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