一种基于机器学习的用户行为预测方法及系统技术方案

本发明专利技术涉及用户行为预测数据处理的技术领域，且公开了一种基于机器学习的用户行为预测方法及系统，所述系统包括客户群体组成类型识别模块、客户群体消费商品种类预测模块、客户群体消费商品种类信息推送模块；通过科学筛选出客户群体相匹配时间段的历史消费商品种类参数，提高了商场的客户消费行为分析的准确性，提高了商场服务质量；利用智能搜索算法将客户群体组成类型参数与具体时间段客户群体历史消费商品种类参数按照客户群体组成类型搜索生成客户群体消费商品种类预测，实现精确预测客户消费商品种类，实现为客户提供人性化、智能化的商场购物服务体验。

【技术实现步骤摘要】

本专利技术涉及用户行为预测数据处理的，具体为一种基于机器学习的用户行为预测方法及系统。

技术介绍

1、机器学习即研究人工智能，机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是一门多学科交叉专业，涵盖概率论知识，统计学知识，近似理论知识和复杂算法知识，使用计算机作为工具并致力于真实实时的模拟人类学习方式，并将现有内容进行知识结构划分来有效提高学习效率；机器学习有下面几种定义：（1）机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能。（2）机器学习是对能通过经验自动改进的计算机算法的研究。（3）机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。用户行为由最简单的五个元素构成：时间、地点、人物、交互、交互的内容。对用户行为进行分析，要将其定义为各种事件。比如用户搜索是一个事件，在什么时间、什么地点、事件执行对象、具体行为。这是一个完整的事本文档来自技高网...

【技术保护点】

1.一种基于机器学习的用户行为预测方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种基于机器学习的用户行为预测方法，其特征在于：所述S1包括以下步骤：

3.根据权利要求2所述的一种基于机器学习的用户行为预测方法，其特征在于：所述S2包括以下步骤：

4.根据权利要求3所述的一种基于机器学习的用户行为预测方法，其特征在于：所述S3包括以下步骤：

5.根据权利要求4所述的一种基于机器学习的用户行为预测方法，其特征在于：所述S4包括以下步骤：

6.根据权利要求5所述的一种基于机器学习的用户行为预测方法，其特征在于：所...

【技术特征摘要】

1.一种基于机器学习的用户行为预测方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的一种基于机器学习的用户行为预测方法，其特征在于：所述s1包括以下步骤：

3.根据权利要求2所述的一种基于机器学习的用户行为预测方法，其特征在于：所述s2包括以下步骤：

4.根据权利要求3所述的一种基于机器学习的用户行为预测方法，其特征在于：所述s3包括以下步骤：

5.根据权利要求4所述的一种基于机器学习的用户行为预测方法，其特征在于：所述s4包括以下步骤：

6.根据权利要求...

【专利技术属性】
技术研发人员：张睿，李璇，王兵，王新霞，张文杰，
申请(专利权)人：山东省信息技术产业发展研究院中国赛宝山东实验室，
类型：发明
国别省市：