【技术实现步骤摘要】
本专利技术涉及智能信息推送与用户行为建模，更具体地说，本专利技术涉及基于用户行为动态分析的自适应推送方法及系统。
技术介绍
1、随着智能终端和内容平台的广泛普及，用户行为日益复杂且动态变化，传统静态规则或单一兴趣模型已难以准确刻画用户需求。现有推送系统多依赖短期点击数据进行粗粒度建模，缺乏对用户行为演变规律的深入挖掘，尤其在冷启动用户、兴趣突变场景下，易出现推送内容不相关或响应滞后的问题。
2、一方面，用户行为来源分散，跨平台数据融合困难，行为字段不统一，导致兴趣建模基础不完整；另一方面，用户兴趣具有时序性与多模态特征，传统模型无法同时处理图文行为及其随时间变化的趋势。此外，现有方案缺乏对用户行为结构的整体理解，未能识别用户在使用过程中的阶段性行为模式，难以实现真正动态适应的推送。
3、同时，在实际业务中，不同用户的行为稳定性差异显著。部分用户历史行为稀少，存在冷启动问题；部分用户则频繁切换关注方向，造成兴趣漂移。这些行为的不确定性若未能加以区分并动态建模，将导致推送模型效果显著下降。
4、针对上述问...
【技术保护点】
1.基于用户行为动态分析的自适应推送方法，其特征在于，包括：
2.根据权利要求1所述的基于用户行为动态分析的自适应推送方法，其特征在于：采集用户行为数据，构建用户行为数据的初始样本集；
3.根据权利要求2所述的基于用户行为动态分析的自适应推送方法，其特征在于：计算模态变化速率，生成多模态用户兴趣状态向量，并固定长度时间窗口采样多模态用户兴趣状态向量，构成时间序列样本。
4.根据权利要求3所述的基于用户行为动态分析的自适应推送方法，其特征在于；计算用户兴趣状态向量序列数据中的冷启动用户密度和用户兴趣漂移频率，确定各个用户兴趣状态向量序...
【技术特征摘要】
1.基于用户行为动态分析的自适应推送方法，其特征在于，包括：
2.根据权利要求1所述的基于用户行为动态分析的自适应推送方法，其特征在于：采集用户行为数据，构建用户行为数据的初始样本集；
3.根据权利要求2所述的基于用户行为动态分析的自适应推送方法，其特征在于：计算模态变化速率，生成多模态用户兴趣状态向量，并固定长度时间窗口采样多模态用户兴趣状态向量，构成时间序列样本。
4.根据权利要求3所述的基于用户行为动态分析的自适应推送方法，其特征在于；计算用户兴趣状态向量序列数据中的冷启动用户密度和用户兴趣漂移频率，确定各个用户兴趣状态向量序列数据的稳定性得分，并依据稳定性得分将用户兴趣状态向量序列分类。
5.根据权利要求4所述的基于用户行为动态分析的自适应推送方法，其特征在于：提取每一类用户兴趣状态向量序列的特征数据，计算每类序列的预测优化补偿系数，对lstm模型的输出进行修正补偿。
...【专利技术属性】
技术研发人员：蒋绍君，
申请(专利权)人：深圳九星互动科技有限公司，
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。