基于知识图谱的用户操作行为预测方法及装置制造方法及图纸

本发明专利技术提供了一种基于知识图谱的用户操作行为预测方法及装置，该方法包括：获取目标用户的历史操作行为涉及的多个APP功能实体；基于用户操作行为知识图谱，预测在历史操作行为涉及的多个APP功能实体的条件下，多个下一APP功能实体及对应的条件概率，用户操作行为知识图谱的实体包括用户实体和APP功能实体；根据多个下一APP功能实体及对应的条件概率，以及目标用户和用户操作行为知识图谱中出现所述历史操作行为的每个用户的关系，预测目标用户的多个下一APP功能实体及对应的概率；从目标用户的多个下一APP功能实体中，确定概率最大的下一APP功能实体为目标用户的下一APP功能实体。本发明专利技术可以准确预测用户操作行为。

【技术实现步骤摘要】
基于知识图谱的用户操作行为预测方法及装置
本专利技术涉及大数据
，尤其涉及一种基于知识图谱的用户操作行为预测方法及装置。
技术介绍
用户登录APP(例如手机银行APP)后，每个用户点击手机屏幕的点各不相同，对应的功能也都各不相同。用户登录APP后，其操作行为由其功能导向决定。一定程度上，取决于APP的用户体验，复杂的APP导致用户对于相同的功能点击数量较多，寻找相关功能过程比较复杂；用户对于单一功能的寻找，也是沿着APP自定义的路径进行寻找。传统的方式，仅仅根据用户体验师去确定APP各项功能的路径确定，对于用户APP操作下一步路径预测更是无法解决。
技术实现思路
本专利技术实施例提出一种基于知识图谱的用户操作行为预测方法，用以准确预测用户操作行为，该方法包括：获取目标用户的历史操作行为涉及的多个APP功能实体；基于用户操作行为知识图谱，预测在所述历史操作行为涉及的多个APP功能实体的条件下，多个下一APP功能实体及对应的条件概率，所述用户操作行为知识图谱的实体包括用户实体和APP功能实体；根据多个下一APP功能实体及对应的条件概率，以及目标用户和用户操作行为知识图谱中出现所述历史操作行为的每个用户的关系，预测目标用户的多个下一APP功能实体及对应的概率；从目标用户的多个下一APP功能实体中，确定概率最大的下一APP功能实体为目标用户的下一APP功能实体。本专利技术实施例提出一种基于知识图谱的用户操作行为预测装置，用以准确预测用户操作行为，该装置包括：数据获取模块，用于获取目标用户的历史操作行为涉及的多个APP功能实体；第一预测模块，用于基于用户操作行为知识图谱，预测在所述历史操作行为涉及的多个APP功能实体的条件下，多个下一APP功能实体及对应的条件概率，所述用户操作行为知识图谱的实体包括用户实体和APP功能实体；第二预测模块，用于根据多个下一APP功能实体及对应的条件概率，以及目标用户和用户操作行为知识图谱中出现所述历史操作行为的每个用户的关系，预测目标用户的多个下一APP功能实体及对应的概率；确定模块，用于从目标用户的多个下一APP功能实体中，确定概率最大的下一APP功能实体为目标用户的下一APP功能实体。本专利技术实施例还提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于知识图谱的用户操作行为预测方法。本专利技术实施例还提出了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述基于知识图谱的用户操作行为预测方法的计算机程序。在本专利技术实施例中，获取目标用户的历史操作行为涉及的多个APP功能实体；基于用户操作行为知识图谱，预测在所述历史操作行为涉及的多个APP功能实体的条件下，多个下一APP功能实体及对应的条件概率，所述用户操作行为知识图谱的实体包括用户实体和APP功能实体；根据多个下一APP功能实体及对应的条件概率，以及目标用户和用户操作行为知识图谱中出现所述历史操作行为的每个用户的关系，预测目标用户的多个下一APP功能实体及对应的概率；从目标用户的多个下一APP功能实体中，确定概率最大的下一APP功能实体为目标用户的下一APP功能实体。在上述实施例中，基于用户操作行为知识图谱，可以实现预测目标用户的多个下一APP功能实体及对应的概率，并确定概率最大的下一APP功能实体为目标用户的下一APP功能实体，准确度高。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本专利技术实施例中基于知识图谱的用户操作行为预测方法的流程图；图2为本专利技术实施例中基于知识图谱的用户操作行为预测方法的详细流程图；图3为本专利技术实施例基于知识图谱的用户操作行为预测装置的示意图；图4为本专利技术实施例中第一预测模块的示意图；图5为本专利技术实施例中第二预测模块的示意图；图6为本专利技术实施例中计算机设备的示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。图1为本专利技术实施例中基于知识图谱的用户操作行为预测方法的流程图，如图1所示，该方法包括：步骤101，获取目标用户的历史操作行为涉及的多个APP功能实体；步骤102，基于用户操作行为知识图谱，预测在所述历史操作行为涉及的多个APP功能实体的条件下，多个下一APP功能实体及对应的条件概率，所述用户操作行为知识图谱的实体包括用户实体和APP功能实体；步骤103，根据多个下一APP功能实体及对应的条件概率，以及目标用户和用户操作行为知识图谱中出现所述历史操作行为的每个用户的关系，预测目标用户的多个下一APP功能实体及对应的概率；步骤104，从目标用户的多个下一APP功能实体中，确定概率最大的下一APP功能实体为目标用户的下一APP功能实体。在本专利技术实施例中，基于用户操作行为知识图谱，可以实现预测目标用户的多个下一APP功能实体及对应的概率，并确定概率最大的下一APP功能实体为目标用户的下一APP功能实体，准确度高。具体实施时，APP应用场景包括多种，例如手机银行APP，当然，也可以包括其他各类手机或其他终端上应用的APP，相关变化例均应落入本专利技术的保护范围。以手机银行APP为例，APP功能实体包括搜索、客服、扫码支付、收付款、余额理财、存款管理、基金等。其中，用户实体的实体属性包括用户姓名、性别、年龄、资产、电子银行客户号、国籍、民族、出生日期、手机号和操作时长中的至少一种；APP功能实体的实体属性包括功能名称、功能使用量、功能关联度和停留时长中的至少一种。实体关系是基于用户在APP应用场景下的操作行为确定的，实体关系值用户实体与功能实体、功能实体与功能实体、功能实体之间的关系。实体关系包括用户在APP应用场景的唯一标识。唯一标识可以保证每个用户在每个APP应用场景的数据方便查找。实体关系采用如下表示：<实体，操本文档来自技高网...

【技术保护点】
1.一种基于知识图谱的用户操作行为预测方法，其特征在于，包括：/n获取目标用户的历史操作行为涉及的多个APP功能实体；/n基于用户操作行为知识图谱，预测在所述历史操作行为涉及的多个APP功能实体的条件下，多个下一APP功能实体及对应的条件概率，所述用户操作行为知识图谱的实体包括用户实体和APP功能实体；/n根据多个下一APP功能实体及对应的条件概率，以及目标用户和用户操作行为知识图谱中出现所述历史操作行为的每个用户的关系，预测目标用户的多个下一APP功能实体及对应的概率；/n从目标用户的多个下一APP功能实体中，确定概率最大的下一APP功能实体为目标用户的下一APP功能实体。/n

【技术特征摘要】
1.一种基于知识图谱的用户操作行为预测方法，其特征在于，包括：
获取目标用户的历史操作行为涉及的多个APP功能实体；
基于用户操作行为知识图谱，预测在所述历史操作行为涉及的多个APP功能实体的条件下，多个下一APP功能实体及对应的条件概率，所述用户操作行为知识图谱的实体包括用户实体和APP功能实体；
根据多个下一APP功能实体及对应的条件概率，以及目标用户和用户操作行为知识图谱中出现所述历史操作行为的每个用户的关系，预测目标用户的多个下一APP功能实体及对应的概率；
从目标用户的多个下一APP功能实体中，确定概率最大的下一APP功能实体为目标用户的下一APP功能实体。


2.如权利要求1所述的基于知识图谱的用户操作行为预测方法，其特征在于，基于用户操作行为知识图谱，预测在所述历史操作行为涉及的多个APP功能实体的条件下，多个下一APP功能实体及对应的条件概率，包括：
基于用户操作行为知识图谱，获得出现所述历史操作行为涉及多个APP功能实体的第一概率；
基于用户操作行为知识图谱，获得出现所述历史操作行为涉及多个APP功能实体的多个下一APP功能实体及对应的第二概率；
根据所述第一概率和多个第二概率，确定在所述历史操作行为涉及的多个APP功能实体的条件下，多个下一APP功能实体及对应的条件概率。


3.如权利要求2所述的基于知识图谱的用户操作行为预测方法，其特征在于，采用如下公式，根据所述第一概率和多个第二概率，确定在所述历史操作行为涉及的多个APP功能实体的条件下，多个下一APP功能实体及对应的条件概率：
P(An,j|A1,A2...An-1)＝P(A1,A2...An,j)/P(A1,A2...An-1)
其中，An,j为第j个下一APP功能实体，A1,A2...An-1为所述历史操作行为涉及多个APP功能实体；
P(An,j|A1,A2...An-1)为第j个下一APP功能实体对应的条件概率；
P(A1,A2...An-1)为第一概率；
P(A1,A2...An,j)为第j个第二概率。


4.如权利要求1所述的基于知识图谱的用户操作行为预测方法，其特征在于，根据多个下一APP功能实体及对应的条件概率，以及目标用户和用户操作行为知识图谱中出现所述历史操作行为的每个用户的关系，预测目标用户的多个下一APP功能实体及对应的概率，包括：
基于目标用户和用户操作行为知识图谱中出现所述历史操作行为的每个用户的关系，确定用户操作行为知识图谱中出现所述历史操作行为的每个用户的权值；
计算目标用户和用户操作行为知识图谱中出现所述历史操作行为的每个用户的余弦相似度；
根据多个下一APP功能实体及对应的条件概率、用户操作行为知识图谱中出现所述历史操作行为的每个用户的权值、目标用户和用户操作行为知识图谱中出现所述历史操作行为的每个用户的余弦相似度，预测目标用户的多个下一APP功能实体及对应的概率。


5.如权利要求4所述的基于知识图谱的用户操作行为预测方法，其特征在于，采用如下公式，根据多个下一APP功能实体及对应的条件概率、用户操作行为知识图谱中出现所述历史操作行为的每个用户的权值、目标用户和用户操作行为知识图谱中出现所述历史操作行为的每个用户的余弦相似度，预测目标用户的多个下一APP功能实体及对应的概率：



其中，P(An,j)为第j个APP功能实体对应的概率；
P(An,j|A1,A2...An-1)为第j个下一APP功能实体对应的条件概率；
wi为用户操作行为知识图谱中出现所述历史操作行为的第i个用户的权值；
cos(U,Ui)为目标用户U和用户操作行为知识图谱中出现所述历史操作行为的第i个用户Ui的余弦相似度；
a和b为系数。


6.一种基于知识图谱的用户操作行为预测装置，其特征在于，包括：
数据获取模块，用于获取目标用户的历史操作行为涉及的多个APP功能实体；
...

【专利技术属性】
技术研发人员：丁平，刘新兰，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：北京;11