[發明專利]識別用戶行為的事件時序數據處理方法、裝置及系統

有效

• 申請號: 201610329282.9
• 申請日: 2016-05-18
• 公開（公告）號: CN107402921B
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 孔昭陽
• 申請（專利權）人: 創新先進技術有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06Q10/06;G06Q40/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝

1.一種識別用戶行為的事件時序數據處理方法，其特征在于，所述方法包括：

獲取用戶在預設時間段內的事件操作數據，根據所述事件操作數據的產生時間順序，將所述事件操作數據轉換成符合構建的隱馬爾科夫識別模型輸入數據格式的用戶事件時序數據；

將所述用戶事件時序數據輸入構建的不同標簽類別的隱馬爾科夫識別模型中進行計算，分別得到所述用戶事件時序數據在所述不同標簽類別的隱馬爾科夫識別模型中的概率值數據；

選取所述概率值數據符合行為篩選條件的隱馬爾科夫識別模型所對應的標簽類別作為識別出的用戶行為所屬的行為類別；

所述隱馬爾科夫識別模型采用下述方式構建得到：

獲取用戶操作數據，根據設定業務場景的業務邏輯對所述用戶操作數據進行時序組合，生成時序訓練數據；

為所述業務場景定義不同的標簽類別，將所述時序訓練數據設置為其所屬的標簽類別；

確定隱馬爾科夫訓練模型中的隱藏狀態序列集合、觀察狀態序列集合和初始概率分布；

對所述每一標簽類別的時序訓練數據分別進行隱馬爾科夫訓練模型的訓練，求解出每一標簽類別的隱馬爾科夫訓練模型中隱藏狀態序列間的轉移概率矩陣和隱藏狀態序列到觀察狀態序列的輸出概率矩陣，構建出相應標簽類別的隱馬爾科夫識別模型。

2.如權利要求1所述的一種識別用戶行為的事件時序數據處理方法，其特征在于，所述用戶操作數據包括提取的歷史用戶操作數據。

3.如權利要求1所述的一種識別用戶行為的事件時序數據處理方法，其特征在于，所述用戶操作數據包括基于業務場景預先自定義設置的預測訓練數據。

4.如權利要求1至3中任意一項所述的一種識別用戶行為的事件時序數據處理方法，其特征在于，所述的標簽類別為設置的用戶在預設時間段內執行的一系列事件操作所屬的風險類別。

5.如權利要求1至3中任意一項所述的一種識別用戶行為的事件時序數據處理方法，其特征在于，所述行為篩選條件被設置成采用包括下述中的至少一種選取方式：

選取數值最大的概率值；

選取數值大于設置的最小閾值的概率值；

概率值排序后，選取前N個概率值，N≥1；

概率值排序后，選取排序靠前百分比之內的概率值。

6.一種識別用戶行為的事件時序數據處理裝置，其特征在于，所述裝置包括：

事件時序處理模塊，用于獲取用戶在預設時間段內的事件操作數據，根據所述事件操作數據的產生時間順序，將所述事件操作數據轉換成符合構建的隱馬爾科夫識別模型輸入數據格式的用戶事件時序數據；

模型計算模塊，用于將所述用戶事件時序數據輸入構建的不同標簽類別的隱馬爾科夫識別模型中進行計算，分別得到所述用戶事件時序數據在所述不同標簽類別的隱馬爾科夫識別模型中的概率值數據；

行為識別處理模塊，用于選取所述概率值數據符合行為篩選條件的隱馬爾科夫識別模型所對應的標簽類別作為識別出的用戶行為所屬的行為類別；

所述模型計算模塊中構建的隱馬爾科夫識別模型采用下述方式構建得到：

獲取用戶操作數據，根據設定業務場景的業務邏輯對所述用戶操作數據進行時序組合，生成時序訓練數據；

為所述業務場景定義不同的標簽類別，將所述時序訓練數據設置為其所屬的標簽類別；

根據設定的業務場景狀態定義方法確定隱馬爾科夫訓練模型中的隱藏狀態序列集合、觀察狀態序列集合和初始概率分布；

對所述每一標簽類別的時序訓練數據分別進行隱馬爾科夫訓練模型的訓練，求解出每一標簽類別的隱藏狀態序列間的轉移概率矩陣和隱藏狀態序列到觀察狀態序列的輸出概率矩陣，構建出相應標簽類別的隱馬爾科夫識別模型。

7.如權利要求6所述的一種識別用戶行為的事件時序數據處理裝置，其特征在于，所述模型計算模塊中處理的用戶操作數據包括提取的歷史用戶操作數據。

8.如權利要求6所述的一種識別用戶行為的事件時序數據處理裝置，其特征在于，所述模型計算模塊中處理的用戶操作數據包括基于業務場景預先自定義設置的預測訓練數據。