数据处理、针对目标对象的行为推荐方法、装置及设备制造方法及图纸

本说明书实施例公开了一种数据处理、针对目标对象的行为推荐方法、装置及设备，其基本思想是，获取不同用户标识对目标对象的历史行为数据，所述历史行为数据反映所述目标对象的属性在期待时间段的预期变化数据；采集所述属性在所述期待时间段的实际变化数据；根据所述属性的所述预期变化数据与所述实际变化数据之间的匹配度，构建所述用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度，以便根据所述相关度，利用所述不同用户标识对所述目标对象的行为数据，预测所述目标对象的所述属性在未来指定时间段的预期变化数据。

【技术实现步骤摘要】
数据处理、针对目标对象的行为推荐方法、装置及设备
本说明书实施例涉及计算机
，尤其涉及一种数据处理、针对目标对象的行为推荐方法、装置及设备。
技术介绍
在一些场景下，目标对象的属性在未来一段时间内的预期变化，会诱使用户针对该目标对象作出相应行为，以期获得与所述属性的预期变化相匹配的利益或避免与所述属性的预期变化相匹配的损失。因此，如何更准确地预测目标对象的所述属性的预期变化数据，为业界面临的一个课题。
技术实现思路
有鉴于此，本说明书实施例提供了一种提升目标对象的属性变化的预测精确度的数据处理、针对目标对象的行为推荐方法、装置及设备。本说明书实施例采用下述技术方案：本说明书实施例提供一种数据处理方法，包括：获取不同用户标识对目标对象的历史行为数据，所述历史行为数据反映所述目标对象的属性在期待时间段的预期变化数据；采集所述属性在所述期待时间段的实际变化数据；根据所述属性的所述预期变化数据与所述实际变化数据之间的匹配度，构建所述用户标识对所述目标对象的行为数据与所述属性的预期变化数据本文档来自技高网...

【技术保护点】
1.一种数据处理方法，包括：/n获取不同用户标识对目标对象的历史行为数据，所述历史行为数据反映所述目标对象的属性在期待时间段的预期变化数据；/n采集所述属性在所述期待时间段的实际变化数据；/n根据所述属性的所述预期变化数据与所述实际变化数据之间的匹配度，构建所述用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度，以便根据所述相关度，利用所述不同用户标识对所述目标对象的行为数据，预测所述目标对象的所述属性在未来指定时间段的预期变化数据。/n

【技术特征摘要】
1.一种数据处理方法，包括：
获取不同用户标识对目标对象的历史行为数据，所述历史行为数据反映所述目标对象的属性在期待时间段的预期变化数据；
采集所述属性在所述期待时间段的实际变化数据；
根据所述属性的所述预期变化数据与所述实际变化数据之间的匹配度，构建所述用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度，以便根据所述相关度，利用所述不同用户标识对所述目标对象的行为数据，预测所述目标对象的所述属性在未来指定时间段的预期变化数据。


2.如权利要求1所述的方法，构建所述用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度，包括：
根据所述属性的所述预期变化数据与所述实际变化数据之间的匹配度，从所述不同用户标识中提取所述匹配度达到预设值的相关用户标识；
构建所述相关用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度。


3.如权利要求2所述的方法，构建所述相关用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度，包括：
从各所述相关用户标识中提取所述历史行为数据的重叠度不超过预设重叠度的指定用户标识；
构建所述指定用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度。


4.如权利要求3所述的方法，从各所述相关用户标识中提取所述历史行为数据的重叠度不超过预设重叠度的指定用户标识，包括：
若至少两个所述相关用户标识的历史行为数据的重叠度超过预设重叠度，则对所述至少两个相关用户标识，根据行为时间在前的相关用户标识确定所述指定用户标识。


5.一种数据处理方法，包括：
获取不同用户标识对目标对象的历史行为数据，所述历史行为数据反映所述目标对象的属性在期待时间段的预期变化数据；
采集所述属性在所述期待时间段的实际变化数据；
利用所述历史行为数据和所述实际变化数据训练所述目标对象的属性预测模型，以根据所述预测变化数据与所述实际变化数据之间的匹配度，在所述属性预测模型中构建所述用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度，以便利用所述属性预测模型根据所述不同用户标识对所述目标对象的行为数据，预测所述目标对象的所述属性在未来指定时间段的预期变化数据。


6.如权利要求5所述的方法，利用所述历史行为数据和所述实际变化数据训练所述目标对象的属性预测模型，包括：
利用所述属性预测模型中的L1正则项，从所述不同用户标识中提取所述匹配度达到预设值的相关用户标识；
在所述属性预测模型中构建所述相关用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度。


7.如权利要求6所述的方法，在所述属性预测模型中构建所述相关用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度，包括：
利用所述属性预测模型中的正交正则项，从各所述相关用户标识中识别出所述历史行为数据的重叠度不超过预设重叠度的指定用户标识；
在所述属性预测模型中构建所述指定用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度。


8.一种数据处理方法，包括：
获取不同用户标识对目标对象的历史买卖数据，所述历史买卖数据反映所述目标对象的买卖指标在期待时间段的预期变化数据；
采集所述买卖指标在所述期待时间段的实际变化数据；
根据所述买卖指标的所述预期变化数据与所述实际变化数据之间的匹配度，构建所述用户标识对所述目标对象的买卖数据与所述买卖指标的预期变化数据之间的相关度，以便根据所述相关度，利用所述不同用户标识对所述目标对象的买卖数据，预测所述目标对象的所述买卖指标在未来指定时间段的预期变化数据。


9.一种针对目标对象的行为推荐方法，包括：
获取不同用户标识对所述目标对象的行为数据；
根据所述用户标识对所述目标对象的行为数据与所述目标对象的属性的预期变化数据之间的相关度，预测所述目标对象的所述属性在未来指定时间段的预期变化数据，所述相关度是根据所述不同用户标识对所述目标对象的历史行为数据所反映的所述属性的预测变化数据，与所述属性的实际变化数据之间的匹配度而构建的；
根据所述目标对象的所述属性在未来指定时间段的预期变化数据确定针对所述目标对象的行为推荐策略。


10.一种针对目标对象的行为推荐方法，包括：
获取不同用户标识对所述目标对象的行为数据；
利用所述目标对象的属性预测模型对所述行为数据进行处理，得到所述目标对象的所述属性在未来指定时间段的预测变化数据，所述属性预测模型是利用所述不同用户标识对所述目标对象的历史行为数据和所述属性的实际变化数据进行训练，以根据所述预测变化数据与所述实际变化数据之间的匹配度，在所述属性预测模型中构建所述用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度，而得到的；
根据所述目标对象的所述属性在未来指定时间段的预期变化数据确定针对所述目标对象的行为推荐策略。


11.一种针对目标对象的行为推荐方法，包括：
获取不同用户标识对所述目标对象的买卖数据；
根据所述用户标识对所述目标对象的买卖数据与所述目标对象的买卖指标的预期变化数据之间的相关度，预测所述目标对象的所述买卖指标在未来指定时间段的预期变化数据，所述相关度是根据所述不同用户标识对所述目标对象的历史买卖数据所反映的所述买卖指标的预期变化数据，与所述买卖指标的实际变化数据之间的匹配度而构建的；
根据所述目标对象的所述买卖指标在未来指定时间段的预期变化数据确定针对所述目标对象的买卖推荐策略。


12.一种数据处理装置，包括：
获取模块，获取不同用户标识对目标对象的历史行为数据，所述历史行为数据反映所述目标对象的属性在期待时间段的预期变化数据；
采集模块，采集所述属性在所述期待时间段的实际变化数据；
构建模块，根据所述属性的所述预期变化数据与所述实际变化数据之间的匹配度，构建所述用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度，以便根据所述相关度，利用所述不同用户标识对所述目标对象的行为数据，预测所述目标对象的所述属性在未来指定时间段的预期变化数据。


13.如权利要求12所述的装置，构建所述用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度，包括：
根据所述属性的所述预期变化数据与所述实际变化数据之间的匹配度，从所述不同用户标识中提取所述匹配度达到预设值的相关用户标识；
构建所述相关用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度。


14.如权利要求13所述的装置，构建所述相关用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度，包括：
从各所述相关用户标识中提取所述历史行为数据的重叠度不超过预设重叠度的指定用户标识；
构建所述指定用户标识对所述目标对象的行为数据与所述属性的预期变化数据之间的相关度。


15.一种数据处理装置，包括：
获取模块，获取不同用户标识对目标对象的历史行为数据，所述历史行为数据反映所述目标对象的属性在期待时间段的预期变化数据；
采集模块，采集所述属性在所述期待时间段的实际变化数据；
训练模块，利用所述历史行为数据和所述实际变化数...

【专利技术属性】
技术研发人员：涂畅，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：浙江;33