用户行为预测方法和装置制造方法及图纸

本申请公开了一种用户行为预测方法和装置，所述方法包括：获取当前操作事件的操作状态及其对应的当前账户状态；将当前操作事件的操作状态及其对应的当前账户状态输入至当前的用户行为预测模型；以及由所述用户行为预测模型输出当前操作事件之后的预测行为；其中，所述用户行为预测模型基于预先获取的用户操作事件日志和用户账户状态日志训练得到。根据本申请实施例的技术方案，可提高行为预测的准确性。

User behavior prediction method and device

The invention discloses a user behavior prediction method and device. The method includes: the current account operation to obtain the current operating state corresponding to the state of the event and the corresponding operation; the current operation state of the current account and the event state input to the current user behavior prediction model; and predict the behavior after the model output current operation event the prediction by the user behavior; among them, the user behavior prediction model of pre acquired user event log and user account status logs based on training. The technical scheme according to the embodiment of the present application can improve the accuracy of the behavior prediction.

【技术实现步骤摘要】
用户行为预测方法和装置
本公开涉及互联网
，尤其涉及一种用户行为预测方法和装置。
技术介绍
很多大型网站的信息功能、功能越来越丰富，然而获取所需信息的复杂度却骤然突增，操作路径越来越深；并且对用户而言，用户间操作习惯差异大、操作内容不尽相同，网站的结构一致缺乏个性化导致用户使用效率降低，体验下降。为了提高用户体验，可通过用户行为分析来实现。用户行为分析是指在获得用户在网络的操作行为的相关数据的情况下，对相关数据进行统计分析，从而获取用户的特征(比如用户的群体构成和喜好等)，以及为后续相关操作提供依据，比如后续内容的预取以及网站结构的优化。目前，现有技术提供了一种基于概率后缀树PST的用户行为学习方法，依据无线网络中的业务对网络QoS要求的不同，将基于业务的用户行为分为4类：无业务、会话类业务、交互类业务、流媒体类业务，产生4进制用户行为状态序列；通过学习构建概率后缀树(PST)训练用户行为序列，并采用可变长Markov模型预测下时段可能发生的用户行为，即可根据预测的业务行为选择适合的网络资源为用户提供高质量的业务。然而，现有的用户行为学习方法，在预测准确性有待进一步提高。专利技本文档来自技高网...

【技术保护点】
一种用户行为预测方法，其特征在于，所述方法包括：获取当前操作事件的操作状态及其对应的当前账户状态；将当前操作事件的操作状态及其对应的当前账户状态输入至当前的用户行为预测模型；以及由所述用户行为预测模型输出当前操作事件之后的预测行为；其中，所述用户行为预测模型基于预先获取的用户操作事件日志和用户账户状态日志训练得到。

【技术特征摘要】
1.一种用户行为预测方法，其特征在于，所述方法包括：获取当前操作事件的操作状态及其对应的当前账户状态；将当前操作事件的操作状态及其对应的当前账户状态输入至当前的用户行为预测模型；以及由所述用户行为预测模型输出当前操作事件之后的预测行为；其中，所述用户行为预测模型基于预先获取的用户操作事件日志和用户账户状态日志训练得到。2.根据权利要求1所述的方法，其特征在于，所述用户行为预测模型通过如下方式训练得到：获取设定时间内的用户操作事件日志及其对应的用户账户状态日志；对获取的用户操作事件日志和用户账户状态日志进行预处理，形成深度神经网络模型的训练数据；利用所述训练数据完成模型训练，得到用户行为预测模型。3.根据权利要求2所述的方法，其特征在于，所述获取用户操作事件日志及其对应的用户账户状态日志，包括：采集设定时间段内的用户操作事件日志，所述用户操作事件日志包括：该时间段内涉及的所有操作事件，以及每个操作事件的用户会话标识、操作事件前的操作状态、操作事件本身的操作状态和操作事件触发后的操作状态；基于所述用户会话标识，获取对应的用户账户状态日志；其中，所述用户账户状态日志包括：操作事件前的账户状态和操作事件触发后的账户状态。4.根据权利要求3所述的方法，其特征在于，所述对获取的用户操作事件日志和用户账户状态日志进行预处理，形成深度神经网络模型的训练数据，包括：合并所述用户操作事件日志和用户账户状态日志，形成事件流日志并存储；按照设定粒度拉取存储的事件流日志；对拉取出的事件流日志进行数据标注并序列化成深度神经网络模型的训练数据。5.根据权利要求4所述的方法，其特征在于，所述利用所述训练数据完成模型训练，得到用户行为预测模型之后，还包括：将线上的用户行为预测模型更新为当前训练好的用户行为预测模型。6.一种用户行为预测装置，所述装置包括：状态获取单元，配置用于获取当前操作事件的...

【专利技术属性】
技术研发人员：刘国涛，侯文，李冰冰，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11