【技术实现步骤摘要】
本申请涉及嵌入式分析，尤其涉及一种用户行为分析方法、设备及平台。
技术介绍
1、现有的服务推荐系统无法全面了解用户的需求和偏好，只能通过主观判断或产品设计人员调研来制定用户的推荐服务，这样的做法可能会导致推荐的服务与用户实际需求脱节，无法满足用户的要求，影响用户体验和满意度。
技术实现思路
1、为至少在一定程度上克服相关技术中的服务推荐系统只能通过主观判断或产品设计人员调研来制定用户的推荐服务，会导致推荐的服务与用户实际需求脱节的问题，本申请提供一种用户行为分析方法、设备及平台。
2、本申请的方案如下：
3、根据本申请实施例的第一方面，提供一种用户行为分析方法，包括：
4、在用户登入系统时，判断用户类别；
5、若用户为第一类别，获取用户行为埋点日志数据，根据用户行为埋点日志数据，通过预先训练的第一模型计算平台服务热度；
6、根据平台服务热度和预先配置的广告策略生成多种推荐策略方案；
7、在多个推荐策略方案中确定第一类别用户的终选推荐策略方案，根据第一类别用户的终选推荐策略方案向第一类别用户进行服务推送；
8、若用户为第二类别，确定用户的语义相似度得分排序序列、行为相似度得分排序序列、行为操作积分排序序列和平台服务热度排序序列；
9、根据预先对各排序序列分配的权重值，生成第二类别用户的推荐策略方案，根据第二类别用户的推荐策略方案向第二类别用户进行服务推送。
10、优选地，用户类
11、第一类别用户为小于预设注册时长的用户，第二类别用户为不小于预设注册时长的用户。
12、优选地，各所述推荐策略方案中所述平台服务热度和所述广告策略的占比不同。
13、优选地，所述方法还包括：
14、获取数据库中预先计算的服务名称的向量；
15、计算各服务名称的向量的皮尔逊相似度作为语义相似度，生成语义相似度得分排序序列；
16、获取用户在多种操作维度上的操作分值；
17、根据用户在多种操作维度上的操作分值，通过预先训练的第二模型计算用户行为相似度，生成行为相似度得分排序序列；
18、根据用户在多种操作维度上的操作分值，确定用户自身行为积分，生成行为操作积分排序序列；
19、根据用户在多种操作维度上的操作分值，通过预先训练的第三模型计算不同类型的热门平台服务，生成平台服务热度排序序列。
20、优选地，所述第一模型为推荐冷启动召回模型；
21、所述第二模型为hpmn模型；
22、所述第三模型为robert-wwm模型。
23、优选地，进行服务推送前，所述方法还包括：
24、对第一类别用户的终选推荐策略方案或第二类别用户的推荐策略方案中包含的服务进行排版。
25、优选地，获取用户行为埋点日志数据，包括：获取用户行为埋点日志中各平台服务对应的用户点击总次数、用户总量和用户浏览时长。
26、优选地，所述方法还包括：
27、监听业务系统和用户行为，获取业务实时动态；
28、在所述业务实时动态出现违规内容时判断所述违规内容的违规级别，根据所述违规内容的违规级别对业务人员发送违规提醒。
29、根据本申请实施例的第二方面，提供一种用户行为分析设备，包括：
30、处理器和存储器；
31、所述处理器与存储器通过通信总线相连接：
32、其中，所述处理器，用于调用并执行所述存储器中存储的程序；
33、所述存储器，用于存储程序，所述程序至少用于执行如以上任一项所述的一种用户行为分析方法。
34、根据本申请实施例的第三方面，提供一种用户行为分析平台，通过低代码和嵌入式系统实现，用于执行如以上任一项所述的一种用户行为分析方法，其特征在于，包括：
35、业务生产系统和智能助手系统；
36、所述业务生产系统包括：业务流程服务模块和业务库；
37、所述业务流程服务模块包括：业务web容器；
38、所述业务web容器中包括嵌入式的智能助手客户端和业务单据容器；
39、所述智能助手系统包括：智能助手服务模块、配置管理服务模块、可视化开发服务模块、数据模型服务模块、数据建模模块、实时库和分析库；
40、所述业务单据容器通过api调用所述智能助手客户端；
41、所述智能助手客户端将异步事件发送到所述业务单据容器；
42、所述业务单据容器和所述业务库之间进行数据读取和数据写入；
43、所述实时库实时采集所述业务库中的数据；
44、所述分析库批量采集所述实时库中的数据；
45、所述数据建模模块读取所述实时库和所述分析库中的数据，或将数据写入所述分析库；
46、所述智能助手服务模块、配置管理服务模块、可视化开发服务模块、数据模型服务模块为所述智能助手客户端提供服务支持；
47、所述智能助手服务模块用于服务容器、布局管理，跨域兼容，请求封装与路由，消息处理与转发；
48、所述配置管理服务模块用于业务场景管理、服务发布管理和角色权限管理；
49、所述可视化开发服务模块用于实现自定义界面开发，支持简易报表、个性化图标、可视化小控件和脚本嵌入；
50、所述数据模型服务模块用于提供数据服务集，针对不同场景提供相应的智能服务模型。
51、本申请提供的技术方案可以包括以下有益效果：本申请中的用户行为分析方法，包括：在用户登入系统时，判断用户类别；若用户为第一类别，获取用户行为埋点日志数据，根据用户行为埋点日志数据，通过预先训练的第一模型计算平台服务热度；根据平台服务热度和预先配置的广告策略生成多种推荐策略方案；在多个推荐策略方案中确定第一类别用户的终选推荐策略方案，根据第一类别用户的终选推荐策略方案向第一类别用户进行服务推送。若用户为第二类别，确定用户的语义相似度得分排序序列、行为相似度得分排序序列、行为操作积分排序序列和平台服务热度排序序列；根据预先对各排序序列分配的权重值，生成第二类别用户的推荐策略方案，根据第二类别用户的推荐策略方案向第二类别用户进行服务推送。本申请中的技术方案，通过对用户行为进行分析，从而了解用户的需求和偏好，使得生成的推荐策略方案中推荐的服务满足用户的实际需求。并且本申请中的技术方案，还针对不同类别的用户采用不同的方式对用户行为进行分析，从而生成不同的推荐策略方案，可以更准确的为用户提供个性化服务。
52、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种用户行为分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，用户类别通过用户注册时长进行划分；
3.根据权利要求1所述的方法，其特征在于，各所述推荐策略方案中所述平台服务热度和所述广告策略的占比不同。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述第一模型为推荐冷启动召回模型；
6.根据权利要求1所述的方法，其特征在于，进行服务推送前，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，获取用户行为埋点日志数据，包括：获取用户行为埋点日志中各平台服务对应的用户点击总次数、用户总量和用户浏览时长。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
9.一种用户行为分析设备，其特征在于，包括：
10.一种用户行为分析平台，通过低代码和嵌入式系统实现，用于执行权利要求1-8任一项所述的一种用户行为分析方法，其特征在于，包括：
【技术特征摘要】
1.一种用户行为分析方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，用户类别通过用户注册时长进行划分；
3.根据权利要求1所述的方法，其特征在于，各所述推荐策略方案中所述平台服务热度和所述广告策略的占比不同。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述第一模型为推荐冷启动召回模型；
6.根据权利要求1所述的方法，其特征在于，进...
【专利技术属性】
技术研发人员：孔明礼，王绥，陈惠东，王顺喜，
申请(专利权)人：北京用友政务软件股份有限公司，
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。