[发明专利]一种用户行为分析方法及用户行为分析装置

说明书

技术领域

本发明涉及信息处理技术，尤其涉及一种用户行为分析方法及装置。

背景技术

随着电商平台的不断完善和发展，线上商品所占的市场份额越来越大。不断丰富的线上商品在给人们带来工作和生活上的便利的同时，也给人们在挑选中意的商品时造成了干扰和困惑。因此，越来越多的研究者开始关注个性化的商品推荐，以将用户中意的商品推荐给用户。

个性化的商品推荐需要获取用户的相关信息，从而为不同类型的用户投放不同的商品或者针对同一商品使用不同的营销策略。用户在访问线上商品时，往往能够留下访问痕迹，比如访问过的网页、提交的注册信息、查询的关键字和发表的评论信息等。这些访问痕迹一般被记录在数据库里，以便于离线或在线分析用户行为。

现有技术提供了多种对用户行为进行分析的方法。但是，现有技术中的用户行为分析方法通常是对商品特征的分析，其结果是获得了符合商品特征的用户。由于未能考虑到用户需求，因此利用现有技术的方案并不能获得用户需要的商品，从而也就造成了利用现有的方法用户为推荐的商品不准确。

发明内容

有鉴于此，本发明提供一种用户行为分析方法及装置，能够更为准确的确定用户的兴趣点，提高为用户推荐的商品的准确性。

为解决上述技术问题，本发明实施例提供的用户行为分析方法，包括：

获取多个用户对多个商品的行为记录；

确定所述多个商品中的每个商品在预设的商品特征空间中的商品特征向量，得到由所述多个商品的商品特征向量组成的商品特征矩阵；

根据同一用户对同一商品的行为记录，计算该用户对该商品的喜好度评分，进而得到由所述多个用户对所述多个商品的喜好度评分组成的评分矩阵；

根据对所述评分矩阵与预测矩阵的差异函数的正则化最小二乘的求解结果，获得用户在所述商品特征空间中的用户特征向量，所述预测矩阵为用户特征矩阵与所述商品特征矩阵的内积，所述用户特征矩阵为所述多个用户的用户特征向量构成的矩阵。

上述用户行为分析方法中，所述行为记录包括行为发生时间，行为类别和行为发生地点；所述根据同一用户对同一商品的行为记录，计算该用户对该商品的喜好度评分包括：

解析同一用户对同一商品的行为记录，获得该用户针对该商品的每个行为的行为发生时间、行为类别和行为发生地点；

根据所述每个行为的行为发生时间、行为类别和行为发生地点，计算所述每个行为的评分并求和，得到该用户对该商品的喜好度评分，其中，所述行为发生时间、行为类别和行为发生地点在喜好度评分中均有对应的权重，行为发生时间对应的权重与行为发生时间距离一预设考察时间的间隔长度负相关。

上述用户行为分析方法中，所述根据所述每个行为的行为发生时间、行为类别和行为发生地点，计算所述每个行为的评分并求和，得到该用户对该商品的喜好度评分包括：

根据每个行为的行为发生时间、行为类别和行为发生地点，按照下述公式确定所述用户对所述多个商品中的每个商品的喜好度评分：

其中，r_ij表示第i个用户对第j个商品的喜好度评分；K_ij表示第i个用户对第j个商品的行为的集合，k表示第i个用户对第j个商品的第k个行为，t_k、l_k、b_k分别表示第k个行为的行为发生时间、行为类别和行为发生地点，w(t_k)、w(l_k)、w(b_k)则分别表示第k个行为的行为发生时间、行为类别和行为发生地点对应的时间权重、位置权重和行为类别权重。

上述用户行为分析方法中，在所述评分矩阵的所有元素取值均为已知时，所述用户特征向量为用户特征矩阵的列向量，其中，所述用户特征矩阵U表示为：U＝(αI+VV^T)^-1VR^T；

其中，V表示商品特征矩阵；I表示单位阵；α表示预设的调整系数，所述调整系数为大于或等于0的常数；R表示评分矩阵。

上述用户行为分析方法中，在所述评分矩阵中存在取值未知的元素时，第i个用户在所述商品特征空间中的用户特征向量表示为：