用户行为预测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种用户行为预测方法、装置、电子设备及存储介质，涉及金融技术领域，其中，该方法包括：通过用户终端获取用户在预定时间内的用户行为信息；根据所述用户行为信息和用户属性信息生成序列数据；将所述序列数据输入至已训练的协同学习生成对抗网络中，以输出用户未来行为信息，其中，所述协同学习生成对抗网络包括：生成器和判别器，其中，生成器用于输出用户未来行为信息，所述判别器基于所述生成器的输出信息对所述生成器中的参数进行更新；根据所述用户未来行为信息在所述用户终端显示相应的信息，以便于用户选择。通过本发明专利技术，可以提高用户的体验感。可以提高用户的体验感。可以提高用户的体验感。

【技术实现步骤摘要】
用户行为预测方法、装置、电子设备及存储介质


[0001]本专利技术涉及金融
，具体涉及一种用户行为预测方法、装置、电子设备及存储介质。

技术介绍

[0002]推荐系统旨在捕捉用户在复杂行为中的偏好特征，准确实现个性化推荐。在提升用户体验的同时，可以有效缓解信息过载，让长尾资源得到很好的暴露。由于时间因素，用户的兴趣和偏好在不断变化。因此，序列推荐可以有效捕捉感兴趣的时间序列，并用它来预测下一时刻的用户偏好，使推荐效果更符合用户的行为习惯。
[0003]序列推荐的目标是利用用户的历史行为序列来预测未来的用户兴趣。在目前的序列推荐网络结构中，采用了用户的向量嵌入和物品序列信息的向量嵌入的分离学习方式，这无法很好地挖掘用户和物品的交互特征，也无法较好地在预测序列中体现层次关系，从而无法准确预测用户的行为习惯，这降低了用户的体验感。

技术实现思路

[0004]有鉴于此，本专利技术提供一种用户行为预测方法、装置、电子设备及存储介质，以解决上述提及的至少一个问题。
[0005]根据本专利技术的第一方面，提供一种用户行为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户行为预测方法，其特征在于，所述方法包括：通过用户终端获取用户在预定时间内的用户行为信息；根据所述用户行为信息和用户属性信息生成序列数据；将所述序列数据输入至已训练的协同学习生成对抗网络中，以输出用户未来行为信息，其中，所述协同学习生成对抗网络包括：生成器和判别器，其中，生成器用于输出用户未来行为信息，所述判别器基于所述生成器的输出信息对所述生成器中的参数进行更新；根据所述用户未来行为信息在所述用户终端显示相应的信息，以便于用户选择。2.根据权利要求1所述的方法，其特征在于，根据所述用户行为信息和用户属性信息生成序列数据包括：基于预定规则将所述用户行为信息转换为多维序列数据、将所述用户属性信息转换为特征序列数据；将所述多维序列数据和所述特征序列数据进行拼接处理，生成所述序列数据。3.根据权利要求1所述的方法，其特征在于，通过如下方式训练所述协同学习生成对抗网络：获取用户历史信息并基于所述用户历史信息生成历史序列数据，所述用户历史信息包括：用户实际N+1次历史行为信息，其中，N为大于等于1的正整数；将用户实际N次历史行为信息的历史序列数据输入至生成器，以输出第N+1次的行为信息；将输出的第N+1次的行为信息与用户实际第N+1次历史行为信息输入至所述判别器，所述判别器基于输入的两个行为信息来调节所述生成器的参数，直到输入的第N+1次的行为信息与所述用户实际第N+1次历史行为信息之间的差异小于预定阈值，以此训练所述协同学习生成对抗网络。4.根据权利要求1所述的方法，其特征在于，根据所述用户未来行为信息在所述用户终端显示相应的信息，以便于用户选择之后，所述方法还包括：通过所述用户终端获取用户的选择信息；将所述用户未来行为信息和所述用户的选择信息输入至所述判别器，以使所述判别器基于所述用户未来行为信息和所述用户的选择信息来更新所述生成器的参数。5.一种用户行为预测装置，其特征在于，所述装置包括：用户行为信息获取单元，用于通过用户终端获取用户在预定时间内的用户行为信息；序列数据生成单元，用于根据所述用户行为信息和用户属性信息生成序列数据；未来行为信息生成单元，用于将所述序列数据输入至已...

【专利技术属性】
技术研发人员：马晓楠，李六旬，权爱荣，王雅楠，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：