[发明专利]基于用户行为的数据分析方法、装置、电子设备及介质

权利要求书

1.一种基于用户行为的数据分析方法，其特征在于，所述方法包括：

获取用户的行为数据集，对所述行为数据集进行平滑滤波处理，得到无噪点数据集；

识别所述无噪点数据集中的切换点，根据所述切换点将所述无噪点数据集划分为多个无噪点数据子集；

利用特征提取网络对所述多个无噪点数据子集进行特征提取，得到特征数据集；

将所述特征数据集中的特征数据进行特征优选，得到优选特征集；

利用预设的分类器对所述优选特征集中的优选特征进行分类，得到所述用户的行为特征集；

分别计算所述行为特征集中各个行为特征的得分，基于所述得分确定所述用户的行为类型。

2.如权利要求1所述的基于用户行为的数据分析方法，其特征在于，所述识别所述无噪点数据集中的切换点，包括：

利用多个预设可调节长度的时间窗口对所述无噪点数据集进行数据采样，得到采样数据集；

利用预设的能量值算法计算所述采样数据集的能量值；

判断所述采样数据集中第一采样数据和第二采样数据的能量值之差是否大于预设能量阈值，其中，所述第一采样数据和所述第二采样数据为连续的不同时间窗口分别采集到的数据；

若所述采样数据集中第一采样数据和第二采样数据的能量值之差大于预设能量阈值，确定所述连续的不同时间窗口的中点位置为切换点。

3.如权利要求2所述的基于用户行为的数据分析方法，其特征在于，所述能量值算法为：

其中，E为所述能量值，s(k)为所述采样数据集中任一采样数据的值，μ为所述采样数据集中所有采样数据的均值，δ为所述采样数据集中所有采样数据的标准差，m为所述时间窗口的长度。

4.如权利要求1所述的基于用户行为的数据分析方法，其特征在于，所述将所述特征数据集中的特征数据进行特征优选，得到优选特征集，包括：

对所述特征数据集中的特征数据进行权重计算，得到特征权重；

从所述特征数据集中选取所述特征权重大于权重阈值的目标特征数据，将所述目标特征数据汇集为所述优选特征集。

5.如权利要求1至4任一项所述的基于用户行为的数据分析方法，其特征在于，所述分别计算所述行为特征集中各个行为特征的得分，基于所述得分确定所述用户的行为类型，包括：

利用得分算法计算所述行为特征集中每个行为特征的得分；

将所述行为特征集中每个行为特征的得分进行加权平均，得到用户总体行为得分；

根据所述用户总体行为得分确定所述用户的行为类型。

6.如权利要求1所述的基于用户行为的数据分析方法，其特征在于，所述对所述行为数据集进行平滑滤波处理，得到无噪点数据集，包括：

剔除所述行为数据集中频率大于滤波模型的截止频率阈值的数据，剔除完成后得到所述无噪点数据集。

7.如权利要求1所述的基于用户行为的数据分析方法，其特征在于，所述利用特征提取网络对所述多个无噪点数据子集进行特征提取包括：

描述多个无噪点数据子集中无噪点数据的数据特征；

利用机器学习算法对所述数据特征进行特征提取，得到特征数据。

8.一种基于用户行为的数据分析装置，其特征在于，所述装置包括：

数据去噪模块，用于获取用户的行为数据集，对所述行为数据集进行平滑滤波处理，得到无噪点数据集；

数据划分模块，用于识别所述无噪点数据集中的切换点，根据所述切换点将所述无噪点数据集划分为多个无噪点数据子集；

特征提取模块，用于利用特征提取网络对所述多个无噪点数据子集进行特征提取，得到特征数据集；

特征优选模块，用于将所述特征数据集中的特征数据进行特征优选，得到优选特征集；

特征分类模块，用于利用预设的分类器对所述优选特征集中的优选特征进行分类，得到所述用户的行为特征集；

类型判别模块，用于分别计算所述行为特征集中各个行为特征的得分，基于所述得分确定所述用户的行为类型。