[发明专利]基于行为共现网络的行为预测方法、装置、设备及介质

权利要求书

1.一种基于行为共现网络的行为预测方法，其特征在于，所述基于行为共现网络的行为预测方法包括：

当接收到对目标用户的行为预测指令时，获取所述目标用户的行为信息；

从所述行为信息中获取所述目标用户的行为及每个行为的发生时间；

根据每个行为的发生时间将所述目标用户的行为划分为至少一个行为段；

基于所述至少一个行为段构造目标行为共现网络；

将所述目标行为共现网络输入至预先构建的行为预测模型中，输出预测结果，其中，所述行为预测模型基于Graph Pooling及共现网络训练而得到。

2.如权利要求1所述的基于行为共现网络的行为预测方法，其特征在于，所述获取所述目标用户的行为信息包括：

解析所述行为预测指令的方法体，得到所述行为预测指令的携带信息；

获取预设标签，以所述预设标签在所述携带信息中进行匹配，得到匹配的数据；

将所述匹配的数据确定为目标对象；

获取在所述目标对象上产生的所有行为数据；

将所述所有行为数据中与所述目标用户对应的数据确定为所述行为信息。

3.如权利要求1所述的基于行为共现网络的行为预测方法，其特征在于，所述根据每个行为的发生时间将所述目标用户的行为划分为至少一个行为段包括：

根据每个行为的发生时间的连续性，以所述目标用户的行为构建行为序列；

计算所述行为序列中相邻行为的发生时间的时间差；

获取时间差阈值；

将时间差小于或者等于所述时间差阈值的行为划分为一类；

将每类中所包含的行为确定为一个行为段，并整合所有行为段，得到所述至少一个行为段。

4.如权利要求1所述的基于行为共现网络的行为预测方法，其特征在于，所述基于所述至少一个行为段构造目标行为共现网络包括：

获取每个行为段中的行为；

将每个行为段中的行为进行两两连接，得到与每个行为段对应的关系网络；

连接每个关系网络，得到所述目标行为共现网络。

5.如权利要求1所述的基于行为共现网络的行为预测方法，其特征在于，在将所述目标行为共现网络输入至预先构建的行为预测模型中前，所述基于行为共现网络的行为预测方法还包括：

获取样本序列；

以所述样本序列构造样本行为段；

根据所述样本行为段构造样本共现网络；

基于Graph Pooling对所述样本共现网络进行图池化处理，得到向量化的样本共现网络，其中，所述向量化的样本共现网络中的每个节点具有对应的嵌入向量；

在预设神经网络后接入全连接层，得到初始图神经网络；

以每个节点对应的嵌入向量作为输入数据训练所述初始图神经网络，直至所述初始图神经网络的准确率达到预设阈值，停止训练，得到所述行为预测模型，并保存所述预测模型至区块链。

6.如权利要求1所述的基于行为共现网络的行为预测方法，其特征在于，当所述GraphPooling采用全局节点时，所述基于Graph Pooling对所述样本共现网络进行图池化处理，得到向量化的样本共现网络包括：

对每个节点进行预设层的图卷积运算，得到每个节点的关系向量；

根据每个节点的关系向量构建第一网络；

获取预先配置的全局节点；

连接所述第一网络与所述全局节点，得到第二网络；

对所述第二网络进行图卷积运算，得到所述向量化的样本共现网络。

7.如权利要求1所述的基于行为共现网络的行为预测方法，其特征在于，所述基于行为共现网络的行为预测方法还包括：

获取指定时间段内与所述预测结果对应的所有行为；

确定所述所有行为中每个行为关于所述预测结果的出现频率；

获取出现频率最高的行为作为目标行为；

建立所述目标行为与所述预测结果的对应关系，并保存所述对应关系至区块链。