[發明專利]一種用戶行為識別方法及移動終端

在審

• 申請號: 202010127977.5
• 申請日: 2020-02-28
• 公開（公告）號: CN111427754A
• 公開（公告）日: 2020-07-17
• 發明（設計）人: 張夏天
• 申請（專利權）人: 北京騰云天下科技有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34;G06F17/16;G06K9/62;G06N3/04;G06N3/08;G01D21/02
• 代理公司: 北京思睿峰知識產權代理有限公司 11396
• 代理人: 謝建云;趙愛軍

本發明公開了一種用戶行為識別方法，在移動終端中執行，移動終端包括至少一個傳感器，傳感器適于采集移動終端的多項狀態信息，該方法包括：按照預定頻率獲取預定時長內的多組傳感器數據，每組傳感器數據包括上述至少一個傳感器所采集的多項狀態信息；將多組傳感器數據輸入預設的用戶行為識別模型，以確定用戶行為類型，其中，用戶行為識別模型包括去相關模塊和分類模塊，去相關模塊適于對上述多組傳感器數據進行去相關處理，以消除每組傳感器數據中的各項狀態信息的相關性，得到目標數據，分類模塊適于對目標數據進行處理，以確定用戶行為類型。本發明一并公開了相應的移動終端。

技術領域

本發明涉及移動終端數據處理技術領域，尤其涉及一種用戶行為識別方法及移動終端。

背景技術

隨著移動互聯網行業的發展和智能移動終端的不斷進化，現在主流的移動終端，特別是智能手機上都搭載了很多類型的傳感器，比如加速度傳感器、陀螺儀、重力傳感器、磁場傳感器，以及溫度、氣壓傳感器等。

移動終端的傳感器所提供的數據與當前攜帶該移動終端的用戶的行為具有較強的相關性。采用傳感器數據樣本來訓練機器學習模型(例如隨機森林、神經網絡等)，然后采用訓練好的機器學習模型對實時傳感器數據進行分析，可以識別出用戶當前的行為類型。

某些傳感器可以采集多項數據(例如加速度傳感器可以采集xyz軸的加速度信息)，同一個傳感器所采集到的多項數據往往存在較大的線性相關性，這意味著傳感器采集到的數據存在大量的信息冗余，這會影響模型訓練的收斂速度以及最終的泛化性能，降低用戶行為識別的準確性。此外，由于移動終端的存儲和運算能力有限，因此需要提供一種復雜度低、運行速度快、準確性高的用戶行為識別方法。

發明內容

為此，本發明提供一種用戶行為識別方法及移動終端，以力圖解決或至少緩解上面存在的問題。

根據本發明的第一個方面，提供一種用戶行為識別方法，在移動終端中執行，所述移動終端包括至少一個傳感器，所述傳感器適于采集所述移動終端的多項狀態信息，所述方法包括：按照預定頻率獲取預定時長內的多組傳感器數據，每組傳感器數據包括所述至少一個傳感器所采集的多項狀態信息；將所述多組傳感器數據輸入預設的用戶行為識別模型，以確定用戶行為類型，其中，所述用戶行為識別模型包括去相關模塊和分類模塊，所述去相關模塊適于對所述多組傳感器數據進行去相關處理，以消除每組傳感器數據中的各項狀態信息的相關性，得到目標數據，所述分類模塊適于對所述目標數據進行處理，以確定用戶行為類型。

可選地，在根據本發明的用戶行為識別方法中，傳感器包括加速度傳感器和陀螺儀，所述每組傳感器數據包括：所述加速度傳感器采集的所述移動終端在xyz三個坐標軸方向上的加速度信息；以及所述陀螺儀采集的所述移動終端繞xyz三個坐標軸旋轉的角速度信息。

可選地，在根據本發明的用戶行為識別方法中，去相關模塊適于按照以下步驟對所述多組傳感器數據進行去相關處理：對所述多組傳感器數據進行中心化處理，使處理后的每項狀態信息的均值為0，得到中心化數據；確定所述中心化數據的變換矩陣，將所述中心化數據與所述變換矩陣相乘，以得到目標數據，其中，所述變換矩陣使得所述目標數據的協方差矩陣為單位矩陣，從而消除各項狀態信息的相關性。

可選地，在根據本發明的用戶行為識別方法中，變換矩陣按照以下步驟確定：計算所述中心化數據的協方差矩陣Σ；對所述協方差矩陣Σ進行奇異值分解，將協方差矩陣Σ轉化成第一矩陣U、第二矩陣S和第一矩陣U的轉置矩陣U^T的乘積，其中，第一矩陣U為協方差矩陣Σ的特征向量所組成的矩陣，第二矩陣S為協方差矩陣Σ的特征值所組成的對角矩陣；將矩陣U、S^-1/2、U^T的乘積作為變換矩陣，其中，S^-1/2中各元素的值為第二矩陣S中相應位置的元素的平方根的倒數。

可選地，在根據本發明的用戶行為識別方法中，去相關模塊包括批標準化層，適于調整所述目標數據中的各項狀態信息的均值和方差。