[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

说明书

本发明提供了一种基于浏览消费时序数据的用户需求分析方法及装置，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。

技术领域

本发明涉及大数据领域，尤指一种基于浏览消费时序数据的用户需求分析方法及装置。

背景技术

随着大数据、云计算、人工智能等为代表的新兴科学技术的迅速发展以及其在金融领域的广泛应用，银行越来越重视产品营销的精细化发展。如何通过利用精准的账户历史数据、用户浏览记录等有关消费行为的信息，进一步加强对用户需求与用户特征的有效识别，成为银行业的一个重要课题。

现阶段互联网已经成为获取信息最便利的渠道，金融机构通过分析用户的交易行为、浏览行为、点击行为、搜索行为等信息，能够有效识别用户的需求，进而根据用户需求智能判断用户对产品的需求程度；通过对用户历史搜索记录和点击行为数据的深入挖掘，找到用户需求的关联模式，可以有效提高产品推送的营销成功率。为此，随着信息化的快速发展，对海量用户浏览消费记录数据进行挖掘与分析越来越成为研究热点，越来越多方法被提出应用到用户对产品的需求分析预测中，如Logistic回归方法、决策树和随机森林方法等；但由于数据量庞大、处理复杂等技术难点，绝大部分研究还是定性分析影响因素来构建理论模型，性能都或多或少受到限制。综上，业内亟需一种精度较高的用户需求分析方法。

发明内容

本发明目的在于提供一种基于浏览消费时序数据的用户需求分析方法及装置，予以提供精度较高，且效果显著的用户需求分析，为后续研究提供有效的数据支持。

为达上述目的，本发明所提供的基于浏览消费时序数据的用户需求分析方法，具体包含：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。

在上述基于浏览消费时序数据的用户需求分析方法中，优选的，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。

在上述基于浏览消费时序数据的用户需求分析方法中，优选的，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。

在上述基于浏览消费时序数据的用户需求分析方法中，优选的，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。