一种基于行为分析的用户筛选方法技术

本申请提出一种基于行为分析的用户筛选方法，涉及信息技术领域，通过分别对敏感用户行为数据的多个敏感行为向量进行行为分析，得到对应各敏感行为向量的敏感行为类型；然后读取用于指示多个敏感行为向量中任意敏感行为向量组合概率的组合配置信息，并根据组合配置信息及各敏感行为类型，对多个敏感行为向量进行两两组合，得到该敏感用户行为数据的敏感行为组合信息；再根据各敏感行为类型，对多个敏感行为向量进行互斥分析，得到该敏感用户行为数据的互斥行为信息；以基于敏感行为组合信息及互斥行为信息筛选出针对该敏感用户行为数据的目标群体标签，以根据该目标群体标签筛选出目标用户对象；如此，能够提高筛选目标用户对象时的准确性。对象时的准确性。对象时的准确性。

【技术实现步骤摘要】
一种基于行为分析的用户筛选方法


[0001]本申请涉及信息
，具体而言，涉及一种基于行为分析的用户筛选方法。

技术介绍

[0002]利用大数据基于构建用户信息数据采集网络，并对采集的用户信息数据进行集中处理分析，然后基于分析结果优化相应的服务内容，可以有效的提高服务提供端的服务质量。
[0003]服务提供短在优化服务内容时，可以针对用户建议或者是用户投诉等一些敏感行为数据进行定向优化。然而，敏感行为数据中一般存在噪声数据，现有技术在筛选出对应的用户对象时，准确度往往不高。

技术实现思路

[0004]为了解决上述的至少一个技术问题，本申请采用的技术方案如下：
[0005]本申请提供一种基于行为分析的用户筛选方法，所述方法包括：
[0006]分别对敏感用户行为数据的多个敏感行为向量进行行为分析，得到对应各所述敏感行为向量的敏感行为类型；
[0007]读取用于指示所述多个敏感行为向量中任意两个敏感行为相互组合的组合概率的组合配置信息，并根据所述组合配置信息及各所述敏感行为类型，对所述多个敏感行为向量进行两两组合，得到所述敏感用户行为数据的敏感行为组合信息；
[0008]根据各所述敏感行为类型，对所述多个敏感行为向量进行互斥分析，得到所述敏感用户行为数据的互斥行为信息；
[0009]基于所述敏感行为组合信息及所述互斥行为信息，对所述敏感用户行为数据的用户群体标签进行筛选以筛选出针对所述敏感用户行为数据的目标群体标签，并根据目标群体标签筛选出目标用户对象。<br/>[0010]可选地，作为一种可能的实施方式，所述敏感行为向量包括连续域行为向量、离散域行为向量；
[0011]所述分别对敏感用户行为数据的多个敏感行为向量进行行为分析，得到对应各所述敏感行为向量的敏感行为类型，包括：
[0012]对所述敏感用户行为数据的连续域行为向量进行离散域特征提取，得到所述连续域行为向量的离散域向量信息；
[0013]对所述连续域行为向量的离散域向量信息进行行为分析，得到所述连续域行为向量的敏感行为类型；
[0014]对所述敏感用户行为数据的离散域行为向量进行行为分析，获得所述离散域行为向量的敏感行为类型；
[0015]将获得的所述连续域行为向量的敏感行为类型和所述离散域行为向量的敏感行为类型进行加权合并，确定为与各所述敏感行为向量相对应的敏感行为类型。
[0016]可选地，作为一种可能的实施方式，所述读取用于指示所述多个敏感行为向量中任意两个敏感行为相互组合的组合概率的组合配置信息，包括：
[0017]读取所述多个敏感行为向量中任意两个敏感行为相互组合的关联度参数和组合度参数；其中，所述关联度参数用于表征所述两个敏感行为相互组合的关联程度，所述组合度参数用于表征所述两个敏感行为相互组合的概率；
[0018]将所述多个敏感行为向量中任意两个敏感行为相互组合的关联度参数和组合度参数进行加权相乘，得到所述多个敏感行为向量中任意两个敏感行为相互组合的组合配置信息。
[0019]可选地，作为一种可能的实施方式，所述根据所述组合配置信息及各所述敏感行为类型，对所述多个敏感行为向量进行两两组合，得到所述敏感用户行为数据的敏感行为组合信息，包括：
[0020]根据所述敏感用户行为数据的名额敏感行为向量的类型，分别读取所述敏感用户行为数据的每个敏感行为向量的预设比例系数；
[0021]根据所述预设比例系数，将所述敏感用户行为数据的多个敏感行为向量进行加权求和，得到所述敏感用户行为数据的敏感行为程度指数；
[0022]将所述敏感用户行为数据的多个敏感行为向量的敏感行为类型进行叉乘计算，并根据计算结果获得所述敏感用户行为数据的敏感行为类型；
[0023]将所述多个敏感行为向量中任意两个敏感行为相互组合的组合配置信息与所述敏感行为向量中任意两个敏感行为相互组合的初始组合配置参数进行叉乘计算，生成所述多个敏感行为向量中任意两个敏感行为相互组合的初始组合向量；
[0024]将所述多个敏感行为向量中任意两个敏感行为相互组合的初始组合向量与所述敏感用户行为数据的敏感行为类型对应的向量进行叉乘计算，生产所述多个敏感行为向量中任意两个敏感行为相互组合的初始组合配置参数；
[0025]将所述多个敏感行为向量中任意两个敏感行为相互组合的初始组合配置参数中各向量参数进行加权求和，生成所述多个敏感行为向量中任意两个敏感行为相互组合的敏感行为组合信息；
[0026]将所述敏感用户行为数据的敏感行为程度指数与所述敏感用户行为数据的敏感行为组合信息进行组合，将组合得到的向量作为所述敏感用户行为数据的敏感行为组合信息。
[0027]可选地，作为一种可能的实施方式，所述根据各所述敏感行为类型，对所述多个敏感行为向量进行互斥分析，得到所述敏感用户行为数据的互斥行为信息，包括：
[0028]将所述敏感行为向量的敏感行为类型输入到预先训练完成的卷积神经网络进行处理，并获得所述卷积神经网络输出的各所述敏感行为向量对应的互斥行为关系；
[0029]在预先构建的关系图谱中对各所述敏感行为向量的互斥行为关系进行信息映射，得到所述敏感用户行为数据的互斥行为信息；其中，所述关系图谱中包含有互斥行为关系与相应的互斥行为信息的映射关系。
[0030]可选地，作为一种可能的实施方式，所述基于所述敏感行为组合信息及所述互斥行为信息，对所述敏感用户行为数据的用户群体标签进行筛选，以筛选出针对所述敏感用户行为数据的目标群体标签，包括：
[0031]根据所述敏感行为组合信息，对所述敏感用户行为数据的用户群体标签进行筛选，获得针对所述敏感用户行为数据的第一用户群体标签；
[0032]根据所述互斥行为信息，对所述敏感用户行为数据的用户群体标签进行筛选，以获得针对所述敏感用户行为数据的第二用户群体标签；
[0033]将所述第一用户群体标签与所述第二用户群体标签进行求交集处理，得到用于指示针对所述敏感用户行为数据的用户群体标签的目标群体标签。
[0034]可选地，作为一种可能的实施方式，所述方法应用于用户行为信息采集网络，所述用户行为信息采集网络包括行为信息管理设备和多个行为信息分析设备；
[0035]获得所述敏感用户行为数据的步骤，包括：
[0036]所述行为信息管理设备将用户行为数据库中具有同一个行为类型标签的至少一个用户行为数据包，确定为目标用户行为数据；
[0037]将每个所述目标用户行为数据上传至第一数据处理容器中，根据时间戳标签处理所述第一数据处理容器中的每个所述目标用户行为数据，得到目标用户行为分析结果；
[0038]若任一个所述目标用户行为分析结果中具有预设的敏感行为信息，则将每个所述目标用户行为数据对应的行为分析结果均更新为预设的敏感行为信息，根据每个所述目标用户行为数据对应的预设的敏感行为信息更新所述第一数据处理容器的容器参数，得到第二数据处理容器；
...

【技术保护点】

【技术特征摘要】
1.一种基于行为分析的用户筛选方法，其特征在于，所述方法包括：分别对敏感用户行为数据的多个敏感行为向量进行行为分析，得到对应各所述敏感行为向量的敏感行为类型；读取用于指示所述多个敏感行为向量中任意两个敏感行为相互组合的组合概率的组合配置信息，并根据所述组合配置信息及各所述敏感行为类型，对所述多个敏感行为向量进行两两组合，得到所述敏感用户行为数据的敏感行为组合信息；根据各所述敏感行为类型，对所述多个敏感行为向量进行互斥分析，得到所述敏感用户行为数据的互斥行为信息；基于所述敏感行为组合信息及所述互斥行为信息，对所述敏感用户行为数据的用户群体标签进行筛选以筛选出针对所述敏感用户行为数据的目标群体标签，并根据目标群体标签筛选出目标用户对象。2.如权利要求1所述的方法，其特征在于，所述敏感行为向量包括连续域行为向量、离散域行为向量；所述分别对敏感用户行为数据的多个敏感行为向量进行行为分析，得到对应各所述敏感行为向量的敏感行为类型，包括：对所述敏感用户行为数据的连续域行为向量进行离散域特征提取，得到所述连续域行为向量的离散域向量信息；对所述连续域行为向量的离散域向量信息进行行为分析，得到所述连续域行为向量的敏感行为类型；对所述敏感用户行为数据的离散域行为向量进行行为分析，获得所述离散域行为向量的敏感行为类型；将获得的所述连续域行为向量的敏感行为类型和所述离散域行为向量的敏感行为类型进行加权合并，确定为与各所述敏感行为向量相对应的敏感行为类型。3.如权利要求1所述的方法，其特征在于，所述读取用于指示所述多个敏感行为向量中任意两个敏感行为相互组合的组合概率的组合配置信息，包括：读取所述多个敏感行为向量中任意两个敏感行为相互组合的关联度参数和组合度参数；其中，所述关联度参数用于表征所述两个敏感行为相互组合的关联程度，所述组合度参数用于表征所述两个敏感行为相互组合的概率；将所述多个敏感行为向量中任意两个敏感行为相互组合的关联度参数和组合度参数进行加权相乘，得到所述多个敏感行为向量中任意两个敏感行为相互组合的组合配置信息。4.如权利要求1所述的方法，其特征在于，所述根据所述组合配置信息及各所述敏感行为类型，对所述多个敏感行为向量进行两两组合，得到所述敏感用户行为数据的敏感行为组合信息，包括：根据所述敏感用户行为数据的名额敏感行为向量的类型，分别读取所述敏感用户行为数据的每个敏感行为向量的预设比例系数；根据所述预设比例系数，将所述敏感用户行为数据的多个敏感行为向量进行加权求和，得到所述敏感用户行为数据的敏感行为程度指数；将所述敏感用户行为数据的多个敏感行为向量的敏感行为类型进行叉乘计算，并根据
计算结果获得所述敏感用户行为数据的敏感行为类型；将所述多个敏感行为向量中任意两个敏感行为相互组合的组合配置信息与所述敏感行为向量中任意两个敏感行为相互组合的初始组合配置参数进行叉乘计算，生成所述多个敏感行为向量中任意两个敏感行为相互组合的初始组合向量；将所述多个敏感行为向量中任意两个敏感行为相互组合的初始组合向量与所述敏感用户行为数据的敏感行为类型对应的向量进行叉乘计算，生产所述多个敏感行为向量中任意两个敏感行为相互组合的初始组合配置参数；将所述多个敏感行为向量中任意两个敏感行为相互组合的初始组合配置参数中各向量参数进行加权求和，生成所述多个敏感行为向量中任意两个敏感行为相互组合的敏感行为组合信息；将所述敏感用户行为数据的敏感行为程度指数与所述敏感用户行为数据的敏感行为组合信息进行组合，将组合得到的向量作为所述敏感用户行为数据的敏感行为组合信息。5.如权利要求1所述的方法，其特征在于，所述根据各所述敏感行为类型，对所述多个敏感行为向量进行互斥分析，得到所述敏感用户行为数据的互斥行为信息，包括：将所述敏感行为向量的敏感行为类型输入到预先训练完成的卷积神经网络进行处理，并获得所述卷积神经网络输出的各所述敏感行为向量对应的互斥行为关系；在预先构建的关系图谱中对各所述敏感行为向量的互斥行为关系进行信息映射，得到所述敏感用户行为数据的互斥行为信息；其中，所述关系图谱中包含有互斥行为关系与相应的互斥行为信息的映射关系。6.如权利要求1所述的方法，其特征在于，所述基于所述敏感行为组合信息及所述互斥行为信息，对所述敏感用户行为数据的用户群体标签进...

【专利技术属性】
技术研发人员：张有栋，张家驹，张辉，叶俊荣，刘峰，郭赢，蒋兵，
申请(专利权)人：张有栋，
类型：发明
国别省市：