[發明專利]用戶行為數據分析方法、裝置、電子設備及可讀存儲介質

在審

• 申請號: 202011532232.3
• 申請日: 2020-12-22
• 公開（公告）號: CN112541745A
• 公開（公告）日: 2021-03-23
• 發明（設計）人: 李驍;賴眾程;王亮;高洪喜;邱文濤;戴亞軍;陳杭;李會璟;李林毅;許海金;李興輝;李高翔
• 申請（專利權）人: 平安銀行股份有限公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06Q40/02;G06F16/903;G06F16/906;G06N20/00
• 代理公司: 深圳市沃德知識產權代理事務所(普通合伙) 44347
• 代理人: 高杰;于志光

1.一種用戶行為數據分析方法，其特征在于，所述方法包括：

獲取用戶歷史行為數據集及對應的用戶歷史標簽數據集；

提取所述用戶歷史行為數據集的時序特征，得到第一歷史目標數據集；

根據所述用戶歷史行為數據集及所述第一歷史目標數據集對預構建的深度學習模型進行訓練，得到時間序列分析模型；

對所述用戶歷史標簽數據集進行有效數據篩選，得到第一用戶標簽數據集；

利用所述第一用戶標簽數據集對預構建的分類模型進行訓練，得到目標分類模型；

當接收待分析數據集時，利用所述時間序列分析模型對所述目標數據集進行分析，得到初始時間序列；

根據所述初始時間序列獲取目標用戶標簽數據集，利用所述目標分類模型對所述目標用戶標簽數據集進行分析，得到目標行為用戶數量；

根據所述初始時間序列中數據的數據比例將所述目標行為用戶數量及所述初始時間序列進行數據融合處理，得到行為趨勢序列；

將所述行為趨勢序列發送至預設的終端設備。

2.如權利要求1所述的用戶行為數據分析方法，其特征在于，所述提取所述用戶歷史行為數據集的時序特征，得到第一歷史目標數據集，包括：

利用根據預設第一字段構建的第一查詢語句對所述用戶歷史行為數據集進行查詢，得到目標用戶歷史行為數據集；

提取所述目標用戶的歷史行為數據集的時序特征，得到所述第一歷史目標數據集。

3.如權利要求1所述的用戶行為數據分析方法，其特征在于，所述根據所述用戶歷史行為數據集及所述第一歷史目標數據集對預構建的深度學習模型進行訓練，得到時間序列分析模型，包括：

提取所述用戶歷史行為數據集中預設第二字段的數據；

將提取到的所述第二字段的數據與所述第一歷史目標數據集進行組合，得到第二歷史目標數據集；

對所述第二歷史目標數據集中包含的數據進行歸一化處理，得到第三歷史目標數據集；

根據預設時間序列長度將所述第三歷史目標數據集按時間劃分為訓練數據集及標簽數據；

對所述訓練數據集進行時間序列劃分，得到標準訓練數據集；

利用所述標準訓練數據集及所述標簽數據對預構建的深度學習模型進行迭代訓練，得到所述時間序列模型。

4.如權利要求3所述的用戶行為數據分析方法，其特征在于，所述對所述訓練數據集進行時間序列劃分，得到標準訓練數據集，包括：

按照時間維度依次選取所述訓練數據中預設時間序列長度的數據，得到標準訓練數據；

匯總所有的標準訓練數據，得到所述標準訓練數據集。

5.如權利要求3所述的用戶行為數據分析方法，其特征在于，所述利用所述標準訓練數據集對預構建的深度學習模型進行迭代訓練，得到所述時間序列模型，包括：

卷積池化步驟：根據預設的卷積池化次數，對所述標準訓練數據集進行卷積池化操作，得到特征集；

損失計算步驟：利用預設的激活函數對所述特征集進行計算得到預測數據，根據所述預測數據及所述標簽數據，利用預構建的損失函數進行計算，得到損失值；

模型訓練步驟：對比所述損失值與預設的損失閾值的大小，當所述損失值大于或等于所述預設閾值時，返回所述卷積池化步驟；當所述損失值小于所述預設閾值時，停止訓練，得到所述時間序列模型。

6.如權利要求1所述的用戶行為數據分析方法，其特征在于，所述對所述用戶歷史標簽數據集進行有效數據篩選，得到第一用戶標簽數據集，包括：

計算所述用戶歷史標簽數據集中包含的每個數值型標簽數據的方差；

過濾所述用戶歷史標簽數據集中所述方差小于預設方差閾值的數值型標簽數據，得到有效用戶標簽數據集；

對所述有效用戶標簽數據集中的每個數值型標簽數據進行歸一化處理，并

對所述有效用戶標簽數據集中的包含的每個類別型標簽數據進行編碼處理，得到所述第一用戶標簽數據集。