基于智能电网大数据的用户属性预测，对构建智能电网分析系统和智能楼宇建设具有重要意义。传统针对单一用户属性分析的机器学习方法，不能利用各个属性间的关系提高准确率，还不能很好挖掘缺失数据的信息。这两个问题制约了智能电网系统的设计和智能楼宇系统的完善。

中国科学院沈阳自动化研究所研究员丛杨（青促会会员）在多年机器学习算法研究基础上，通过将每个属性预测作为单个任务，提出了基于多任务学习的监督/半监督用户属性预测模型，实现在少量可用数据下的多个任务同时学习和决策。同时，挖掘出了多个用户属性间的关系，提高了多个属性预测的准确率；充分利用缺失数据样本信息，进一步提高了模型泛化能力。

相关研究成果分别以Joint Household Characteristic Prediction via Smart Meter Data和User attribute discoverywith missing labels为题，发表在IEEE Transactions on Smart Grid和Pattern Recogniton上。研究工作得到了机器人学国家重点实验室、国家自然科学基金的支持。