[发明专利]基于用户行为数据的关键信息推送方法及装置

说明书

本发明公开了基于用户行为数据的关键信息推送方法、装置、计算机设备及存储介质，涉及人工智能技术，将用户行为数据集进行至少3次细粒度的分组划分得到多个第二分类结果子集，以其为数据样本训练多个预测子模型，若接收到用户端上传的当前用户行为数据，获取对应的目标用户行为数据，以及对应的目标第二分类结果子集和目标第二分类结果子集对应的目标预测子模型，将当前用户行为数据输入至目标预测子模型进行运算，得到对应的当前预测结果，获取目标第二分类结果子集对应的目标筛选后字段因子集合，将其发送至对应的用户端。实现了获取更加匹配该当前用户行为数据进行预测的模型，得到的预测结果更加准确，而且所推送至用户端的数据更准确。

技术领域

本发明涉及人工智能的智能决策技术领域，尤其涉及一种基于用户行为数据的关键信息推送方法、装置、计算机设备及存储介质。

背景技术

目前，在信息推荐分发领域，出现了越来越多的信息推荐算法。例如常见的一种信息推荐方式是先获取目标用户的用户标签，然后在数据库中筛选与用户标签对应的目标数据后，将目标数据推送至目标用户。现有技术中的信息推荐算法是适用于用户标签易获取的场景，一旦用户的用户标签难以获取则无法进行数据推荐。

例如，在采集了用户了大量行为数据和用户属性数据后，由于数据维度较多而导致获取用户标签的准确度较低，而且效率低下。由于难以快速和准确的获取用户标签，这就导致了无法准确的向用户推荐目标数据。

发明内容

本发明实施例提供了一种基于用户行为数据的关键信息推送方法、装置、计算机设备及存储介质，旨在解决现有技术中服务器中采集了用户了大量行为数据和用户属性数据后，由于数据维度较多而导致获取用户标签的准确度较低，而且效率低下，无法更准确的向用户推荐目标数据的问题。

第一方面，本发明实施例提供了一种基于用户行为数据的关键信息推送方法，其包括：

接收若干个用户端分别上传的用户行为数据，组成用户行为数据集；

调用预设的第一分组数，根据所述第一分组数对所述用户行为数据集进行K-means聚类，得到聚类结果；

调用预设的第二分组数及预设的第一分组属性，根据所述第一分组属性和所述第二分组数对所述聚类结果中每一聚类簇进行分组，得到与每一聚类簇对应的第一分类结果子集；

调用预设的第三分组数及预设的第二分组属性，根据所述第二分组属性和所述第三分组数将每一第一分类结果子集均进行分组，得到与每一第一分类结果子集对应的第二分类结果子集；

对各所述第二分类结果子集依次进行因子显著性检验和共线性检验，得到与各第二分类结果子集分别对应的筛选后字段因子集合；

在本地的用户数据库中获取与各用户行为数据对应的标注值，将各第二分类结果子集分别对应的筛选后字段因子集合作对应待训练预测子模型的输入，将筛选后字段因子集合分别对应的标注值作为对应待训练预测子模型的输出值，对各待训练预测子模型进行模型训练，得到与各第二分类结果子集分别对应的预测子模型，组成预测模型集合；

若检测接收到用户端上传的当前用户行为数据，在所述用户行为数据集中获取与所述当前用户行为数据的数据相似度为最大值的目标用户行为数据，以及获取目标用户行为数据对应的目标第二分类结果子集和所述目标第二分类结果子集对应的目标预测子模型；

将所述当前用户行为数据输入至所述目标预测子模型进行运算，得到与所述当前用户行为数据对应的当前预测结果；以及

获取所述目标第二分类结果子集对应的目标筛选后字段因子集合，将所述目标筛选后字段因子集合发送至对应的用户端。

第二方面，本发明实施例提供了一种基于用户行为数据的关键信息推送装置，其包括：

行为数据集获取单元，用于接收若干个用户端分别上传的用户行为数据，组成用户行为数据集；