行为预测方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术提供一种行为预测方法、装置、电子设备和存储介质，其中方法包括：确定待预测用户的行为数据；将行为数据输入至行为分析模型，得到行为分析模型输出的概率行为簇，行为分析模型是在隐马尔可夫模型的基础上，应用样本行为数据训练得到的；对行为数据进行回归分类，得到待预测用户的行为分类集合；基于概率行为簇，以及行为分类集合，确定待预测用户的行为预测结果，以行为数据为基础，嵌套隐马尔可夫模型进行行为演进方向预测，通过预测所得的概率行为簇和回归分类得到的行为分类集合，在实现精准预测的同时，克服了传统方案中筛选分类准确性差，导致营销推广命中率低的问题，为后续营销业务的推广以及营销活动执行成功率的提升提供了助益。率的提升提供了助益。率的提升提供了助益。

【技术实现步骤摘要】
行为预测方法、装置、电子设备和存储介质


[0001]本专利技术涉及大数据
，尤其涉及一种行为预测方法、装置、电子设备和存储介质。

技术介绍

[0002]随着运营商电信业务市场的迅速发展，业务以及资费的复杂度越来越高，此种情况下，为满足用户的个性化需求，可以给存量用户贴上标签，按标签对用户进行分类，根据分类结果向用户推荐语音、短信、流量、宽带、IPTV等融合类业务，从而在满足用户个性化需求的同时，实现精准推荐以及有效推荐。
[0003]然而，上述方案中，按标签对用户进行分类的过程由人工完成，即是通过人工对标签进行筛选处理，筛选条件源自于现有标签，其配置和组合由人工完成，而标签的设定却源自于长期用户行为，这无疑会导致基于标签的用户画像模型单一且线性，并且，还易忽略用户某一时期或某一历史时期需求的波动效应，从而导致边界用户精度低；另外，人工筛选过程存在较强的主观性，误判概率较大，易使得营销业务的执行效果不佳。

技术实现思路

[0004]本专利技术提供一种行为预测方法、装置、电子设备和存储介质，用以解决现有技术中因人工筛选分类准确性差，导致行销活动命中率低的缺陷。
[0005]本专利技术提供一种行为预测方法，包括：
[0006]确定待预测用户的行为数据；
[0007]将所述行为数据输入至行为分析模型，得到所述行为分析模型输出的概率行为簇，所述行为分析模型是在隐马尔可夫模型的基础上，应用样本行为数据训练得到的；
[0008]对所述行为数据进行回归分类，得到所述待预测用户的行为分类集合；
[0009]基于所述概率行为簇，以及所述行为分类集合，确定所述待预测用户的行为预测结果。
[0010]根据本专利技术提供的一种行为预测方法，所述对所述行为数据进行回归分类，得到所述待预测用户的行为分类集合，包括：
[0011]基于所述行为数据，确定所述待预测用户的概率行为矩阵；
[0012]对所述概率行为矩阵进行回归分类，得到所述待预测用户的行为分类集合。
[0013]根据本专利技术提供的一种行为预测方法，所述对所述概率行为矩阵进行回归分类，得到所述待预测用户的行为分类集合，包括：
[0014]将所述概率行为矩阵输入至行为分类模型，得到所述行为分类模型输出的行为分类集合；
[0015]所述行为分类模型是在基于一对一法构建的支持向量机分类器的基础上，应用样本行为数据训练得到的。
[0016]根据本专利技术提供的一种行为预测方法，所述基于所述概率行为簇，以及所述行为
分类集合，确定所述待预测用户的行为预测结果，包括：
[0017]将所述概率行为簇与所述行为分类集合进行比对，得到所述概率行为簇与所述行为分类集合的比对结果；
[0018]若所述比对结果指示所述概率行为簇与所述行为分类集合的差异在预设范围内，则将所述概率行为簇或所述行为分类集合表征的用户行为作为行为预测结果。
[0019]根据本专利技术提供的一种行为预测方法，所述基于所述概率行为簇，以及所述行为分类集合，确定所述待预测用户的行为预测结果，之后还包括：
[0020]基于所述行为预测结果，确定所述待预测用户与营销业务集合中各营销业务的匹配度；
[0021]基于所述匹配度，从所述营销业务集合中确定目标营销业务，并向所述待预测用户推荐所述目标营销业务。
[0022]根据本专利技术提供的一种行为预测方法，所述行为分析模型基于如下步骤确定：
[0023]基于所述样本行为数据，构建样本行为随机序列，以及样本行为离散序列；
[0024]基于所述样本行为随机序列，以及所述样本行为离散序列，构建隐马尔可夫模型；
[0025]基于所述样本行为数据，以及所述样本行为数据的样本概率行为簇，对所述隐马尔可夫模型进行训练，得到行为分析模型。
[0026]根据本专利技术提供的一种行为预测方法，所述基于所述样本行为随机序列，以及所述样本行为离散序列，构建隐马尔可夫模型，包括：
[0027]基于所述样本行为随机序列，以及所述样本行为离散序列，构建初始概率矩阵，转移概率矩阵以及发射概率矩阵；
[0028]基于所述初始概率矩阵，转移概率矩阵以及发射概率矩阵，构建隐马尔可夫模型。
[0029]本专利技术还提供一种行为预测装置，包括：
[0030]数据确定单元，用于确定待预测用户的行为数据；
[0031]行为分析单元，用于将所述行为数据输入至行为分析模型，得到所述行为分析模型输出的概率行为簇，所述行为分析模型是在隐马尔可夫模型的基础上，应用样本行为数据训练得到的；
[0032]回归分类单元，用于对所述行为数据进行回归分类，得到所述待预测用户的行为分类集合；
[0033]结果确定单元，用于基于所述概率行为簇，以及所述行为分类集合，确定所述待预测用户的行为预测结果。
[0034]本专利技术还提供一种电子设备，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程序时实现如上述任一种所述的行为预测方法。
[0035]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的行为预测方法。
[0036]本专利技术提供的行为预测方法、装置、电子设备和存储介质，将待预测用户的行为数据输入至行为分析模型，得到行为分析模型输出的概率行为簇，行为分析模型是在隐马尔可夫模型的基础上，应用样本行为数据训练得到的；对行为数据进行回归分类，得到待预测用户的行为分类集合；根据概率行为簇以及行为分类集合，确定待预测用户的行为预测结
果，以行为数据为基础，嵌套隐马尔可夫模型对待预测用户的行为演进方向进行预测，通过预测所得的概率行为簇和回归分类得到的行为分类集合，实现了待预测用户下一步行为的有效预测和精准预测，为后续营销业务的推广，以及营销活动策划和执行成功率的提升提供了关键性的助益，完美的克服了传统方案中筛选分类准确性差，导致营销推广命中率低的问题，实现了用户感知，以及营销效率和效益的提升。
附图说明
[0037]为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图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。
[0038]图1是本专利技术提供的行为预测方法的流程示意图；
[0039]图2是本专利技术提供的基于“一对多”方法的超平面示意图；
[0040]图3是本专利技术提供的基于“一对一”方法的超平面示意图；
[0041]图4是本专利技术提供的营销业务的业务类型的示例图；
[0042]图5是本专利技术提供的观测序列和隐藏序列的对应关系的示意图；
[0043]图6是本专利技术提供的转移概率矩阵和行为分类集合的对应关系的示意图；
[0044]图7是本专利技术提供的消费渠道的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种行为预测方法，其特征在于，包括：确定待预测用户的行为数据；将所述行为数据输入至行为分析模型，得到所述行为分析模型输出的概率行为簇，所述行为分析模型是在隐马尔可夫模型的基础上，应用样本行为数据训练得到的；对所述行为数据进行回归分类，得到所述待预测用户的行为分类集合；基于所述概率行为簇，以及所述行为分类集合，确定所述待预测用户的行为预测结果。2.根据权利要求1所述的行为预测方法，其特征在于，所述对所述行为数据进行回归分类，得到所述待预测用户的行为分类集合，包括：基于所述行为数据，确定所述待预测用户的概率行为矩阵；对所述概率行为矩阵进行回归分类，得到所述待预测用户的行为分类集合。3.根据权利要求2所述的行为预测方法，其特征在于，所述对所述概率行为矩阵进行回归分类，得到所述待预测用户的行为分类集合，包括：将所述概率行为矩阵输入至行为分类模型，得到所述行为分类模型输出的行为分类集合；所述行为分类模型是在基于一对一法构建的支持向量机分类器的基础上，应用样本行为数据训练得到的。4.根据权利要求1至3中任一项所述的行为预测方法，其特征在于，所述基于所述概率行为簇，以及所述行为分类集合，确定所述待预测用户的行为预测结果，包括：将所述概率行为簇与所述行为分类集合进行比对，得到所述概率行为簇与所述行为分类集合的比对结果；若所述比对结果指示所述概率行为簇与所述行为分类集合的差异在预设范围内，则将所述概率行为簇或所述行为分类集合表征的用户行为作为行为预测结果。5.根据权利要求1至3张任一项所述的行为预测方法，其特征在于，所述基于所述概率行为簇，以及所述行为分类集合，确定所述待预测用户的行为预测结果，之后还包括：基于所述行为预测结果，确定所述待预测用户与营销业务集合中各营销业务的匹配度；基于所...

【专利技术属性】
技术研发人员：梁志，段凯凯，张志华，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：