用户在场行为预测方法及装置制造方法及图纸

本说明书实施例提供了用户在场行为预测方法及装置，其中，一种用户在场行为预测方法，包括：根据应用访问数据以及行为轨迹数据计算目标用户与抽样用户的行为相似度，并确定至少一个抽样用户为所述目标用户的相似用户；对所述相似用户在目标时间段的在场行为进行预测；按照所述行为相似度对所述相似用户进行权重分配，并根据分配的预测权重计算预测获得的在场行为属于同行为类别的相似用户的预测得分；基于所述预测得分确定所述目标用户在所述目标时间段的预测在场行为。标时间段的预测在场行为。标时间段的预测在场行为。

【技术实现步骤摘要】
用户在场行为预测方法及装置


[0001]本文件涉及数据处理
，尤其涉及一种用户在场行为预测方法及装置。

技术介绍

[0002]随着移动互联网的高速发展和互联网用户的快速增长，越来越多的信息传递、广告投放依赖于移动互联网的各种应用程序，用户可以访问应用程序获得对应的数据信息，在此过程中，产生了海量的带有用户时空属性的数据，通常，可以利用海量的用户数据进行数据处理，从而挖掘潜在的数据规律，为用户提供更优质的服务。

技术实现思路

[0003]本说明书一个或多个实施例提供了一种用户在场行为预测方法，包括：根据应用访问数据以及行为轨迹数据计算目标用户与抽样用户的行为相似度，并确定至少一个抽样用户为所述目标用户的相似用户。对所述相似用户在目标时间段的在场行为进行预测。按照所述行为相似度对所述相似用户进行权重分配，并根据分配的预测权重计算预测获得的在场行为属于同行为类别的相似用户的预测得分。基于所述预测得分确定所述目标用户在所述目标时间段的预测在场行为。
[0004]本说明书一个或多个实施例提供了一种用户行为预测装置，包括：相似度计算模块，被配置为根据应用访问数据以及行为轨迹数据计算目标用户与抽样用户的行为相似度，并确定至少一个抽样用户为所述目标用户的相似用户。在场行为预测模块，被配置为对所述相似用户在目标时间段的在场行为进行预测。预测得分计算模块，被配置为按照所述行为相似度对所述相似用户进行权重分配，并根据分配的预测权重计算预测获得的在场行为属于同行为类别的相似用户的预测得分。在场行为确定模块，被配置为基于所述预测得分确定所述目标用户在所述目标时间段的预测在场行为。
[0005]本说明书一个或多个实施例提供了一种用户行为预测设备，包括：处理器；以及，被配置为存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器：根据应用访问数据以及行为轨迹数据计算目标用户与抽样用户的行为相似度，并确定至少一个抽样用户为所述目标用户的相似用户。对所述相似用户在目标时间段的在场行为进行预测。按照所述行为相似度对所述相似用户进行权重分配，并根据分配的预测权重计算预测获得的在场行为属于同行为类别的相似用户的预测得分。基于所述预测得分确定所述目标用户在所述目标时间段的预测在场行为。
[0006]本说明书一个或多个实施例提供了一种存储介质，用于存储计算机可执行指令，所述计算机可执行指令在被处理器执行时实现以下流程：根据应用访问数据以及行为轨迹数据计算目标用户与抽样用户的行为相似度，并确定至少一个抽样用户为所述目标用户的相似用户。对所述相似用户在目标时间段的在场行为进行预测。按照所述行为相似度对所述相似用户进行权重分配，并根据分配的预测权重计算预测获得的在场行为属于同行为类别的相似用户的预测得分。基于所述预测得分确定所述目标用户在所述目标时间段的预测
在场行为。
附图说明
[0007]为了更清楚地说明本说明书一个或多个实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图；
[0008]图1为本说明书一个或多个实施例提供的一种用户在场行为预测方法处理流程图；
[0009]图2为本说明书一个或多个实施例提供的一种应用于服务推送场景的用户在场行为预测方法处理流程图；
[0010]图3为本说明书一个或多个实施例提供的一种用户行为预测装置示意图；
[0011]图4为本说明书一个或多个实施例提供的一种用户行为预测设备的结构示意图。
具体实施方式
[0012]为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本文件的保护范围。
[0013]本说明书提供的一种用户在场行为预测方法实施例：
[0014]参照图1，其示出了本实施例提供的一种用户在场行为预测方法处理流程图，参照图2，其示出了本实施例提供的一种应用于服务推送场景的用户在场行为预测方法处理流程图。
[0015]参照图1，本实施例提供的用户在场行为预测方法，具体包括步骤S102至步骤S108。
[0016]步骤S102，根据应用访问数据以及行为轨迹数据计算目标用户与抽样用户的行为相似度，并确定至少一个抽样用户为所述目标用户的相似用户。
[0017]本实施例提供的用户在场行为预测方法中，首先通过对目标用户在目标时间段的在场行为进行预测，若预测获得的预测结果为无法预测，则借助相似用户在目标时间段的预测在场行为确定目标用户的预测在场行为，具体的，在对相似用户在目标时间段的在场行为进行预测的过程中，按照行为相似度对每个相似用户分配权重，并计算预测获得的在场行为属于同行为类别的相似用户的预测得分，进一步基于预测得分确定目标用户在目标时间段的预测在场行为，若预测在场行为属于在场状态，则在目标时间段向目标用户进行服务消息推送。
[0018]通过引入针对目标用户在目标时间段的在场行为预测，以及利用对相似用户在目标时间段的在场行为预测来完成对目标用户的在场行为预测的联合处理机制，以实现针对目标用户的在场行为预测的高精度和高可靠性，提升预测结果的置信度和时效性。
[0019]在实际的证件服务推送场景中，用户通过上传身份凭证等证件信息可以进行实名
登记，而往往上传证件信息的操作流程比较繁琐，并且用户在未随身携带证件的情况下，也无法完成上传证件信息的任务，由于用户处于目标场(比如住所)的过程中，一般时间比较自由，在此情况下，若能预测用户处于目标场或者目标路线，则可以针对性地向用户进行服务消息推送，避免数据资源的浪费，提升用户触发服务信息的概率，提升用户的转化效率。
[0020]本实施例中，所述应用访问数据以及所述行为轨迹数据根据历史访问记录生成，比如用户在T时刻(x，y)位置访问应用程序的过程中上传定位的地理位置信息；所述行为相似度表示两个用户在场行为之间的相似程度；实际应用中，用户在访问应用程序的过程中，可以上传自己的地理位置信息，此处访问应用并上传地理位置信息的用户即历史用户，从历史用户中抽取一定数量的用户作为样本进行行为相似度计算，该一定数量的用户即抽样用户，所述目标用户即需要进行目标时间段的在场行为预测的用户。
[0021]其中，在场行为包括在场状态或者非在场状态。
[0022]在服务处理的过程中，在场状态是指用户所处位置满足当前进行服务处理所要求的位置，反之，在用户所处位置不满足当前进行服务处理所要求的位置的情况下，确定用户的在场行为属于非在场状态。比如在服务消本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用户在场行为预测方法，包括：根据应用访问数据以及行为轨迹数据计算目标用户与抽样用户的行为相似度，并确定至少一个抽样用户为所述目标用户的相似用户；对所述相似用户在目标时间段的在场行为进行预测；按照所述行为相似度对所述相似用户进行权重分配，并根据分配的预测权重计算预测获得的在场行为属于同行为类别的相似用户的预测得分；基于所述预测得分确定所述目标用户在所述目标时间段的预测在场行为。2.根据权利要求1所述的用户在场行为预测方法，所述根据应用访问数据以及行为轨迹数据计算目标用户与抽样用户的行为相似度，包括：从历史用户的应用访问数据以及行为轨迹数据中抽取所述抽样用户；根据所述目标用户的应用访问数据以及行为轨迹数据构造行为特征向量，以及根据所述抽样用户的应用访问数据以及行为轨迹数据构造行为特征向量；将所述目标用户的行为特征向量以及所述抽样用户的行为特征向量输入相似度算法进行行为相似度计算，并输出所述目标用户与所述抽样用户的行为相似度。3.根据权利要求2所述的用户在场行为预测方法，所述根据所述抽样用户的应用访问数据以及行为轨迹数据构造行为特征向量，包括：从所述抽样用户的应用访问数据以及行为轨迹数据中抽取正样本用户和负样本用户；通过所述正样本用户的应用访问数据以及行为轨迹数据和所述负样本用户的应用访问数据以及行为轨迹数据，提取时间特征元素和/或在场行为元素；根据所述时间特征元素和/或所述在场行为元素构造所述抽样用户的行为特征向量。4.根据权利要求1所述的用户在场行为预测方法，所述确定至少一个抽样用户为所述目标用户的相似用户，包括：从所述抽样用户中筛选与所述目标用户的地理位置匹配的抽样用户；按照所述行为相似度由高到低的顺序对筛选获得的抽样用户进行排序处理，并将排序位置处于预设位置之前的抽样用户确定为所述相似用户。5.根据权利要求1所述的用户在场行为预测方法，所述根据应用访问数据以及行为轨迹数据计算目标用户与抽样用户的行为相似度，并确定至少一个抽样用户为所述目标用户的相似用户步骤执行之后，且所述对所述相似用户在目标时间段的在场行为进行预测步骤执行之前，还包括：对所述目标用户在所述目标时间段的在场行为进行预测；判断所述目标用户在所述目标时间段的在场行为的预测结果是否为空；若不为空，将所述预测结果作为所述目标用户在所述目标时间段的预测在场行为；若为空，执行所述对所述相似用户在目标时间段的在场行为进行预测步骤。6.根据权利要求5所述的用户在场行为预测方法，所述对所述目标用户在所述目标时间段的在场行为进行预测，包括：从所述目标用户的应用访问数据以及行为轨迹数据中读取所述目标用户的前次访问位置信息，并计算所述前次访问位置信息中的访问位置与目标场的距离；基于计算得到的距离确定所述目标用户在所述目标时间段的在场行为的预测结果；或者，
通过所述目标用户的应用访问数据以及行为轨迹数据获取所述目标用户的历史访问时间和/或历史位置信息；基于所述历史访问时间和/或所述历史位置信息统计所述目标用户处于在场状态的有效时间段，并计算所述有效时间段中各时间段处于所述在场状态的有效频次；基于所述有效频次确定所述目标用户在所述目标时间段的在场行为的预测结果；或者，基于所述目标用户的用户特征将所述目标用户划分至对应的群体特征类别；根据所述群体特征类别对应的在场行为特征，确定所述目标用户在所述目标时间段的在场行为的预测结果。7.根据权利要求1所述的用户在场行为预测方法，所述对所述相似用户在目标时间段的在场行为进行预测步骤执行之后，且所述按照所述行为相似度对所述相似用户进行权重分配，并根据分配...

【专利技术属性】
技术研发人员：薛少佳，
申请(专利权)人：支付宝杭州信息技术有限公司，
类型：发明
国别省市：