

如果所述第一比值小于所述第二比值与所述第二比值的标准差之和，则判断所述目标用户为女性。

7.一种信息处理设备，包括：

统计信息获取单元，配置来获得目标用户所使用的多个应用的统计信息，其中所述多个应用基于应用类别信息划分为男性特征类应用以及女性特征类应用；

统计信息划分单元，配置来基于所述应用类别信息将所述统计信息划分到与所述男性特征类应用相关的第一统计信息以及与所述女性特征类应用相关的第二统计信息；

偏好度计算单元，配置来基于所述第一统计信息计算所述目标用户相对于所述男性特征类应用的第一偏好度，以及基于所述第二统计信息计算所述目标用户相对于所述女性特征类应用的第二偏好度；

用户性别判断单元，配置来至少基于所述第一偏好度以及所述第二偏好度判断所述目标用户的性别；

应用信息提供单元，配置来基于所述目标用户的性别向所述目标用户提供与其性别匹配的应用的信息。

8.如权利要求7所述的信息处理设备，其中

所述目标用户的所述第一统计信息包括所述男性特征类应用的总使用时长以及所述男性特征类应用的总使用次数；以及

所述目标用户的所述第二统计信息包括所述女性特征类应用的总使用时长以及所述女性特征类应用的总使用次数。

9.如权利要求8所述的信息处理设备，其中

所述偏好度计算单元分别将所述男性特征类应用的总使用时长以及所述男性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第一偏好度；以及

所述偏好度计算单元分别将所述女性特征类应用的总使用时长以及所述女性特征类应用的使用次数归一化，并且将二者的归一化结果相乘来获得第二偏好度。

10.如权利要求9所述的信息处理设备，其中

所述用户性别判断单元基于所述第一偏好度的平均值、所述第二偏好度的平均值、所述第一偏好度以及所述第二偏好度判断所述目标用户的性别，所述第一偏好度的平均值表示多个用户的第一偏好度的平均值，并且所述第二偏好度的平均值表示所述多个用户的第二偏好度的平均值。

11.如权利要求10所述的信息处理设备，其中

如果所述第一偏好度的平均值与所述第二偏好度的平均值的第一均值差大于零，则在所述第一偏好度与所述第二偏好度的第一差值小于零时，所述用户性别判断单元判断所述目标用户的性别为女性，在所述第一差值大于所述第一均值差与所述第一均值差的标准差的加权和时，所述用户性别判断单元判断所述目标用户的性别为男性，在所述第一差值小于所述第一均值差与所述第一均值差的标准差的加权差时，所述用户性别判断单元判断所述目标用户的性别为女性；或者

如果所述第二偏好度的平均值与所述第一偏好度的平均值的第二均值差大于零，则在所述第二偏好度与所述第一偏好度的第二差值小于零时，所述用户性别判断单元判断所述目标用户的性别为男性，在所述第二差值大于所述第二均值差与所述第二均值差的标准差的加权和时，所述用户性别判断单元判断所述目标用户的性别为女性，在所述第二差值小于所述第二均值差与所述第二均值差的标准差的加权差时，所述用户性别判断单元判断所述目标用户的性别为男性。

12.如权利要求10所述的信息处理设备，其中：

如果所述第一偏好度不为零，并且所述第二偏好度为零，则所述用户性别判断单元判断所述目标用户为男性；

如果所述第一偏好度为零，并且所述第二偏好度不为零，则所述用户性别判断单元判断所述目标用户为女性；

如果所述第一偏好度与第二偏好度的第一比值大于所述第一偏好度均值与第二偏好度均值的第二比值与所述第二比值的标准差之和，则所述用户性别判断单元判断所述目标用户为男性；

如果所述第一比值小于所述第二比值与所述第二比值的标准差之和，则所述用户性别判断单元判断所述目标用户为女性。

Images