[發明專利]一種基于大數據的短視頻活躍用戶預測方法

有效

• 申請號: 201910027207.0
• 申請日: 2019-01-11
• 公開（公告）號: CN109784997B
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 王進;閔子劍;許景益;孫開偉;劉彬
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/04
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅;陳棟梁

本發明請求保護一種基于大數據的短視頻活躍用戶預測方法，包括：101對用戶的歷史行為數據進行預處理操作；102根據注冊時間將用戶劃分成訓練集候選用戶和測試集候選用戶103將訓練集候選用戶和測試集候選用戶根據歷史行為轉化為時序序列，作為訓練集和測試集；104對處理好的時序序列進行打標；105通過時序序列建立many?to?many結構的LSTM模型；106根據用戶歷史行為時間序列，對當月注冊用戶在未來一周是否會使用相應短視頻APP進行預測。本發明主要是通過對用戶歷史數據進行預處理和分析，提取特征，轉換時序序列工作，建立深度學習模型，對當月注冊用戶在未來一周是否會使用該短視頻APP進行預測，為短視頻領域尋找活躍用戶提供更為精準的個性化推送服務。

技術領域

本發明屬于深度學習、大數據處理技術領域，尤其基于余弦退火快照的LSTM模型短視頻活躍用戶預測。

背景技術

近年來，傳播形態走向立體化，短視頻日益受重視。短視頻作為一種依托社交平臺傳播、能夠拉近線上與線下空間、內容愈發垂直細分的傳播形態，無疑受到了互聯網巨頭以及各家媒體的關注。2013年，Instagram短視頻功能上線，上線首日視頻上傳量達到500萬條。早在2014年前后，Facebook已將視頻作為信息流中優先展示的內容。2015年，公司首席執行官馬克·扎克伯格表示其用于日均觀看視頻數量已達30億個用戶。該公司運營主管尼古拉·門德爾松曾在2016年公開表示，“講故事的最好方式其實是視頻，這種內容形式為我們提供了大量的信息。”2017年至今，國內已經涌現大量優秀的短視頻APP，累計用戶量以達5億，日活躍用戶數超過6000萬，用戶日均使用時長超過50分鐘，為此我們可獲得大量有價值的數據。

短視頻平臺競爭激烈，盈利模式有待發掘。隨著平臺對短視頻創作者的補貼逐漸收攏，依靠平臺紅利支撐短視頻的內容運營并非長久之計。二更視頻創始人丁豐曾公開表示，未來定制化短視頻廣告的市場可達千億級別，但定制化廣告內容需要制作團隊本身有過硬的技術與傳播影響力。頭部視頻創作者之外，更多的短視頻生產者仍舊需要探尋穩定長久的盈利模式，持續生產“爆款”、靠引人眼球吸引流量，或通過個人化標簽將視頻平臺打造成IP的模式，并非適用于所有類型的視頻制作團隊。

隨著人工智能和大數據等技術不斷滲透，依靠短視頻APP主動收集、分析、整理各類用戶數據，為短視頻APP細分這部分活躍人群提供更為精準的個性化推送服務，成為解決短視頻APP尋找潛在用戶問題的有效途徑。簡言之，如何區別活躍用戶，成為短視頻APP領域提供更為精準的個性化推送服務的關鍵。

發明內容

本發明旨在解決以上現有技術的問題。提出了一種旨在對當月注冊用戶在未來一周是否會使用該短視頻APP進行預測，進而為短視頻領域尋找活躍用戶提供更為精準的個性化推送服務，解決短視頻APP尋找潛在用戶問題的方法。本發明的技術方案如下：

一種基于大數據的短視頻活躍用戶預測方法，其包括以下步驟：

101、對用戶的歷史行為數據進行包括“僵尸”用戶處理步驟、用戶注冊設備處理步驟在內的預處理操作；

102、根據注冊時間將用戶劃分成訓練集候選用戶和測試集候選用戶；

103、將訓練集候選用戶和測試集候選用戶的歷史行為轉化為時序序列，再將時序序列根據時間劃窗劃分為訓練集和測試集；

104、對作為訓練集的時序序列進行打標；

105、通過時序序列建立many-to-many多輸入對多輸出結構的LSTM長短期記憶網絡模型；many-to-many多輸入對多輸出結構即每個輸入都對應輸出之后7天是否活躍；

106、根據用戶歷史行為時間序列，采用LSTM長短期記憶網絡模型對當月注冊用戶在未來一周是否會使用相應短視頻APP進行預測。

進一步的，所述步驟101對用戶的歷史行為數據預處理操作具體步驟為：