[发明专利]基于浏览消费时序数据的用户需求分析方法及装置

权利要求书

1.一种基于浏览消费时序数据的用户需求分析方法，其特征在于，所述方法包含：

获取监测期内用户的历史行为数据，根据所述历史行为数据中用户的交易行为发生情况分别截取预定周期内用户的行为数据构建正样本数据和负样本数据；

对所述正样本数据和所述负样本数据进行数值化处理生成数值序列，对所述数值序列进行向量化处理生成正负样本集矩阵；

通过所述正负样本集矩阵训练并验证基于深度学习长短期记忆神经网络构建的学习模型获得需求分析模型；

采集用户的待测行为数据，根据所述待测行为数据和所述需求分析模型获得用户需求。

2.根据权利要求1所述的基于浏览消费时序数据的用户需求分析方法，其特征在于，根据所述历史行为数据中用户的交易行为发生情况分别截取预定周期内用户的行为数据构建正样本数据和负样本数据包含：

当所述历史行为数据中包含交易行为时，根据所述交易行为的交易发生时间截取所述交易发生时间之前预定第一周期内的第一行为数据，根据所述第一行为数据生成正样本数据；

当所述历史行为数据中预定第二周期内用户未发生交易行为时，截取用户在预定第三周期内的第二行为数据，根据所述第二行为数据生成负样本数据。

3.根据权利要求2所述的基于浏览消费时序数据的用户需求分析方法，其特征在于，当所述历史行为数据中包含交易行为时，根据所述交易行为的交易发生时间截取所述交易发生时间之前预定第一周期内的第一行为数据包含：当所述历史行为数据中包含多次交易行为时，以第N次交易行为的交易发生时间为起始时间；以所述起始时间为起点向前推预定第四周期后，截取预定第一周期内的第一行为数据。

4.根据权利要求2所述的基于浏览消费时序数据的用户需求分析方法，其特征在于，当所述历史行为数据中预定第二周期内用户未发生交易行为时，截取用户在预定第三周期内的第二行为数据包含：所述第三周期小于所述第二周期，且起始时间和终止时间皆不相同。

5.根据权利要求1所述的基于浏览消费时序数据的用户需求分析方法，其特征在于，对所述正样本数据和所述负样本数据进行数值化处理生成数值序列之前还包含：

获取所述正样本数据和所述负样本数据中的网址浏览记录，根据所述网址浏览记录中与所述交易行为的相关性剔除无关网址，获得关联网址字符串。

6.根据权利要求5所述的基于浏览消费时序数据的用户需求分析方法，其特征在于，对所述正样本数据和所述负样本数据进行数值化处理生成数值序列包含：

对所述关联网址字符串进行编号，构建网址字符串和网址编号的关联词典；

根据所述关联词典和所述关联网址字符串生成数值序列。

7.根据权利要求6所述的基于浏览消费时序数据的用户需求分析方法，其特征在于，对所述数值序列进行向量化处理生成正负样本集矩阵包含：根据预设单位浏览时长，将所述数值序列映射为多维向量获得正负样本集矩阵。

8.根据权利要求1所述的基于浏览消费时序数据的用户需求分析方法，其特征在于，对所述数值序列进行向量化处理生成正负样本集矩阵包含：

获取所述正样本数据和所述负样本数据中的用户账户金额变动数据，根据所述用户账户金额变动数据以预设时长为单位构建单位时长金额变动向量；

将所述单位时长金额变动向量聚合生成正负样本集矩阵。

9.根据权利要求1所述的基于浏览消费时序数据的用户需求分析方法，其特征在于，通过所述正负样本集矩阵训练并验证基于深度学习长短期记忆神经网络构建的学习模型获得需求分析模型包含：

将所述正负样本集矩阵按预设比例分割为训练集和测试集；

通过所述训练集训练所述学习模型，通过所述测试集验证训练后的所述学习模型获得需求分析模型。