[发明专利]一种基于深度学习的用户行为预测方法

摘要

本发明公开了一种基于深度学习的用户行为预测方法，其特征在于，包括如下步骤：步骤一：用户序列数据生成；步骤二：访问序列数据处理；步骤三：训练循环神经网络模型；步骤四：购买概率实时预测。本发明达到对当前用户进入网站后的每一步访问行为进行实时的购买概率预测，及时的进行营销干预，提高网站转化的效果。

主权项

1.一种基于深度学习的用户行为预测方法，其特征在于，包括如下步骤：步骤一：用户序列数据生成，将每一个购买用户按照访问时间顺序形成一条访问序列数据，这些访问序列就是用户购买产品前的访问习惯；访问序列构成用户序列数据；步骤二：访问序列数据处理，对步骤一中生成的访问序列数据进行进一步处理，处理过程包括如下步骤：1)去除不重要的网页模块，对网页模块进行重要性评定，对重要性低于要求的网页模块需要在访问序列数据中先予以剔除；2)用户连续相同行为去重，针对具有连续的相同行为的访问序列数据，对其中用户的连续的相同行为进行去重；步骤三：训练循环神经网络模型；训练循环神经网络进行访问序列预测，输入是步骤二中页面访问的访问序列数据，输出也是页面访问的访问序列数据，如输出的访问序列数据长度不足，则用不相关的标记补齐，最终输出之前加入Softmax层得到访问序列数据对应的购买概率；步骤四：购买概率实时预测，当用户在网站上有了点击行为之后，通过已经训练好的循环神经网络模型，实时预测出用户下一步可能购买产品的可能性，即购买概率。