识别用户行为的方法、用户设备及行为识别服务器技术

本发明专利技术公开了一种识别用户行为的方法、用户设备、行为识别服务器以及行为识别系统，该方法包括：第一用户设备获取与目标用户行为对应的目标参数的统计分布信息，其中，该目标参数包括该目标用户行为的行为识别模型的至少一个参数，并且该目标参数的统计分布信息是根据多个其它用户设备分别对应的该目标用户行为的行为识别模型中该目标参数的值确定的；该第一用户设备根据该目标参数的统计分布信息，建立并保存该第一用户设备对应的该目标用户行为的行为识别模型，以用于识别该目标用户行为。根据本发明专利技术实施例的识别用户行为的方法，能够提高行为识别模型的建立效率和准确性，从而提升用户体验。

【技术实现步骤摘要】

本专利技术实施例涉及数据挖掘领域，并且更具体地，涉及识别用户行为的方法、用户 设备、行为识别服务器及行为识别系统。
技术介绍
随着用户对智能手机的个性化需求的增长，用户行为识别功能成为智能手机的基 本配备。用户行为识别功能在特定的时间、地点或场合，能够判断用户的行为，从而使得智 能手机在此基础之上预测用户的需要，自动调整各种设置并为用户提供相关服务。其中，用 户行为可以指用户的活动状态，例如走路、跑步、静止、上楼梯、下楼梯或睡觉等；或指用户 所处的场景，例如在办公室、在汽车上、在火车上、在室外、在室内、在开会或在电影院等；或 用户的活动状态与所处场景的组合，即在汽车上且静止或在开会且静止，等等。 用户行为识别的基础是行为识别模型，智能手机可以针对每个用户行为建立一个 行为识别模型，当智能手机采集到一组感应数据时，可以将该感应数据输入上述建立的行 为识别模型，并根据该行为识别模型的输出结果判断该感应数据对应的行为。建立行为识 别模型的常用方法是机器学习方法，该方法通常需要大量的训练数据，才能建立一个准确 的行为识别模型，然而，现实中可用的训练数据往往很少，在这种情况下建立的行为识别模 型进行行为识别的准确性较差。每个用户在获得初始的行为识别模型后，需要积累自身的 训练数据，并根据该积累的训练数据更新自身的行为识别模型，以提高行为识别模型进行 行为识别的准确性。 因此，在现有技术中，不同用户之间相互隔绝，每个用户需要独立地建立新的行为 识别模型，独立地积累训练数据并根据该积累的训练数据对该新的行为识别模型进行更 新，这个过程往往费时费力，因此，现有技术对新的用户行为的可扩展性较差，用户建立的 新的行为识别模型的准确度较低，需要经过较长时间的学习才能达到用户对行为识别的准 确性要求，用户体验较差。
技术实现思路
本专利技术提供了一种识别用户行为的方法、用户设备、行为识别服务器以及行为识 别系统，能够提高行为识别模型的建立效率和准确性。 第一方面，提供了一种识别用户行为的方法，包括：第一用户设备获取与目标用户 行为对应的目标参数的统计分布信息，其中，该目标参数包括该目标用户行为的行为识别 模型的至少一个参数，并且该目标参数的统计分布信息是根据多个其它用户设备分别对应 的该目标用户行为的行为识别模型中该目标参数的值确定的；该第一用户设备根据该目 标参数的统计分布信息，建立并保存该第一用户设备对应的该目标用户行为的行为识别模 型，以用于识别该目标用户行为。 结合第一方面，在第一种可能的实现方式中，该目标参数的统计分布信息包括下 列信息中的至少一项：该目标参数的概率分布曲线、该目标参数的期望值和该目标参数的 具有最大出现概率的数值。 结合上述可能的实现方式，在第二种可能的实现方式中，若该行为识别模型为朴 素贝叶斯分类器，该朴素贝叶斯分类器中具有连续的特征属性值的第一特征属性为第一目 标参数，该朴素贝叶斯分类器中具有离散的特征属性值的第二特征属性为第二目标参数， 该目标参数的统计分布信息包括下列信息中的至少一项：该第一特征属性在该目标用户行 为的各个类别中的正态分布参数的期望值，以及该第二特征属性在该目标用户行为的各个 类别中的统计分布曲线。 结合上述可能的实现方式，在第三种可能的实现方式中，该第一用户设备获取与 目标用户行为对应的目标参数的统计分布信息，包括：该第一用户设备向行为识别服务器 发送数据下载请求，该数据下载请求包括目标用户行为的标识；该第一用户设备接收该行 为识别服务器根据该目标用户行为的标识确定的该目标参数的统计分布信息，该目标参数 的统计分布信息是该行为识别服务器根据该多个其它用户设备发送到该行为识别服务器 的该目标用户行为的多个行为识别模型中的该目标参数的值确定的。 结合上述可能的实现方式，在第四种可能的实现方式中，该第一用户设备获取与 目标用户行为对应的目标参数的统计分布信息，包括：该第一用户设备接收该多个其它用 户设备分别发送的该目标用户行为的多个行为识别模型；该第一用户设备根据接收到的该 目标用户行为的该多个行为识别模型中的该目标参数的值，确定该目标参数的统计分布信 肩、。 结合上述可能的实现方式，在第五种可能的实现方式中，该方法还包括：该第一用 户设备向行为识别服务器发送该第一用户设备建立的该目标用户行为的行为识别模型，以 便于该行为识别服务器根据该行为识别模型中的该目标参数的值更新该目标参数的统计 分布信息。 第二方面，提供了另一种识别用户行为的方法，包括：行为识别服务器接收第一用 户设备发送的数据下载请求，该数据下载请求包括目标用户行为的标识；该行为识别服务 器根据该目标用户行为的标识，确定与该目标用户行为对应的目标参数的统计分布信息， 其中，该目标参数包括该目标用户行为的行为识别模型的至少一个参数，并且该目标参数 的统计分布信息是根据多个其它用户设备分别对应的该目标用户行为的行为识别模型中 该目标参数的值确定的；该行为识别服务器向该第一用户设备发送该目标参数的统计分布 信息，以便于该第一用户设备根据该目标参数的统计分布信息建立该目标用户行为的行为 识别模型。 结合第二方面，在第一种可能的实现方式中，该目标参数的统计分布信息包括下 列信息中的至少一项：该目标参数的概率分布曲线、该目标参数的期望值和该目标参数的 具有最大出现概率的数值。 结合上述可能的实现方式，在第二种可能的实现方式中，若该目标用户行为的行 为识别模型为朴素贝叶斯分类器，该朴素贝叶斯分类器中具有连续的特征属性值的第一特 征属性为第一目标参数，该朴素贝叶斯分类器中具有离散的特征属性值的第二特征属性为 第二目标参数，该目标参数的统计分布信息包括下列信息中的至少一项：该第一特征属性 在该目标用户行为的各个类别中的正态分布参数的期望值以及该第二特征属性在该目标 用户行为的各个类别中的统计分布曲线。 结合上述可能的实现方式，在第三种可能的实现方式中，该行为识别服务器具有 基本知识库和多个协作知识库，其中，该基本知识库用于存储多个用户分组通用的至少一 个用户行为所对应的目标参数的统计分布信息，该多个协作知识库中的每个协作知识库用 于存储该多个用户分组中的一个用户分组专用的至少一个用户行为所对应的目标参数的 统计分布信息，其中，该至少一个用户行为包括该目标用户行为；该行为识别服务器根据该 目标用户行为的标识，确定与该目标用户行为对应的目标参数的统计分布信息，包括：该行 为识别服务器确定该第一用户设备的用户分组；若该第一用户设备不属于该多个用户分组 中的任何用户分组，该行为识别服务器从该基本知识库中确定与该目标用户行为对应的目 标参数的统计分布信息；若该第一用户设备属于该多个用户分组中的第一用户分组，该行 为识别服务器从该第一用户分组对应的协作知识库中确定与该目标用户行为对应的目标 参数的统计分布信息。 结合上述可能的实现方式，在第四种可能的实现方式中，该方法还包括：该行为识 别服务器接收该第一用户设备发送的该第一用户设备根据该目标参数的统计分布信息建 立的该目标用户行为的行为识别模型；该行为识别服务器根据该第一用户设备发送的行为 识别模型，更新该目标参数的统计分布信息。 结合上述可能的实现方式，在第五种可能的实现本文档来自技高网...

【技术保护点】
一种识别用户行为的方法，其特征在于，包括：第一用户设备获取与目标用户行为对应的目标参数的统计分布信息，其中，所述目标参数包括所述目标用户行为的行为识别模型的至少一个参数，并且所述目标参数的统计分布信息是根据多个其它用户设备分别对应的所述目标用户行为的行为识别模型中所述目标参数的值确定的；所述第一用户设备根据所述目标参数的统计分布信息，建立并保存所述第一用户设备对应的所述目标用户行为的行为识别模型，以用于识别所述目标用户行为。

【技术特征摘要】

【专利技术属性】
技术研发人员：杨强，邓珂，梁颖琪，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44