用户行为预测及相应信息推荐方法和装置制造方法及图纸

本发明专利技术公开了一种用户行为预测及相应信息推荐方法和装置。其中，基于基准用户群中各个用户的n个原始标签为该用户生成多层标签对，将基准用户群中的各个用户划分到该用户所具有的多层标签对中，以生成多层标签对分组，并基于目标用户所具有的多层标签对所对应的多层标签对分组中的用户行为，预测目标用户的用户行为，根据预测的结果可以向用户推荐相应的信息。由此，相比于现有技术中的预估算法，本发明专利技术的预测方案通过简单地引入多层标签对来实现对特征进行层层投递，从而能够在节省大量模型训练和机器资源的同时，提升实际运用的预测和推荐效果。

User behavior prediction and corresponding information recommendation methods and devices

The invention discloses a method and device for the prediction of user behavior and the corresponding information recommendation. Among them, each user reference users in n based on the original label for the user to generate multi label, each user base users into the user with multilayer labels on, to generate multi label packet, and multi label has based on the target user of the corresponding multi label the behavior of users in the packet, user behavior prediction of target users, according to the forecast results can recommend the appropriate information to the user. Thus, prediction algorithm compared with the existing technology, the prediction scheme of the invention by simply introducing multilayer labels to achieve the characteristics of the layers of delivery, in order to save a lot of model training and machine resources at the same time, enhance the practical application of the prediction and recommendation effect.

【技术实现步骤摘要】
用户行为预测及相应信息推荐方法和装置
本专利技术涉及信息
，特别是涉及一种用于预测用户行为并进行相应信息推荐的方法、装置、计算设备及存储介质。
技术介绍
在信息类应用，例如新闻类、内容聚合类APP中，需要根据用户的行为属性，并基于特定算法进行分析，以便向用户推荐符合其浏览行为的相关信息，即对用户进行个性化推荐，个性化推荐核心技术是文章点击概率预估算法，目前常见的做法是使用协同过滤、矩阵分解、LR排序算法等。这些算法需要依据用户行为数据来训练模型。上述模型训练需要耗费大量的时间和机器资源，并且在数据不足的情况下无法进行。鉴于现有技术的上述缺点，仍然需要一种更为简单有效的预测及推荐算法。
技术实现思路
本专利技术的一个目的在于提出一种简单有效的预测方案，其通过多层标签的设置提升预估准确率。相比于现有技术中的预估算法，本专利技术的预测方案能够在节省大量模型训练和机器资源的同时，提升实际运用的预测和推荐效果。根据本专利技术的一个方面，提供了一种用户行为预测方法，包括：基于基准用户群中各个用户的n个原始标签为该用户生成多层标签对，其中，每个用户的多层标签对是该用户的所述n个原始标签集合的全部或部分非空子集，并且n是不小于2的整数；将所述基准用户群中的各个用户划分到该用户所具有的多层标签对中，以生成多层标签对分组；以及基于目标用户所具有的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为。通过多层标签对的设置，将对应特征层层投射至目标用户，由此能够以相对简单且灵活的计算实现有效的用户行为预测。在具体应用中，可以灵活选取基准用户群，其可以是全体用户群，也可以是实验用户群，并且目标用户也可根据需要包括或者不包括在其中。优选地，原始标签可以基于用户的注册信息、在前行为和/或其使用的终端信息得出，由此从不同的维度来对用户进行灵活描述。优选地，针对某一用户的多层标签对可以如下生成：将所述n个原始标签的集合设为T，求取T自身的笛卡尔积T*T，去除标签自身与自身的标签对，已得到经求取的标签对；对所述经求取的标签对集合重复上述求取过程，直到没有新标签对产生为止；将所述原始标签以及所有经求取的标签对作为所述用户的多层标签对。由此能够通过简单的迭代计算实现对多层标签对的方便获取。所述方法还也可以滤除支持率不足的标签对。优选地，所述预测方法还包括：统计所述多层标签对在所述基准用户群中的出现概率；滤除出现概率小于阈值的多层标签对及其多层标签对分组，并且所述基于目标用户所具有的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为包括：基于目标用户所具有的经过滤的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为。由此，确保用于预测的标签对是在数量统计中已达到稳定可靠的值的标签对。优选地，可以通过求取所对应的多层标签对分组中的每个分组中的所述用户行为出现的行为概率，并且基于所述每个分组的行为概率，来预测目标用户进行所述用户行为的概率。更优选地，可以直接使用该目标用户所具有的每个多层标签对所对应的每个分组的行为概率的均值来作为用户进行相应用户行为的概率。由此，能够以极小的计算量实现对用户行为的准确预测，从而提升系统效率。根据本专利技术的另一个专利技术，还提供了一种信息推荐方法，该方法根据上述预测方法预测目标用户的用户行为，并根据所述预测的结果，向所述目标用户推荐信息。由此，能够经由准确的行为预测来提升信息推荐的点击率，从而提升用户的使用友好度。根据本专利技术的另一个方面，还提供了一种用户行为预测装置，包括：多层标签对生成单元，用于基于基准用户群中各个用户的n个原始标签为该用户生成多层标签对，其中，每个用户的多层标签对是该用户的所述n个原始标签集合的全部或部分非空子集，并且n是不小于2的整数；多层标签对分组生成单元，用于将所述基准用户群中的各个用户划分到该用户所具有的多层标签对中，以生成多层标签对分组；以及预测单元，用于基于目标用户所具有的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为。优选地，所述基准用户群是全体用户群或实验用户群，并且所述基准用户群包括所述目标用户或者不包括所述目标用户。优选地，所述多层标签对生成单元将所述n个原始标签的集合设为T，求取T自身的笛卡尔积T*T，去除标签自身与自身的标签对，以得到经求取的标签对，对所述经求取的标签对集合重复上述求取过程，直到没有新标签对产生为止，所述原始标签以及所有经求取的标签对即为所述用户的多层标签对。优选地，该预测装置还可以包括：统计单元，用于统计所述多层标签对在所述基准用户群中的出现次数或概率；滤除单元，用于滤除出现次数或概率小于阈值的多层标签对及其多层标签对分组，并且，所述预测单元基于目标用户所具有的经过滤的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为。优选地，所述预测单元求取所述每个分组的行为概率的平均概率作为所述目标用户进行所述用户行为的概率根据本专利技术的另一个方面，还提供了一种信息推荐装置，包括：上文述及的预测装置，用于预测目标用户的用户行为；以及信息推荐单元，用于根据所述预测的结果，向所述目标用户推荐信息。根据本专利技术的另一个方面，还提供了一种计算设备，包括：处理器；以及存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行上文述及的方法。根据本专利技术的另一个方面，还提供了一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行上文述及的方法。本专利技术的用户行为预测及相应信息推荐方法和装置，通过多层标签对的设置，将对应特征层层投射至目标用户，由此能够以相对简单且灵活的计算实现有效的用户行为预测。并且，通过多层标签对的恰当选取，还可以将推荐信息精准地投射到具有对应特征层的用户中。附图说明通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。图1是示出了根据本专利技术一实施例的用户行为预测方法的示意性流程图。图2是示出了根据本专利技术一实施例的用户行为预测装置的结构的示意性方框图。图3是示出了根据本专利技术一实施例的信息推荐装置的结构的示意性方框图。图4是示出了根据本专利技术一实施例的计算设备的结构的示意性方框图。具体实施方式下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。如
技术介绍
部分所述，在信息类应用，例如新闻类、内容聚合类APP中，经常需要根据用户的行为属性信息对用户进行个性化推荐，以向用户推荐符合其浏览行为的信息，提高用户的满意度。而目前在利用协同过滤、矩阵分解、LR排序等算法实现个性化推荐时，一是实现过程较为繁琐，需要耗费大量的时间和机器资源，二是实现过程需要使用大量的用户行为数据，在数据不足的情况下无法进行预测，或者预测得到的推荐信息不准确。有鉴于此，本专利技术提出，在利用大规模用户的用户行为本文档来自技高网...

【技术保护点】
一种用户行为预测方法，包括：基于基准用户群中各个用户的n个原始标签为该用户生成多层标签对，其中，每个用户的多层标签对是该用户的所述n个原始标签集合的全部或部分非空子集，并且n是不小于2的整数；将所述基准用户群中的各个用户划分到该用户所具有的多层标签对中，以生成多层标签对分组；以及基于目标用户所具有的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为。

【技术特征摘要】
1.一种用户行为预测方法，包括：基于基准用户群中各个用户的n个原始标签为该用户生成多层标签对，其中，每个用户的多层标签对是该用户的所述n个原始标签集合的全部或部分非空子集，并且n是不小于2的整数；将所述基准用户群中的各个用户划分到该用户所具有的多层标签对中，以生成多层标签对分组；以及基于目标用户所具有的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为。2.如权利要求1所述的方法，其中，所述基准用户群是全体用户群或实验用户群，并且所述基准用户群包括所述目标用户或者不包括所述目标用户。3.如权利要求1所述的方法，其中，所述原始标签的得出基于如下的一项或多项：用户的注册信息；用户的在前行为；以及用户的终端信息。4.如权利要求1所述的方法，其中，所述基于基准用户群中各个用户的n个原始标签为该用户生成多层标签对包括：将所述n个原始标签的集合设为T，求取T自身的笛卡尔积T*T，去除标签自身与自身的标签对，以得到经求取的标签对；对所述经求取的标签对集合重复上述求取过程，直到没有新标签对产生为止；将所述原始标签以及所有经求取的标签对作为所述用户的多层标签对。5.如权利要求1所述的方法，还包括：统计所述多层标签对在所述基准用户群中的出现次数或概率；滤除出现次数或概率小于阈值的多层标签对及其多层标签对分组，并且所述基于目标用户所具有的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为包括：基于目标用户所具有的经过滤的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为。6.如权利要求1所述的方法，其中，所述基于目标用户所具有的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为包括：求取所对应的多层标签对分组中的每个分组中的所述用户行为出现的行为概率；基于所述每个分组的行为概率，预测所述目标用户进行所述用户行为的概率。7.如权利要求6所述的方法，其中，基于所述每个分组的行为概率，预测所述目标用户进行所述用户行为的行为概率包括：求取所述每个分组的行为概率的平均概率作为所述目标用户进行所述用户行为的概率。8.一种信息推荐方法，包括：根据如权利要求1-7中任一项所述的方法预测目标用户的用户行为...

【专利技术属性】
技术研发人员：潘岸腾，
申请(专利权)人：广州优视网络科技有限公司，
类型：发明
国别省市：广东,44