[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

说明书

本发明涉及数据处理技术，揭露了一种基于用户行为的数据分析方法，包括：获取用户的行为数据集并进行平滑滤波处理，得到无噪点数据集；识别无噪点数据集中的切换点，根据所述切换点将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多个无噪点数据子集进行特征提取，得到特征数据集；将特征数据集中的特征数据进行特征优选，得到优选特征集；利用分类器对优选特征集中的优选特征进行分类，得到用户的行为特征集；计算行为特征集中行为特征的得分，基于得分确定用户的行为类型。此外，本发明还涉及区块链技术，行为数据集和/或特征数据集可存储于区块链节点中。本发明可以解决基于用户行为的数据分析效率低和精确度低的问题。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于用户行为的数据分析方法、装置、电子设备及计算机可读存储介质。

背景技术

现有对于用户行为数据分析的技术中，主要通过视频进行行为分析。例如对行车记录仪中存储的驾驶视频进行视频分析来获取所述驾驶习惯等数据，在具体分析时，通过对驾驶视频中一段时间内用户急刹车的次数进行统计，来判定用户是否存在着喜欢急刹车的习惯；再比如通过对驾驶视频中一段时间内用户超速行驶的时长进行统计，来判断用户是否存在着喜欢超速行驶的习惯。但视频分析的过程中需要进行海量的图像数据处理，会占用大量计算资源，且由于外界环境因素，或者视频的清晰度不高也会导致分析出来的结果精确度不高，因此，如何提高对用户的行为数据进行分析的效率和精确度，成为了越来越重要的需求。

发明内容

本发明提供一种基于用户行为的数据分析方法、装置、电子设备及计算机可读存储介质，其主要目的在于提供一种提高对用户的行为数据进行分析的效率和精确度的数据分析方法。

为实现上述目的，本发明提供的一种基于用户行为的数据分析方法，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。

可选地，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。

可选地，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。

可选地，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；