[发明专利]一种用户行为预测方法及装置，电子设备

说明书

本申请用户行为预测方法，属于计算机技术领域，解决现有技术中预测结果不准确的问题。所述方法包括：根据目标用户在t时刻以前的行为数据，构建所述目标用户的t时刻行为转移概率矩阵；基于所述t时刻行为转移概率矩阵和预设行为影响因素，迭代训练所述目标用户的行为预估模型；通过所述行为预估模型，基于所述t时刻行为转移概率矩阵、所述预设行为影响因素和前一时刻所述目标用户行为预测结果，预测所述目标用户的下一行为。本申请实施例公开的用户行为预测方法，通过结合用户行为相关的因素和用户的行为转换关系进行行为预测，细化用户的行为粒度，全面考虑用户行为，并结合行为转化概率进行模型训练，有效提升了模型预测的准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种用户行为预测方法及装置，电子设备。

背景技术

用户行为预测，即根据用户的现有行为来预测用户的下一行为。用户行为预测在广告在线投放、推荐系统等很多领域都有着广泛应用。以O2O场景下以餐饮美食举例，通过预测用户的下一行为，可以针对该用户做精准的优惠券或者商家促销活动推送。现有的用户行为预测方法，一般是收集上报用户的操作日志，基于用户的操作日志进行数据的清洗过滤，然后按照点击、浏览、曝光等粗粒度的划分来记录用户的行为序列，以进行行为预测。然而，不同的业务场景中关注的用户行为不同，基于这种粗粒度的用户行为进行预测，并不能真正体现出具体的业务价值，难以达到准确的预测效果。另一方面，由于个体的行为数据有限，训练样本的覆盖度不够，现有技术中基于操作日志训练预测模型进行用户行为预测时，也会出现预测不准确的现象。并且，基于用户已有的偏好来进行预测时，使得在O2O场景中进行用户行为预测时具有局限性，难以在预测中发掘用户新的行为。

可见，现有技术中的用户行为预测方法，至少存在预测结果不准确的缺陷。

发明内容

本申请提供一种用户行为预测方法，解决现有技术中的用户行为预测方法的至少一个问题。

为了解决上述问题，第一方面，本申请实施例提供了一种用户行为预测方法包括：

根据目标用户在t时刻以前的行为数据，构建所述目标用户的t时刻行为转移概率矩阵；

基于所述t时刻行为转移概率矩阵和预设行为影响因素，迭代训练所述目标用户的行为预估模型；

通过所述行为预估模型，基于所述t时刻行为转移概率矩阵、所述预设行为影响因素和前一时刻所述目标用户行为预测结果，预测所述目标用户的下一行为；

其中，所述t时刻为所述目标用户行为发生的时刻；所述前一时刻所述目标用户行为预测结果为迭代训练之前所述行为预估模型对所述目标用户在t时刻的行为的预测结果。

第二方面，本申请实施例提供了一种用户行为预测装置，包括：

目标用户行为转移概率矩阵构建模块，用于根据目标用户在t时刻以前的行为数据，构建所述目标用户的t时刻行为转移概率矩阵；

模型训练模块，用于基于所述t时刻行为转移概率矩阵和预设行为影响因素，迭代训练所述目标用户的行为预估模型；

行为预测模块，用于通过所述行为预估模型，基于所述t时刻行为转移概率矩阵、所述预设行为影响因素和前一时刻所述目标用户行为预测结果，预测所述目标用户的下一行为；

其中，所述t时刻为所述目标用户行为发生的时刻；所述前一时刻所述目标用户行为预测结果为迭代训练之前所述行为预估模型对所述目标用户在t时刻的行为的预测结果。

第三方面，本申请实施例还公开了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本申请实施例所述的用户行为预测方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时本申请实施例公开的用户行为预测方法的步骤。