[发明专利]行为预测方法、装置及设备

权利要求书

1.一种行为预测方法，其特征在于，包括：

获取第一用户的用户数据，所述用户数据包括所述第一用户在历史时段内访问预设平台的行为信息；

对所述用户数据进行数据处理得到所述第一用户的特征信息，所述特征信息包括如下信息中的至少两种：所述第一用户在所述历史时段的第一行为特征、所述第一用户在所述历史时段的各子时段内的第二行为特征、所述第一用户在所述历史时段的各子时段内的具有时间衰减特性的第三行为特征、所述第一用户在所述历史时段内的具有个人情感的第四行为特征；

根据所述特征信息和所述特征信息中每个行为特征对应的预测模型，预测所述第一用户在第一时段内访问所述预设平台的访问概率。

2.根据权利要求1所述的方法，其特征在于，所述根据所述特征信息和所述特征信息中每个行为特征对应的预测模型，预测所述第一用户在第一时段内访问所述预设平台的访问概率，包括：

根据所述特征信息中包括的行为特征，确定至少两个预测模型，一种行为特征对应一种预测模型；

将所述特征信息中包括的行为特征输入至对应的预测模型，得到每个预测模型的输出；

根据每个预测模型的输出，预测所述第一用户在第一时段内访问所述预设平台的概率。

3.根据权利要求2所述的方法，其特征在于，所述根据每个预测模型的输出，预测所述第一用户在第一时段内访问所述预设平台的概率，包括：

获取每个预测模型对应的权重值；

根据每个预测模型对应的权重值和每个预测模型的输出，确定所述第一用户在第一时段内访问所述预设平台的概率。

4.根据权利要求2或3所述的方法，其特征在于，所述第一行为特征对应第一预测模型，所述第一预测模型为根据多组第一样本训练得到的；

其中，每组第一样本包括样本用户在样本历史时段内访问所述预设平台的样本行为特征、以及所述样本用户在所述样本历史时段之后的一个样本时段内访问所述预设平台的样本概率。

5.根据权利要求2或3所述的方法，其特征在于，所述第二行为特征对应第二预测模型，所述第二预测模型为根据多组第二样本训练得到的；

其中，每组第二样本包括样本用户在样本历史时段的各样本子时段内访问所述预设平台的样本行为特征、以及所述样本用户在所述样本历史时段之后的一个样本时段内访问所述预设平台的样本概率。

6.根据权利要求2或3所述的方法，其特征在于，所述第三行为特征对应第三预测模型，所述第三预测模型为根据多组第三样本训练得到的；

其中，每组第三样本包括样本用户在样本历史时段的各样本子时段内访问所述预设平台的具有时间衰减特性的样本行为特征、以及所述样本用户在所述样本历史时段之后的一个样本时段内访问所述预设平台的样本概率。

7.根据权利要求2或3所述的方法，其特征在于，所述第四行为特征对应第四预测模型，所述第四预测模型为根据多组第四样本训练得到的；

其中，每组第四样本包括样本用户在样本历史时段的各样本子时段内访问所述预设平台的具有个人情感的样本行为特征、以及所述样本用户在所述样本历史时段之后的一个样本时段内访问所述预设平台的样本概率。

8.根据权利要求1-7任一项所述的方法，其特征在于，对所述用户数据进行数据处理得到所述第一行为特征，包括：

获取所述第一行为特征对应的至少一种数据类型；

在所述用户数据中确定每种数据类型对应的特征值；

根据每种数据类型对应的特征值，确定所述第一行为特征。

9.根据权利要求1-7任一项所述的方法，其特征在于，对所述用户数据进行数据处理得到所述第二行为特征，包括：

将所述历史时段划分为至少两个子时段；

在所述用户数据中确定每个子时段对应的子用户数据；

获取所述子时段对应的至少一种数据类型；

分别在每个子时段对应的子用户数据中确定每种数据类型对应的特征值；

根据每个子时段中每种数据类型对应的特征值，确定所述第二行为特征。