[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

说明书

本发明涉及人工智能领域，提供一种基于行为共现网络的行为预测方法、装置、设备及介质，能够获取目标用户的行为信息，根据每个行为的发生时间将目标用户的行为划分为至少一个行为段，以对用户的行为进行区分，进而对不同的行动主体进行有效解耦，更好的学习用户的行为信息，基于行为段构造目标行为共现网络并输入至预先构建的行为预测模型中，输出预测结果，其中，行为预测模型基于Graph Pooling及共现网络训练而得到，以划分的行为段构造行为共现关系，以构造目标行为共现网络，增强了行为段之间的区分度，使模型预测更加准确，进而基于人工智能手段实现对用户的行为预测。本发明还涉及区块链技术，行为预测模型及预测结果可存储于区块链。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于行为共现网络的行为预测方法、装置、设备及介质。

背景技术

现有技术中所采用的行为序列建模方法，普遍是将用户行为信息表示为一个序列，并基于序列模型进行建模，将点击等行为表示成一个离散连续的序列，再截取最近一段时间的行为或最近若干个行为动作，让模型学习用户的行为信息。

然而，即便是对于同一个用户的点击行为，由于用户在不同的时间做的事情可能是不一样的，如果不对行为段进行区分，会导致多种异质信息耦合在一起，难以区分，用户的行为主体不明确，并进一步导致模型的预测精度不足。

发明内容

鉴于以上内容，有必要提供一种基于行为共现网络的行为预测方法、装置、设备及介质，能够基于时间段对用户的行为进行区分，进而能够对不同的行动主体进行有效解耦，以更好的学习用户的行为信息，并且，以划分的行为段构造行为共现关系，以构造目标行为共现网络，增强了行为段之间的区分度，使模型预测更加准确，进而基于人工智能手段实现对用户的行为预测。

一种基于行为共现网络的行为预测方法，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。

根据本发明优选实施例，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。

根据本发明优选实施例，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。

根据本发明优选实施例，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：