[发明专利]行为预测方法、装置及设备

说明书

本发明实施例提供一种行为预测方法、装置及设备，该方法包括：获取第一用户的用户数据，用户数据包括第一用户在历史时段内访问预设平台的行为信息；对用户数据进行数据处理得到第一用户的特征信息，特征信息包括如下信息中的至少两种：第一用户在历史时段的第一行为特征、第一用户在历史时段的各子时段内的第二行为特征、第一用户在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、第一用户在历史时段内的具有个人情感的第四行为特征；根据特征信息和特征信息中每个行为特征对应的预测模型，预测第一用户在第一时段内访问预设平台的访问概率。提高了预测用户行为的准确性。

技术领域

本发明实施例涉及计算机技术领域，尤其涉及一种行为预测方法、装置及设备。

背景技术

目前，很多电商平台(例如购物平台、娱乐平台等)为提升运营效果，通常需要对用户的行为进行预测。

在实际应用过程中，电商平台为了提升运营效果，通常会预测用户在未来的一个时段是否会登录电商平台，若是，则向用户推送一些商品信息，若否，则不向用户推送商品信息。在现有技术中，电商平台通常会根据经验值估计用户在预设时段是否会访问电商平台，然而，电商平台根据经验值无法估计出用户在预设时段内是否会访问电商平台，导致对用户的行为预测的准确性较低。

发明内容

本发明实施例提供一种行为预测方法、装置及设备，提高了预测用户行为的准确性。

第一方面，本发明实施例提供一种行为预测方法，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。

在一种可能的实施方式中，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。

在一种可能的实施方式中，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。

在一种可能的实施方式中，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。

在一种可能的实施方式中，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；