[發明專利]預測用戶群體宏觀狀態的方法和裝置

在審

• 申請號: 202110962759.8
• 申請日: 2021-08-20
• 公開（公告）號: CN113538069A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 潘晨;薛思喬;師曉明;馬琳濤;王世軍;詹姆士·張
• 申請（專利權）人: 支付寶（杭州）信息技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽;周良玉

本說明書實施例提供一種預測用戶群體的宏觀狀態的方法和裝置。根據該預測方法，可以基于多個用戶中各個用戶的事件序列，確定該用戶對應的事件強度函數。此外，還獲取用戶群體的目標宏觀量在第一時刻的第一期望值。基于以上確定的事件強度函數，以及表示用戶對宏觀量的影響程度的幅度函數，確定中間函數；其中，該幅度函數與目標宏觀量的期望值成線性關系，比例系數為第一系數；且該中間函數基于各個第一系數與事件強度函數的乘積之和而確定。由此，可以將第一時刻，第一期望值，以及待預測的第二時刻，代入期望值隨時間變化的關系式，從而確定該宏觀量在第二時刻的期望值；其中，該關系式依賴于上述中間函數隨時間的積分。

技術領域

本說明書一個或多個實施例涉及機器學習領域，尤其涉及利用機器學習的方式，基于用戶事件預測用戶群體狀態的方法和裝置。

背景技術

隨著計算機技術的發展，機器學習已經應用到各種各樣的技術領域，用于分析、預測各種業務數據。在互聯網環境中，用戶行為是常見的分析來源。

用戶行為是隨時間線而發生的一系列用戶動作，這些動作包括，例如，登錄、搜索、點擊、訪問網頁時收藏某個頁面、購買某個商品、將某個商品加入購物車(加購)，等等。對用戶個體行為進行建模和分析，可以直接地用于理解該用戶的個體偏好和用戶意圖，進而有助于為用戶提供針對性的、個性化的服務。

在一些技術場景中，對用戶群體的整體狀態進行預測同樣十分重要。例如，一些網絡平臺需要預測未來不同時段的訪問量和流量，從而可以預先針對流量變化更好地部署服務器集群；一些社交平臺需要預測一些評論對象，例如歌曲，電影，書籍的流行度或評論數量，從而可以更好地執行業務策略部署，例如，頁面安排，用戶分流，用戶引流等等。

用戶行為與群體狀態相比而言，單個用戶的用戶行為可以認為是微觀狀態，用戶群體的整體狀態可以認為是宏觀表現或宏觀狀態；群體的宏觀表現由微觀狀態聚合而成，而微觀狀態又會受到宏觀狀態的影響。例如，用戶個體購買商品是微觀狀態，大量用戶的購買行為聚合在一起，可以得到商品銷量作為宏觀表現；而商品銷量的排行又反過來會影響用戶的購買行為。因此，用戶群體的宏觀狀態與用戶個體行為之間的關系，緊密而又復雜。

由此，希望能有改進的方案，可以基于用戶行為更為有效地對用戶群體的宏觀狀態量進行預測，從而便于服務平臺更好地針對用戶整體進行業務部署。

發明內容

本說明書一個或多個實施例描述了一種基于用戶事件序列預測用戶群體的宏觀狀態的方法和裝置，通過發掘用戶微觀行為事件與用戶群體的宏觀量之間的關系，更好地預測宏觀量的期望值，從而便于服務平臺更好地針對用戶整體進行業務部署。

根據第一方面，提供了一種預測用戶群體的宏觀狀態的方法，包括：

基于多個用戶中各個用戶的事件序列，確定該用戶對應的事件強度函數；

獲取所述多個用戶構成的用戶群體的目標宏觀量在第一時刻的第一期望值，所述目標宏觀量依賴于各個用戶做出的事件；

根據各個用戶對應的事件強度函數，以及用于表示該用戶對于所述目標宏觀量的影響程度的幅度函數，確定第一中間函數；其中，各個用戶的幅度函數與所述目標宏觀量的期望值成線性關系，所述線性關系的比例系數為第一系數；所述第一中間函數基于各個用戶的第一系數與事件強度函數的乘積之和而確定；

將所述第一時刻，第一期望值，以及所述第一時刻之后的第二時刻，代入期望值隨時間變化的第一關系式，從而確定所述目標宏觀量在所述第二時刻的第二期望值；其中，所述第一關系式，依賴于所述第一中間函數隨時間的積分。

根據一種實施方式，確定用戶對應的事件強度函數，具體包括：基于該用戶的事件序列，提取該用戶的行為相關特征；將所述行為相關特征輸入神經網絡模型，得到該用戶對應的強度函數中的參數值；基于所述參數值和強度函數的預定形式，得到該用戶對應的事件強度函數。