[发明专利]一种用户行为预测方法及装置有效
| 申请号： | 201610802500.6 | 申请日： | 2016-09-05 |
| 公开（公告）号： | CN107798332B | 公开（公告）日： | 2021-04-20 |
| 发明（设计）人： | 李长路 | 申请（专利权）人： | 华为技术有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06F16/9535 |
| 代理公司： | 北京中博世达专利商标代理有限公司 11274 | 代理人： | 申健 |
| 地址： | 518129 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供一种用户行为预测方法及装置，涉及大数据机器学习技术领域，能够降低高阶特征稀疏性在用户行为预测过程中引起的偏差。具体方案为：预测装置获取第一样本集中每个特征分别对应的权重；第一样本集中的每个样本包括行为标签和第一特征向量，第一特征向量包括多个一阶特征和多个高阶特征，高阶特征由多个一阶特征组合而成；预测装置记录每个特征分别出现的频次；确定第一频次边界；修正第一样本集中每个特征分别对应的权重；其中，修正具体包括：减小频次小于第一频次边界的特征分别对应的权重；根据修正后的每个特征分别对应的权重，预测目标第一特征向量与行为标签的取值的概率对应关系。本发明实施例用于预测用户行为。 | ||
| 搜索关键词： | 一种 用户 行为 预测 方法 装置 | ||
【主权项】：
一种用户行为预测方法，其特征在于，包括：获取第一样本集中每个特征分别对应的权重；所述第一样本集包括多个样本，所述第一样本集中的每个样本包括行为标签和第一特征向量，所述第一特征向量包括多个一阶特征和多个高阶特征，所述高阶特征由所述第一特征向量中的多个一阶特征组合而成；记录所述第一样本集中每个特征分别出现的频次；确定第一频次边界；修正所述第一样本集中每个特征分别对应的权重；其中，所述修正具体包括：减小频次小于第一频次边界的特征分别对应的权重；根据修正后的所述第一样本集中每个特征分别对应的权重，预测目标第一特征向量与行为标签的取值的概率对应关系。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华为技术有限公司，未经华为技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610802500.6/，转载请声明来源钻瓜专利网。
