[发明专利]用户行为预测及相应信息推荐方法和装置

说明书

本发明公开了一种用户行为预测及相应信息推荐方法和装置。其中，基于基准用户群中各个用户的n个原始标签为该用户生成多层标签对，将基准用户群中的各个用户划分到该用户所具有的多层标签对中，以生成多层标签对分组，并基于目标用户所具有的多层标签对所对应的多层标签对分组中的用户行为，预测目标用户的用户行为，根据预测的结果可以向用户推荐相应的信息。由此，相比于现有技术中的预估算法，本发明的预测方案通过简单地引入多层标签对来实现对特征进行层层投递，从而能够在节省大量模型训练和机器资源的同时，提升实际运用的预测和推荐效果。

技术领域

本发明涉及信息技术领域，特别是涉及一种用于预测用户行为并进行相应信息推荐的方法、装置、计算设备及存储介质。

背景技术

在信息类应用，例如新闻类、内容聚合类APP中，需要根据用户的行为属性，并基于特定算法进行分析，以便向用户推荐符合其浏览行为的相关信息，即对用户进行个性化推荐，个性化推荐核心技术是文章点击概率预估算法，目前常见的做法是使用协同过滤、矩阵分解、LR排序算法等。这些算法需要依据用户行为数据来训练模型。上述模型训练需要耗费大量的时间和机器资源，并且在数据不足的情况下无法进行。

鉴于现有技术的上述缺点，仍然需要一种更为简单有效的预测及推荐算法。

发明内容

本发明的一个目的在于提出一种简单有效的预测方案，其通过多层标签的设置提升预估准确率。相比于现有技术中的预估算法，本发明的预测方案能够在节省大量模型训练和机器资源的同时，提升实际运用的预测和推荐效果。

根据本发明的一个方面，提供了一种用户行为预测方法，包括：基于基准用户群中各个用户的n个原始标签为该用户生成多层标签对，其中，每个用户的多层标签对是该用户的所述n个原始标签集合的全部或部分非空子集，并且n是不小于2的整数；将所述基准用户群中的各个用户划分到该用户所具有的多层标签对中，以生成多层标签对分组；以及基于目标用户所具有的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为。

通过多层标签对的设置，将对应特征层层投射至目标用户，由此能够以相对简单且灵活的计算实现有效的用户行为预测。

在具体应用中，可以灵活选取基准用户群，其可以是全体用户群，也可以是实验用户群，并且目标用户也可根据需要包括或者不包括在其中。

优选地，原始标签可以基于用户的注册信息、在前行为和/或其使用的终端信息得出，由此从不同的维度来对用户进行灵活描述。

优选地，针对某一用户的多层标签对可以如下生成：将所述n个原始标签的集合设为T，求取T自身的笛卡尔积T*T，去除标签自身与自身的标签对，已得到经求取的标签对；对所述经求取的标签对集合重复上述求取过程，直到没有新标签对产生为止；将所述原始标签以及所有经求取的标签对作为所述用户的多层标签对。由此能够通过简单的迭代计算实现对多层标签对的方便获取。

所述方法还也可以滤除支持率不足的标签对。优选地，所述预测方法还包括：统计所述多层标签对在所述基准用户群中的出现概率；滤除出现概率小于阈值的多层标签对及其多层标签对分组，并且所述基于目标用户所具有的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为包括：基于目标用户所具有的经过滤的多层标签对所对应的多层标签对分组中的用户行为，预测所述目标用户的用户行为。由此，确保用于预测的标签对是在数量统计中已达到稳定可靠的值的标签对。

优选地，可以通过求取所对应的多层标签对分组中的每个分组中的所述用户行为出现的行为概率，并且基于所述每个分组的行为概率，来预测目标用户进行所述用户行为的概率。更优选地，可以直接使用该目标用户所具有的每个多层标签对所对应的每个分组的行为概率的均值来作为用户进行相应用户行为的概率。由此，能够以极小的计算量实现对用户行为的准确预测，从而提升系统效率。