【技术实现步骤摘要】
基于互联网大数据的用户行为分析方法及云计算业务系统
[0001]本专利技术涉及大数据挖掘
,具体而言,涉及一种基于互联网大数据的用户行为分析方法及云计算业务系统。
技术介绍
[0002]随着各个在线电商服务平台的陆续崛起,互联网的流量时代已经结束,未来的互联网一定是大数据+算法时代,基于大数据算法的精准互联网内容推送已经应用到了用户生活中的各个领域,然而本申请专利技术人研究发现,在当前的互联网信息推送过程中,通过挖掘用户行为意图并匹配与之对应的互联网内容是较为常见的技术方案,然而对于待上线业务需求,还需要保证当前互联网内容推送与当前待上线业务需求的匹配度,相关技术中还缺乏对于该方案的研究。
技术实现思路
[0003]为了至少克服现有技术中的上述不足,本专利技术的目的在于提供一种基于互联网大数据的用户行为分析方法及云计算业务系统。
[0004]第一方面,本专利技术实施例提供一种基于互联网大数据的用户行为分析方法,应用于云计算业务系统,所述方法包括:对目标用户的互联网行为大数据进行行为意图挖掘,生成所述目标用户的用户行为意图数据,将所述用户行为意图数据实时加载到所述目标用户的用户行为意图大数据日志中,并基于所述用户行为意图大数据日志生成匹配当前待上线业务需求的目标用户行为意图数据;对所述目标用户行为意图数据进行行为意图关系提取,生成对应的行为意图关系图谱,其中,所述行为意图关系图谱用于表示多个行为意图实体以及各个行为意图实体之间的行为意图关系属性;从所述行为意图关系图谱中提取行为意图关系属性 ...
【技术保护点】
【技术特征摘要】
1.一种基于互联网大数据的用户行为分析方法,其特征在于,所述方法通过云计算业务系统进行执行,所述方法包括:对目标用户的互联网行为大数据进行行为意图挖掘,生成所述目标用户的用户行为意图数据,将所述用户行为意图数据实时加载到所述目标用户的用户行为意图大数据日志中,并基于所述用户行为意图大数据日志生成匹配当前待上线业务需求的目标用户行为意图数据;对所述目标用户行为意图数据进行行为意图关系提取,生成对应的行为意图关系图谱,其中,所述行为意图关系图谱用于表示多个行为意图实体以及各个行为意图实体之间的行为意图关系属性;从所述行为意图关系图谱中提取行为意图关系属性关联至少两个行为意图实体的目标行为意图实体,获得至少一个目标行为意图实体以及每个所述目标行为意图实体通过行为意图关系属性关联的关联行为意图实体;基于至少一个目标行为意图实体以及每个所述目标行为意图实体通过行为意图关系属性关联的关联行为意图实体,对所述目标用户所对应的互联网业务页面进行互联网内容推送。2.根据权利要求1所述的基于互联网大数据的用户行为分析方法,其特征在于,所述基于所述用户行为意图大数据日志生成匹配当前待上线业务需求的目标用户行为意图数据的步骤,包括:从目标用户的用户行为意图大数据日志中获取匹配当前待上线业务需求的基础用户行为意图数据,所述基础用户行为意图数据为基础维度的特征数据;挖掘所述基础用户行为意图数据的基础行为意图变量;将所述基础行为意图变量与衍生意图数据库中的多个衍生行为意图变量进行匹配,生成各所述衍生行为意图变量对应的匹配状态信息,其中,所述衍生意图数据库中包括多个衍生意图数据以及各个衍生意图数据的衍生行为意图变量,所述衍生意图数据为衍生维度的特征数据;基于各所述衍生行为意图变量对应的匹配状态信息,从各所述衍生意图数据中获得与所述基础用户行为意图数据所对应的衍生行为意图数据,并将所述基础用户行为意图数据和所对应的衍生行为意图数据输出为匹配当前待上线业务需求的目标用户行为意图数据。3.根据权利要求2所述的基于互联网大数据的用户行为分析方法,其特征在于,所述基础行为意图变量是通过基础行为意图变量挖掘模型进行挖掘的;所述衍生意图数据的衍生行为意图变量是通过衍生行为意图变量挖掘模型进行挖掘的;所述基础行为意图变量挖掘模型和所述衍生行为意图变量挖掘模型的模型更新步骤包括:获取范例模型学习数据序列,所述范例模型学习数据序列包括基础范例模型学习数据集,所述基础范例模型学习数据集中的每个基础范例模型学习数据包括基础维度的第一基础行为意图训练数据、以及与该第一基础行为意图训练数据所对应的衍生维度的第一衍生行为意图训练数据;依据所述范例模型学习数据序列对模型权重参数初始化配置的行为意图变量学习模型进行遍历模型参数调优,直至模型学习代价值收敛,其中,所述行为意图变量学习模型包
括基础行为意图变量学习模型和衍生行为意图变量学习模型,将模型学习代价值收敛时的基础行为意图变量学习模型作为所述基础行为意图变量挖掘模型,将模型学习代价值收敛时的衍生行为意图变量学习模型作为所述衍生行为意图变量挖掘模型;其中,具体模型更新步骤包括:将各所述第一基础行为意图训练数据加载至基础行为意图变量学习模型中,生成各所述第一基础行为意图训练数据的行为意图变量,将各所述第一衍生行为意图训练数据加载至衍生行为意图变量学习模型中,生成各所述第一衍生行为意图训练数据的行为意图变量;依据各所述基础范例模型学习数据集中的第一基础行为意图训练数据的行为意图变量与第一衍生行为意图训练数据的行为意图变量的相关度、以及各基础负向模型学习数据中的第一基础行为意图训练数据的行为意图变量和第一衍生行为意图训练数据的行为意图变量的相关度,确定第一模型学习代价值;其中,所述基础负向模型学习数据包括一个基础范例模型学习数据的第一基础行为意图训练数据和另一个基础范例模型学习数据的第一衍生行为意图训练数据;如果所述第一模型学习代价值不满足第一训练收敛要求,则对所述基础行为意图变量学习模型和衍生行为意图变量学习模型的模型权重信息进行调优,所述模型学习代价值收敛包括所述第一模型学习代价值满足第一训练收敛要求。4.根据权利要求3所述的基于互联网大数据的用户行为分析方法,其特征在于,所述将各所述第一基础行为意图训练数据加载至基础行为意图变量学习模型中,生成各所述第一基础行为意图训练数据的行为意图变量,包括:针对各个第一基础行为意图训练数据,通过所述基础行为意图变量学习模型对该第一基础行为意图训练数据执行下述步骤,生成该第一基础行为意图训练数据的行为意图变量:将该第一基础行为意图训练数据拆分成至少两个行为意图训练成员数据,生成该第一基础行为意图训练数据对应的行为意图训练成员数据簇;依据意图变量知识库,挖掘所述行为意图训练成员数据簇中各个行为意图训练成员数据的行为意图变量,其中,所述意图变量知识库包括多个意图变量知识点,各个行为意图训练成员数据的行为意图变量包括的特征值的个数等于所述意图变量知识库中意图变量知识点的数量,一个特征值表征了该行为意图训练成员数据中包含意图变量知识库中与该特征值的位置相对应的意图变量知识点的置信度;依据各所述行为意图训练成员数据的行为意图变量,生成该第一基础行为意图训练数据的行为意图变量;所述方法还包括:针对各个第一衍生行为意图训练数据,依据所述意图变量知识库,确定该第一衍生行为意图训练数据对应于所述意图变量知识库的特征行为意图变量,该行为意图变量表征了该第一衍生行为意图训练数据对应于意图变量知识库中各个意图变量知识点的置信度;所述确定第一模型学习代价值,包括:依据各所述基础范例模型学习数据集中的第一基础行为意图训练数据的各个行为意图训练成员数据的行为意图变量与第一衍生行为意图训练数据对应于所述意图变量知识
库的特征行为意图变量之间的相关度、各所述基础范例模型学习数据集中的第一基础行为意图训练数据的行为意图变量与第一衍生行为意图训练数据的行为意图变量的相关度、以及各基础负向模型学习数据中的第一基础行为意图训练数据的行为意图变量和第一衍生行为意图训练数据的行为意图变量的相关度,确定第一模型学习代价值。5.根据权利要求3所述的基于互联网大数据的用户行为分析方法,其特征在于,所述依据各所述基础范例模型学习数据集中的第一基础行为意图训练数据的行为意图变量与第一衍生行为意图训练数据的行为意图变量的相关度、以及各基础负向模型学习数据中的第一基础行为意图训练数据的行为意图变量和第一衍生行为意图训练数据的行为意图变量的相关度,确定第一模型学习代价值,包括:确定各所述基础范例模型学习数据的第一基础行为意图训练数据的行为意图变量和第一衍生行为意图训练数据的行为意图变量之间的特征距离,生成第一模型学习代价值;针对各个第一基础行为意图训练数据,确定该第一基础行为意图训练数据对应的基础关联参数值以及该第一基础行为意图训练数据对应的衍生关联参数值,其中,所述基础关联参数值是该第一基础行为意图训练数据的行为意图变量和与该第一基础行为意图训练数据所对应的第一衍生行为意图训练数据的行为意图变量之间的关联参数值,所述衍生关联参数值是该第一基础行为意图训练数据所在的基础负向模型学习数据中第一基础行为意图训练数据的行为意图变量和第一衍生行为意图训练数据的行为意图变量之间的关联参数值;获取各所述第一基础行为意图训练数据对应的训练标注信息,所述训练标注信息包括基础关联参数值对应的关联参数值标注信息和衍生关联参数值对应的关联参数值标注信息;依据各所述第一基础行为意图训练数据所对应的模...
【专利技术属性】
技术研发人员:朱新平,
申请(专利权)人:铜仁市恒盛网络科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。