[发明专利]行为预测方法及装置

权利要求书

1.一种行为预测方法，其特征在于，所述方法包括：

获取至少一个时间周期对应的静态特征集，所述静态特征集中的每一类静态特征为与所述时间周期相邻的，且位于所述时间周期前的预设时间段内的所述样本的静态特征，所述静态特征集包括发生特定行为的正样本的静态特征及未发生特定行为的负样本的静态特征；

基于所述静态特征集获取所述样本的动态特征集；

基于所述静态特征集及所述动态特征集，组合得到所述样本的建模数据集；

对所述建模数据集进行训练，得到行为预测模型，所述行为预测模型用于输出待预测对象的标签，所述标签用于指示所述待预测对象是否发生特定行为。

2.根据权利要求1所述的行为预测方法，其特征在于，所述获取至少一个时间周期对应的样本的静态特征集包括：

获取多个时间周期对应的正样本的静态特征及一个时间周期对应的负样本的静态特征。

3.根据权利要求1所述的行为预测方法，其特征在于，所述基于所述静态特征集获取所述样本的动态特征集包括：

计算所述预设时间段中的第一时间段内的第一类静态特征值与第二时间段内的所述第一类静态特征值的差值，得到第一动态特征；和/或

计算所述预设时间段中的第一时间段内的第一类静态特征值与所述第一时间内的所有样本的所述第一类静态特征值的平均值的差值，得到第二动态特征。

4.根据权利要求1-3任一项所述的行为预测方法，其特征在于，在对所述特征集进行训练之前，所述方法还包括：

将所述建模数据集按照所述样本的预设比例分为训练集和测试集；

且在对所述训练集进行训练得到所述行为预测模型之后，所述方法还包括：

将所述测试集中的样本的静态特征和/或动态特征输入到所述行为预测模型，输出所述测试集中的所述样本的标签，所述标签用于指示所述测试集中的所述样本是否发生特定行为。

5.根据权利要求1-3任一项所述的行为预测方法，所述基于所述静态特征集及所述动态特征集，得到所述样本的建模数据集包括：

利用决策树删除所述静态特征集中的静态特征；

将删除处理后的所述静态特征集与所述动态特征集进行组合得到所述样本的建模数据集。

6.一种行为预测装置，其特征在于，所述装置包括：

第一获取模块，用于获取至少一个时间周期对应的样本的静态特征集，所述静态特征集中的每一类静态特征为与所述时间周期相邻，且位于所述时间周期前的预设时间段内的所述样本的静态特征，所述静态特征集包括发生特定行为的正样本的静态特征及未发生特定行为的负样本的静态特征；

第二获取模块，用于基于所述静态特征集获取所述样本的动态特征集；

筛选模块，用于基于所述静态特征集及所述动态特征集，组合得到所述样本的建模数据集；

训练模块，用于对所述建模数据集进行训练，得到行为预测模型，所述行为预测模型用于输出待预测对象的标签，所述标签用于指示所述待预测对象是否发生特定行为。

7.根据权利要求6所述的行为预测装置，其特征在于，所述第一获取模块具体用于：

获取多个时间周期对应的正样本的静态特征及一个时间周期对应的负样本的静态特征。

8.根据权利要求6所述的行为预测装置，其特征在于，所述第二获取模块包括：

第一获取单元，用于计算所述预设时间段中的第一时间段内的第一类静态特征值与第二时间段内的所述第一类静态特征值的差值，得到第一动态特征；和/或

第二获取单元，用于计算所述预设时间段中的第一时间段内的第一类静态特征值与所述第一时间内的所有样本的所述第一类静态特征值的平均值的差值，得到第二动态特征。