用户行为特征实时处理方法、装置、存储介质及电子设备制造方法及图纸

本公开实施例公开了一种用户行为特征实时处理方法和装置，其中，该方法包括：接收表征用户的实时行为的实时用户行为数据；基于实时用户行为数据，对当前的时间滑动窗口对应的历史用户特征数据进行更新；将历史用户特征数据输入预先训练的用户需求预测模型，得到预测用户需求数据。本公开实施例可以实现在线实时地预测用户需求，使用户的行为变化可以及时准确反映在实时用户行为数据中，降低预测用户需求和实际用户需求的误差，有助于为平台运营提供数据支持，同时为搜索推荐等场景提供及时的优化目标和实时的策略评估。

【技术实现步骤摘要】
用户行为特征实时处理方法、装置、存储介质及电子设备
本公开涉及计算机
，尤其是一种用户行为特征实时处理方法、装置、计算机可读存储介质及电子设备。
技术介绍
为了预测各个用户的行为对平台价值产生的影响，目前常用的方法是在离线的状态下提取用户过去一段时间的特征数据，利用这些特征数据进行平台价值预测。但在离线数据导入的时间段内，平台上产生的数据会有大幅度的波动，直接影响企业决策，所以需要实时统计用户在多端(APP、PC和M站等)发生的多种行为数据，根据统计的行为数据计算出用户实时特征，同时可以横向统计在某个行为下所有用户的实时特征。能够在用户行为发生微小变化时，实时捕捉到用户行为变化，从而为平台运营提供精准的数据支持，同时为搜索推荐等场景提供及时的优化目标和实时的策略评估。
技术实现思路
本公开的实施例提供了一种用户行为特征实时处理方法、装置、计算机可读存储介质及电子设备。本公开的实施例提供了一种用户行为特征实时处理方法，该方法包括：接收表征用户的实时行为的实时用户行为数据；基于实时用户行为数据，对当前的时间滑动窗口对应的历史用户特征数据进行更新，其中，时间滑动窗口对应于第一预设时长的历史时间段，历史用户特征数据是在对历史时间段内接收的用户行为数据进行统计得到的；将历史用户特征数据输入预先训练的用户需求预测模型，得到预测用户需求数据。在一些实施例中，历史用户特征数据包括第一历史用户特征数据和第二用户历史特征数据，其中，第一用户历史特征数据是目标历史时间点之前统计的数据，第二用户历史特征数据是目标历史时间点之后统计的数据；相应的，将历史用户特征数据输入预先训练的用户需求预测模型，得到预测用户需求数据，包括：在目标历史时间点将第一用户历史特征数据输入用户需求预测模型，得到第一预测用户需求数据，以及响应于接收到实时用户行为数据，实时地将第二用户历史特征数据输入用户需求预测模型，得到第二预测用户需求数据。在一些实施例中，基于实时用户行为数据，对当前的时间滑动窗口对应的历史用户特征数据进行更新，包括：响应于从预设的延迟队列中接收到过期用户行为数据，将历史用户特征数据中的与过期用户行为数据相对应的数据删除。在一些实施例中，用户需求预测模型包括预测子模型和计算子模型；将历史用户特征数据输入预先训练的用户需求预测模型，得到预测用户需求数据，包括：将历史用户特征数据输入预测子模型，得到每个用户在未来的第二预设时长内发生预设类型的行为的概率；将概率输入计算子模型，得到预测用户需求数据。在一些实施例中，在接收表征用户的实时行为的实时用户行为数据之后，该方法还包括：从实时用户行为数据中确定非有效用户行为数据并将非有效用户行为数据清除；对清除后剩余的实时用户行为数据进行用户标识归一化处理，得到用于计入时间滑动窗口的实时用户行为数据。在一些实施例中，用户需求预测模型预先基于如下步骤训练得到：获取训练样本集合，其中，训练样本集合中的训练样本包括样本用户特征数据，以及对样本特征数据进行标注的实际用户需求数据；将训练样本集合中的训练样本包括的样本用户特征数据作为输入，将与输入的样本用户特征数据对应的实际用户需求数据作为期望输出，训练得到用户需求预测模型。在一些实施例中，将历史用户特征数据输入预先训练的用户需求预测模型，得到预测用户需求数据，包括：确定历史用户特征数据对应的业务线；从预设的至少一个用户需求预测模型中，选择与业务线对应的用户需求预测模型；将历史用户特征数据输入选择的用户需求预测模型，得到预测用户需求数据。在一些实施例中，该方法还包括：将预测用户需求数据进行可视化输出。根据本公开实施例的另一个方面，提供了一种用户行为特征实时处理装置，该装置包括：接收模块，用于接收表征用户的实时行为的实时用户行为数据；更新模块，用于基于实时用户行为数据，对当前的时间滑动窗口对应的历史用户特征数据进行更新，其中，时间滑动窗口对应于第一预设时长的历史时间段，历史用户特征数据是在对历史时间段内接收的用户行为数据进行统计得到的；预测模块，用于将历史用户特征数据输入预先训练的用户需求预测模型，得到预测用户需求数据。在一些实施例中，历史用户特征数据包括第一历史用户特征数据和第二用户历史特征数据，其中，第一用户历史特征数据是目标历史时间点之前统计的数据，第二用户历史特征数据是目标历史时间点之后统计的数据；相应的，预测模块包括：第一预测单元，用于在目标历史时间点将第一用户历史特征数据输入用户需求预测模型，得到第一预测用户需求数据；第二预测单元，用于响应于接收到实时用户行为数据，实时地将第二用户历史特征数据输入用户需求预测模型，得到第二预测用户需求数据。在一些实施例中，更新模块进一步用于：响应于从预设的延迟队列中接收到过期用户行为数据，将历史用户特征数据中的与过期用户行为数据相对应的数据删除。在一些实施例中，用户需求预测模型包括预测子模型和计算子模型；预测模块进一步用于：将历史用户特征数据输入预测子模型，得到每个用户在未来的第二预设时长内发生预设类型的行为的概率；将概率输入计算子模型，得到预测用户需求数据。在一些实施例中，该装置还包括：数据清除模块，用于从实时用户行为数据中确定非有效用户行为数据并将非有效用户行为数据清除；归一化模块，用于对清除后剩余的实时用户行为数据进行用户标识归一化处理，得到用于计入时间滑动窗口的实时用户行为数据。在一些实施例中，用户需求预测模型预先基于如下步骤训练得到：获取训练样本集合，其中，训练样本集合中的训练样本包括样本用户特征数据，以及对样本特征数据进行标注的实际用户需求数据；将训练样本集合中的训练样本包括的样本用户特征数据作为输入，将与输入的样本用户特征数据对应的实际用户需求数据作为期望输出，训练得到用户需求预测模型。在一些实施例中，预测模块包括：确定单元，用于确定历史用户特征数据对应的业务线；选择单元，用于从预设的至少一个用户需求预测模型中，选择与业务线对应的用户需求预测模型；第三预测单元，用于将历史用户特征数据输入选择的用户需求预测模型，得到预测用户需求数据。在一些实施例中，该装置还包括：可视化模块，用于将预测用户需求数据进行可视化输出。根据本公开实施例的另一个方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序用于执行上述用户行为特征实时处理方法。根据本公开实施例的另一个方面，提供了一种电子设备，电子设备包括：处理器；用于存储处理器可执行指令的存储器；处理器，用于从存储器中读取可执行指令，并执行指令以实现上述用户行为特征实时处理方法。基于本公开上述实施例提供的用户行为特征实时处理方法、装置、计算机可读存储介质及电子设备，通过采用时间滑动窗口的方式，实时更新用于预测平台价值的用户特征数据，再将时间滑动窗口对应的历史用户特征数据输入预先训练的用户需求预测模型，得到预测用户需求数据，从而可以实现在线实时地预测用户需求，使用户的行为变化可以及时准确反映在实时用户行为数据中，降低预测本文档来自技高网...

【技术保护点】
1.一种用户行为特征实时处理方法，包括：/n接收表征用户的实时行为的实时用户行为数据；/n基于所述实时用户行为数据，对当前的时间滑动窗口对应的历史用户特征数据进行更新，其中，所述时间滑动窗口对应于第一预设时长的历史时间段，所述历史用户特征数据是在对所述历史时间段内接收的用户行为数据进行统计得到的；/n将所述历史用户特征数据输入预先训练的用户需求预测模型，得到预测用户需求数据。/n

【技术特征摘要】
1.一种用户行为特征实时处理方法，包括：
接收表征用户的实时行为的实时用户行为数据；
基于所述实时用户行为数据，对当前的时间滑动窗口对应的历史用户特征数据进行更新，其中，所述时间滑动窗口对应于第一预设时长的历史时间段，所述历史用户特征数据是在对所述历史时间段内接收的用户行为数据进行统计得到的；
将所述历史用户特征数据输入预先训练的用户需求预测模型，得到预测用户需求数据。


2.根据权利要求1所述的方法，其中，所述历史用户特征数据包括第一历史用户特征数据和第二用户历史特征数据，其中，所述第一用户历史特征数据是目标历史时间点之前统计的数据，所述第二用户历史特征数据是所述目标历史时间点之后统计的数据；
相应的，所述将所述历史用户特征数据输入预先训练的用户需求预测模型，得到预测用户需求数据，包括：
在所述目标历史时间点将所述第一用户历史特征数据输入所述用户需求预测模型，得到第一预测用户需求数据，以及响应于接收到所述实时用户行为数据，实时地将所述第二用户历史特征数据输入所述用户需求预测模型，得到第二预测用户需求数据。


3.根据权利要求1所述的方法，其中，所述基于所述实时用户行为数据，对当前的时间滑动窗口对应的历史用户特征数据进行更新，包括：
响应于从预设的延迟队列中接收到过期用户行为数据，将所述历史用户特征数据中的与所述过期用户行为数据相对应的数据删除。


4.根据权利要求1所述的方法，其中，所述用户需求预测模型包括预测子模型和计算子模型；
所述将所述历史用户特征数据输入预先训练的用户需求预测模型，得到预测用户需求数据，包括：
将所述历史用户特征数据输入所述预测子模型，得到每个用户在未来的第二预设时长内发生预设类型的行为的概率；
将所述概率输入所述计算子模型，得到预测用户需求数据。


5.根据权利要求1所述的方法，其中，在所述接收表征用户的实时行为的实时用户行为数据之后，所述方法还包括：
从所述实时用户行为数...

【专利技术属性】
技术研发人员：温勇涛，倪鹏，张京一，郭凯，
申请(专利权)人：贝壳技术有限公司，
类型：发明
国别省市：天津;12