[发明专利]预测用户行为的方法及装置

摘要

本说明书实施例提供一种预测用户行为的方法，所述方法基于预先训练的多层神经网络而执行，所述多层神经网络中至少包括输入层，多个特征层和输出层，所述方法包括：首先，在所述输入层获取原始特征矩阵，其中包括与多个基础特征对应的多个基础特征向量，所述多个基础特征中至少包括与用户相关的用户特征；接着，基于所述多个基础特征向量，在所述多个特征层中逐层进行特征向量组合；然后，在所述输出层获取最终特征矩阵，基于所述最终特征矩阵，输出针对用户行为的预测结果，其中所述最终特征矩阵至少基于所述特征向量组合的结果而确定。

主权项

1.一种预测用户行为的方法，所述方法基于预先训练的多层神经网络而执行，所述多层神经网络中至少包括输入层，多个特征层和输出层，所述方法包括：在所述输入层获取原始特征矩阵，其中包括与多个基础特征对应的多个基础特征向量，所述多个基础特征中至少包括与用户相关的用户特征；基于所述多个基础特征向量，在所述多个特征层中逐层进行特征向量组合，具体包括：在所述多个特征层中的当前特征层，获取上一层输出的第一特征矩阵，所述第一特征矩阵中包括第一数量N个第一特征向量；将所述第一特征矩阵转换为第二特征矩阵，所述第二特征矩阵中包括N个第二特征向量，所述N个第二特征向量中的第i个第二特征向量，是以各个第一特征向量与第i个第一特征向量之间的关联度为权重，对各个第一特征向量的对应向量组合得到；将所述第二特征矩阵转换为第三特征矩阵作为下一层神经网络的输入，所述第三特征矩阵中包括第二数量M个第三特征向量，所述第二数量M小于所述第一数量N；所述M个第三特征向量中的第j个第三特征向量，是利用M个N维权重向量中的第j个N维权重向量中的权重，对所述N个第二特征向量组合得到；在所述输出层获取最终特征矩阵，基于所述最终特征矩阵，输出针对用户行为的预测结果，其中所述最终特征矩阵至少基于所述特征向量组合的结果而确定。