一种行为数据处理方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例公开了一种行为数据处理方法、装置、设备和存储介质，该方法包括：获取当前时间窗口内当前用户产生的当前行为数据；基于当前行为数据进行时间补偿，确定当前补偿时间间隔；基于当前行为数据、当前补偿时间间隔、上一行为预测结果和上一补偿时间间隔进行数据整合，确定当前行为时序数据；将当前行为时序数据输入至预设行为预测模型中，根据预设行为预测模型的输出，确定当前用户的当前行为预测结果。通过本发明专利技术实施例的技术方案，可以保持时间一致，提高行为数据处理的准确性。提高行为数据处理的准确性。提高行为数据处理的准确性。

【技术实现步骤摘要】
一种行为数据处理方法、装置、设备和存储介质


[0001]本专利技术实施例涉及计算机技术，尤其涉及一种行为数据处理方法、装置、设备和存储介质。

技术介绍

[0002]随着互联网的快速发展，用户的消费喜好和关注特征对平台业务和流量增长的影响越来越大，从而对用户行为进行分析和预测显得尤为重要。用户行为分析可以让产品更加详细、清楚地了解用户的行为习惯，从而找出产品存在的问题，有助于产品发掘高转化率页面，让产品的营销更加精准、有效，提高业务转化率。
[0003]目前，通常是利用埋点等方式收集用户行为数据，并利用用户的历史行为数据训练模型，根据训练后的模型对收集的用户行为数据进行处理，输出用户的行为预测结果。
[0004]然而，在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：
[0005]通过埋点等方式收集的用户行为数据会进行缓存，做持久化处理，使得行为数据的收集会存在一定的时间延迟，并且用户行为数据在较长链路上传输也具有一定的时间延迟，从而导致获得的行为预测结果具有时延，降低了行为预测的准确性。

技术实现思路

[0006]本专利技术实施例提供了一种行为数据处理方法、装置、设备和存储介质，以保持时间一致，提高行为预测的准确性。
[0007]第一方面，本专利技术实施例提供了一种行为数据处理方法，包括：
[0008]获取当前时间窗口内当前用户产生的当前行为数据；
[0009]基于所述当前行为数据进行时间补偿，确定当前补偿时间间隔；
[0010]基于所述当前行为数据、所述当前补偿时间间隔、上一行为预测结果和上一补偿时间间隔进行数据整合，确定当前行为时序数据；
[0011]将所述当前行为时序数据输入至预设行为预测模型中，根据所述预设行为预测模型的输出，确定当前用户的当前行为预测结果。
[0012]第二方面，本专利技术实施例还提供了一种行为数据处理装置，包括：
[0013]当前行为数据获取模块，用于获取当前时间窗口内当前用户产生的当前行为数据；
[0014]时间补偿模块，用于基于所述当前行为数据进行时间补偿，确定当前补偿时间间隔；
[0015]当前行为时序数据确定模块，用于基于所述当前行为数据、所述当前补偿时间间隔、上一行为预测结果和上一补偿时间间隔进行数据整合，确定当前行为时序数据。
[0016]行为预测结果确定模块，用于将所述当前行为时序数据输入至预设行为预测模型中，根据所述预设行为预测模型的输出，确定当前用户的当前行为预测结果。
[0017]第三方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
[0018]一个或多个处理器；
[0019]存储器，用于存储一个或多个程序；
[0020]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任意实施例所提供的行为数据处理方法。
[0021]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如本专利技术任意实施例所提供的行为数据处理方法。
[0022]上述专利技术中的实施例具有如下优点或有益效果：
[0023]通过基于当前时间窗口内当前用户产生的当前行为数据进行时间补偿，确定出当前补偿时间间隔，并基于当前行为数据、当前补偿时间间隔以及反馈的上一行为预测结果和上一补偿时间间隔进行数据整合，确定时间对齐后的当前行为时序数据，将当前行为时序数据输入至预设行为预测模型中，确定出当前行为预测结果，并将当前行为预测结果进行反馈，以便下次循环时可以基于当前行为预测结果确定出下一行为预测结果。通过时间补偿方式可以将当前行为数据与用户的上一行为预测结果进行时间对齐，并且也使得用户行为数据在较长链路上传输导致的延迟得到补偿，使得所有数据保持时间一致，并且通过迭代处理的方式可以实时获得更加准确的行为预测结果，从而提高了行为数据处理的准确性，同时也提高了行为预测的准确性。
附图说明
[0024]图1是本专利技术实施例一提供的一种行为数据处理方法的流程图；
[0025]图2是本专利技术实施例二提供的一种行为数据处理方法的流程图；
[0026]图3是本专利技术实施例二所涉及的一种层级时序记忆HTM模型的框架示例；
[0027]图4是本专利技术实施例三提供的一种行为数据处理装置的结构示意图；
[0028]图5是本专利技术实施例四提供的一种电子设备的结构示意图。
具体实施方式
[0029]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0030]实施例一
[0031]图1为本专利技术实施例一提供的一种行为数据处理方法的流程图，本实施例可适用于对用户实时产生的行为数据进行分析处理的情况。该方法可以由行为数据处理装置来执行，该装置可以由软件和/或硬件的方式来实现，集成于电子设备中。如图1所示，该方法具体包括以下步骤：
[0032]S110、获取当前时间窗口内当前用户产生的当前行为数据。
[0033]其中，时间窗口可以是预先设置的具有固定时间间隔的一个时间段。时间窗口可以随着时间推移进行更新。当前时间窗口可以是指当前时间所处于的一个时间窗口。当前用户可以是指当前需要进行行为分析的用户。例如，本实施例可以将任意一个登录平台的用户作为当前用户。当前行为数据可以包括但不限于浏览、点击、跳转、收藏等行为数据。
[0034]具体地，本实施例可以采用分布式多线程的方式快速收集当前用户产生的当前行为数据，以便可以进一步提高数据处理效率。例如，可以利用分布在各个节点的服务器端快速收集用户行为数据。
[0035]S120、基于当前行为数据进行时间补偿，确定当前补偿时间间隔。
[0036]具体地，可以利用预设时间补偿方式，基于当前用户的当前行为数据和历史行为数据组成的全量行为数据进行时间补偿，确定当前补偿时间间隔，比如，在当前行为数据为非空数据，则可以确定当前行为与上一行为预测结果中的预测行为之间的当前补偿时间间隔；在当前行为数据为空数据，则可以确定最近一次行为与上一行为预测结果中的预测行为之间的当前补偿时间间隔，以解决因数据缓存和传输而导致延迟的情况，使得所有数据在时间上基本没有差异，保持用户行为的同步性。
[0037]示例性地，S120可以包括：采用核密度估计方式，基于当前行为数据进行时间补偿，估算当前补偿时间间隔。
[0038]具体地，核密度估计方式是一种非参数检验方式。在概率论中可以用来估算未知的核密度函数，该核密度函数公式如下：
[0039][0040]其中，为高斯核的核函数，n为样本量，x
i
为已知样本点数据，带宽为它使得均方误差积分最小化。通过核密度估计拟合后的曲线可以明显观察出分布特征，再通过梯度下降算法可以估本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行为数据处理方法，其特征在于，包括：获取当前时间窗口内当前用户产生的当前行为数据；基于所述当前行为数据进行时间补偿，确定当前补偿时间间隔；基于所述当前行为数据、所述当前补偿时间间隔、上一行为预测结果和上一补偿时间间隔进行数据整合，确定当前行为时序数据；将所述当前行为时序数据输入至预设行为预测模型中，根据所述预设行为预测模型的输出，确定当前用户的当前行为预测结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述当前行为数据进行时间补偿，确定当前补偿时间间隔，包括：采用核密度估计方式，基于所述当前行为数据进行时间补偿，估算当前补偿时间间隔。3.根据权利要求1所述的方法，其特征在于，在基于所述当前行为数据、所述当前补偿时间间隔、上一行为预测结果和上一补偿时间间隔进行数据整合，确定当前行为时序数据之前，还包括：获取基于当前用户的上一状态数据、上一活跃度和当前缓存的缓存行为时序数据，对上一行为预测结果进行优化后获得的目标行为预测结果；所述基于所述当前行为数据、所述当前补偿时间间隔、上一行为预测结果和上一补偿时间间隔进行数据整合，确定当前行为时序数据，确定当前行为时序数据，包括：基于所述当前行为数据、所述当前补偿时间间隔、目标行为预测结果和上一补偿时间间隔进行数据整合，确定当前行为时序数据。4.根据权利要求1所述的方法，其特征在于，在所述获取当前时间窗口内当前用户产生的当前行为数据之后，还包括：检测当前用户是否为新用户，并根据检测结果确定当前用户对应的预设行为预测模型。5.根据权利要求4所述的方法，其特征在于，所述根据检测结果确定当前用户对应的预设行为预测模型，包括：若当前用户为新用户，则确定当前用户对应的预设行为预测模型为层级时序记忆HTM模型；若当前用户不是新用户，则确定当前用户对应的预设行为预测模型为隐马尔科夫HMM模型。6.根据权利要求1所述的方法，其特征在于，所述基于所述当前行为数据、所述当前补偿时间间隔、上一行为预测结果和上一补偿时间间隔进行数据整合，确定当前行为时序数据，包括：基于所述当前行为数据和上一行为预测结果检测当前是否满足预设行为预测条件；若满足，则基于所述预设行为预测条件、所述当前行为数据、所述当前补偿时间间隔、上一行为预测结果和上一补偿时间间隔进行数据整合，确定当前行为时序数据；若不满足，则将下一时间窗口更新为当前时间窗口，并返回执行获取当前时间窗口内当前用户产生的当前行为数据的操作。7.根据权利要求6所述的方法，其特征在于，所述基于所述当前行为数据和上一行为预测结果检测当前是否满足预设行为预测条件，包括：
基于所述当前行为数据和上一行为预测结果检测当前用户的行为发生总次数是否达到预设次数；若达到预设次数，则确定所述行为发生总次数满足预设行为预测条件；若未达到预设次数，则检测当前用户的行为等待时长是否达到预...

【专利技术属性】
技术研发人员：梁宝彬，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：