[發(fā)明專利]用戶行為預(yù)測(cè)方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201711384622.9
• 申請(qǐng)日: 2017-12-20
• 公開(kāi)（公告）號(hào): CN108121795B
• 公開(kāi)（公告）日: 2021-07-09
• 發(fā)明（設(shè)計(jì)）人: 閆紹華;楊亞會(huì);孫亞平;楊君;李振博
• 申請(qǐng)（專利權(quán)）人: 北京奇虎科技有限公司
• 主分類號(hào): G06F16/18
• 分類號(hào): G06F16/18;G06F16/2458;G06K9/62;G06Q30/02;G06Q30/06
• 代理公司: 北京律誠(chéng)同業(yè)知識(shí)產(chǎn)權(quán)代理有限公司 11006
• 代理人: 王玉雙

本發(fā)明公開(kāi)了一種用戶行為預(yù)測(cè)方法及裝置，涉及信息技術(shù)領(lǐng)域，主要目的在于能夠提升用戶行為預(yù)測(cè)準(zhǔn)確率，所述方法包括：對(duì)目標(biāo)用戶的用戶行為日志進(jìn)行分析，得到用戶屬性向量和用戶行為指標(biāo)向量；將所述用戶屬性向量和所述用戶行為指標(biāo)向量輸入到預(yù)先訓(xùn)練的行為預(yù)測(cè)決策樹(shù)模型中，以獲取所述目標(biāo)用戶的預(yù)測(cè)行為概率，所述行為預(yù)測(cè)決策樹(shù)模型為利用預(yù)設(shè)決策樹(shù)算法對(duì)樣本用戶屬性向量、樣本用戶行為指標(biāo)向量以及樣本用戶行為進(jìn)行訓(xùn)練得到的；根據(jù)所述預(yù)測(cè)行為概率，確定所述目標(biāo)用戶的預(yù)測(cè)行為。本發(fā)明適用于用戶行為的預(yù)測(cè)。

技術(shù)領(lǐng)域

本發(fā)明涉及信息技術(shù)領(lǐng)域，特別是涉及一種用戶行為預(yù)測(cè)方法及裝置。

背景技術(shù)

隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，人們的日常生活與工作越來(lái)越依賴互聯(lián)網(wǎng)。如何使用日益增長(zhǎng)的移動(dòng)用戶大數(shù)據(jù)進(jìn)行用戶行為預(yù)測(cè)，已成為移動(dòng)個(gè)性化服務(wù)領(lǐng)域，如移動(dòng)電子商務(wù)、移動(dòng)位置服務(wù)、移動(dòng)廣告點(diǎn)擊率預(yù)測(cè)等方面亟待解決的技術(shù)問(wèn)題。

目前，通常直接根據(jù)用戶行為日志分析的用戶行為指標(biāo)，對(duì)用戶行為進(jìn)行預(yù)測(cè)，即直接將用戶行為指標(biāo)匹配的用戶行為，確定為用戶預(yù)測(cè)行為。然而，不同的用戶行為可能會(huì)匹配同一用戶行為指標(biāo)，通過(guò)上述方式預(yù)測(cè)用戶行為，會(huì)造成用戶行為預(yù)測(cè)錯(cuò)誤，從而導(dǎo)致用戶行為預(yù)測(cè)準(zhǔn)確率較低。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供一種用戶行為預(yù)測(cè)方法及裝置，主要目的在于能夠提升用戶行為預(yù)測(cè)準(zhǔn)確率。

依據(jù)本發(fā)明第一方面，提供了一種用戶行為預(yù)測(cè)方法，包括：

對(duì)目標(biāo)用戶的用戶行為日志進(jìn)行分析，得到用戶屬性向量和用戶行為指標(biāo)向量；

將所述用戶屬性向量和所述用戶行為指標(biāo)向量輸入到預(yù)先訓(xùn)練的行為預(yù)測(cè)決策樹(shù)模型中，以獲取所述目標(biāo)用戶的預(yù)測(cè)行為概率，所述行為預(yù)測(cè)決策樹(shù)模型為利用預(yù)設(shè)決策樹(shù)算法對(duì)樣本用戶屬性向量、樣本用戶行為指標(biāo)向量以及樣本用戶行為進(jìn)行訓(xùn)練得到的；

根據(jù)所述預(yù)測(cè)行為概率，確定所述目標(biāo)用戶的預(yù)測(cè)行為。

依據(jù)本發(fā)明第二方面，提供了一種用戶行為預(yù)測(cè)裝置，包括：

分析單元，用于對(duì)目標(biāo)用戶的用戶行為日志進(jìn)行分析，得到用戶屬性向量和用戶行為指標(biāo)向量；

輸入單元，用于將所述用戶屬性向量和所述用戶行為指標(biāo)向量輸入到預(yù)先訓(xùn)練的行為預(yù)測(cè)決策樹(shù)模型中，以獲取所述目標(biāo)用戶的預(yù)測(cè)行為概率，所述行為預(yù)測(cè)決策樹(shù)模型為利用預(yù)設(shè)決策樹(shù)算法對(duì)樣本用戶屬性向量、樣本用戶行為指標(biāo)向量以及樣本用戶行為進(jìn)行訓(xùn)練得到的；

確定單元，用于根據(jù)所述預(yù)測(cè)行為概率，確定所述目標(biāo)用戶的預(yù)測(cè)行為。

依據(jù)本發(fā)明第三方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)以下步驟：

對(duì)目標(biāo)用戶的用戶行為日志進(jìn)行分析，得到用戶屬性向量和用戶行為指標(biāo)向量；

將所述用戶屬性向量和所述用戶行為指標(biāo)向量輸入到預(yù)先訓(xùn)練的行為預(yù)測(cè)決策樹(shù)模型中，以獲取所述目標(biāo)用戶的預(yù)測(cè)行為概率，所述行為預(yù)測(cè)決策樹(shù)模型為利用預(yù)設(shè)決策樹(shù)算法對(duì)樣本用戶屬性向量、樣本用戶行為指標(biāo)向量以及樣本用戶行為進(jìn)行訓(xùn)練得到的；

根據(jù)所述預(yù)測(cè)行為概率，確定所述目標(biāo)用戶的預(yù)測(cè)行為。

依據(jù)本發(fā)明第四方面，提供了一種用戶行為預(yù)測(cè)裝置，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)以下步驟：

對(duì)目標(biāo)用戶的用戶行為日志進(jìn)行分析，得到用戶屬性向量和用戶行為指標(biāo)向量；

將所述用戶屬性向量和所述用戶行為指標(biāo)向量輸入到預(yù)先訓(xùn)練的行為預(yù)測(cè)決策樹(shù)模型中，以獲取所述目標(biāo)用戶的預(yù)測(cè)行為概率，所述行為預(yù)測(cè)決策樹(shù)模型為利用預(yù)設(shè)決策樹(shù)算法對(duì)樣本用戶屬性向量、樣本用戶行為指標(biāo)向量以及樣本用戶行為進(jìn)行訓(xùn)練得到的；