【技术实现步骤摘要】
本专利技术涉及智能决策及金融科技领域，尤其涉及一种基于马尔科夫链的浏览轨迹分析方法、装置、计算机设备及计算机可读存储介质。
技术介绍
1、基于马尔科夫链的浏览轨迹分析是指将用户的历史浏览轨迹生成为马尔科夫链，再基于马尔可夫链对应的概率大小来预测未来时段内用户的浏览轨迹的概率大小，根据所预测的未来时段内的浏览轨迹的概率大小，来确定哪些浏览轨迹可以作为用户的未来浏览轨迹，基于马尔科夫链的浏览轨迹分析可以应用于金融科技行业，例如在保险行业，可以根据用户对保险产品的历史浏览记录来分析用户接下来的浏览记录的概率大小，从而确定用户接下来会进行哪些记录的浏览。
2、目前，随着互联网和电子商务的迅猛发展，用户在网站上的浏览行为变得越来越复杂，准确预测用户的浏览轨迹对于提升用户体验和优化网站结构具有重要意义，这是因为，可以通过准确预测用户的浏览轨迹，来为用户进行浏览页面的个性化推荐，从而提升用户的浏览舒适度。
3、现有技术中，缺乏一种有效的方法来利用用户的历史浏览数据进行精确的轨迹分析。
技术实现思路
1、本专利技术提供一种基于马尔科夫链的浏览轨迹分析方法、装置、计算机设备及计算机可读存储介质，其主要目的在于利用用户的历史浏览数据进行精确的轨迹分析。
2、第一方面，本专利技术提供的一种基于马尔科夫链的浏览轨迹分析方法，包括：
3、收集历史用户的历史浏览记录，从所述历史浏览记录中识别所述历史用户的指标数据，记录所述历史用户在不同时间点的浏览状态，基于所述
4、构建所述历史有效指标的指标链式结构，从所述历史有效指标中识别所述历史用户的浏览行为的指标状态，利用所述指标状态构建所述浏览行为的状态空间；
5、基于所述指标链式结构，计算所述状态空间中每个指标状态之间的状态转移概率，并通过所述状态转移概率构建所述浏览行为的状态转移矩阵；
6、采集当前用户的当前浏览记录，从所述当前浏览记录中获取所述当前用户的当前有效指标，根据所述状态转移矩阵，计算所述当前有效指标的指标转移概率，利用所述指标转移概率分析所述当前用户的指标浏览轨迹；
7、基于所述指标浏览轨迹，向所述当前用户发送感兴趣指标，以通过所述感兴趣指标完成所述当前用户的指标浏览轨迹分析，得到所述当前用户的指标浏览轨迹分析结果。
8、第二方面，本专利技术还提供一种基于马尔科夫链的浏览轨迹分析装置，所述装置包括：
9、指标提取模块，用于收集历史用户的历史浏览记录，从所述历史浏览记录中识别所述历史用户的指标数据，记录所述历史用户在不同时间点的浏览状态，基于所述浏览状态，从所述指标数据中提取历史有效指标；
10、状态构建模块，用于构建所述历史有效指标的指标链式结构，从所述历史有效指标中识别所述历史用户的浏览行为的指标状态，利用所述指标状态构建所述浏览行为的状态空间；
11、矩阵构建模块，用于基于所述指标链式结构，计算所述状态空间中每个指标状态之间的状态转移概率，并通过所述状态转移概率构建所述浏览行为的状态转移矩阵；
12、轨迹分析模块，用于采集当前用户的当前浏览记录，从所述当前浏览记录中获取所述当前用户的当前有效指标，根据所述状态转移矩阵，计算所述当前有效指标的指标转移概率，利用所述指标转移概率分析所述当前用户的指标浏览轨迹；
13、结果得到模块，用于基于所述指标浏览轨迹，向所述当前用户发送感兴趣指标，以通过所述感兴趣指标完成所述当前用户的指标浏览轨迹分析，得到所述当前用户的指标浏览轨迹分析结果。
14、第三方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于马尔科夫链的浏览轨迹分析方法的步骤。
15、第四方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述基于马尔科夫链的浏览轨迹分析方法的步骤。
16、可以看出，本专利技术实施例通过从所述历史浏览记录中识别所述历史用户的指标数据，以用于将繁琐的历史浏览记录进行分类，减少历史浏览记录的类别复杂度，本专利技术实施例通过构建所述历史有效指标的指标链式结构，以用于利用马尔科夫链对用户浏览行为进行建模，将每个浏览指标视为一个状态，用户在不同状态之间的转换被准确地捕捉和建模，与传统方法相比，马尔科夫链模型可以更加精确地描述用户行为的动态特性，本专利技术实施例通过基于所述指标链式结构，计算所述状态空间中每个指标状态之间的状态转移概率，以用于通过对大量用户历史浏览数据进行分析，动态计算状态之间的转移概率，这种方法能够适应用户行为的变化，确保转移概率的准确性和实时性，从而提高预测的精度，进一步的，本专利技术实施例通过所述状态转移概率构建所述浏览行为的状态转移矩阵，以用于通过将状态转移概率组织成矩阵形式，提供了一种高效的状态转移矩阵构建方法，状态转移矩阵可以快速进行矩阵运算，从而实现对用户未来浏览轨迹的高效预测，这种高效的矩阵构建方法在处理大规模用户数据时具有显著优势，进一步的，本专利技术实施例通过利用所述指标转移概率分析所述当前用户的指标浏览轨迹，以用于不仅能够预测用户的下一步行为，还能够进行多步预测，通过反复应用状态转移矩阵，能够预测用户未来多步的浏览轨迹，为推荐系统提供更深入的行为洞察，本专利技术实施例通过基于所述指标浏览轨迹，向所述当前用户发送感兴趣指标，以用于基于马尔科夫链的轨迹预测结果，将预测结果无缝集成到推荐系统中，能够实时向用户推荐可能感兴趣的相关行业的指标数据或页面，相比于静态推荐系统，本专利技术的实时推荐系统能够根据用户当前的浏览状态和预测的未来轨迹，提供更加个性化和动态的推荐服务。因此，本专利技术实施例提出的一种基于马尔科夫链的浏览轨迹分析方法、装置、计算机设备及计算机可读存储介质，可以利用用户的历史浏览数据进行精确的轨迹分析。
本文档来自技高网...【技术保护点】
1.一种基于马尔科夫链的浏览轨迹分析方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于马尔科夫链的浏览轨迹分析方法，其特征在于，所述从所述历史浏览记录中识别所述历史用户的指标数据，包括：
3.如权利要求1所述的基于马尔科夫链的浏览轨迹分析方法，其特征在于，所述基于所述指标链式结构，计算所述状态空间中每个指标状态之间的状态转移概率，包括：
4.如权利要求1所述的基于马尔科夫链的浏览轨迹分析方法，其特征在于，所述通过所述状态转移概率构建所述浏览行为的状态转移矩阵，包括：
5.如权利要求1所述的基于马尔科夫链的浏览轨迹分析方法，其特征在于，所述根据所述状态转移矩阵，计算所述当前有效指标的指标转移概率，包括：
6.如权利要求1所述的基于马尔科夫链的浏览轨迹分析方法，其特征在于，所述利用所述指标转移概率分析所述当前用户的指标浏览轨迹，包括：
7.如权利要求1中所述的基于马尔科夫链的浏览轨迹分析方法，其特征在于，所述基于所述指标浏览轨迹，向所述当前用户发送感兴趣指标，包括：
8.一种基于马尔科夫链的
9.一种计算机设备，其特征在于，所述计算机设备包括：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于马尔科夫链的浏览轨迹分析方法。
...【技术特征摘要】
1.一种基于马尔科夫链的浏览轨迹分析方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于马尔科夫链的浏览轨迹分析方法，其特征在于，所述从所述历史浏览记录中识别所述历史用户的指标数据，包括：
3.如权利要求1所述的基于马尔科夫链的浏览轨迹分析方法，其特征在于，所述基于所述指标链式结构，计算所述状态空间中每个指标状态之间的状态转移概率，包括：
4.如权利要求1所述的基于马尔科夫链的浏览轨迹分析方法，其特征在于，所述通过所述状态转移概率构建所述浏览行为的状态转移矩阵，包括：
5.如权利要求1所述的基于马尔科夫链的浏览轨迹分析方法，其特征在于，所述根据所述状态转移矩阵，计算所述当前有...
【专利技术属性】
技术研发人员：尚二朋，
申请(专利权)人：中国平安财产保险股份有限公司，
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。