[发明专利]用户行为预测方法及装置

说明书

本发明公开了一种用户行为预测方法及装置，涉及信息技术领域，主要目的在于能够提升用户行为预测准确率，所述方法包括：对目标用户的用户行为日志进行分析，得到用户属性向量和用户行为指标向量；将所述用户属性向量和所述用户行为指标向量输入到预先训练的行为预测决策树模型中，以获取所述目标用户的预测行为概率，所述行为预测决策树模型为利用预设决策树算法对样本用户属性向量、样本用户行为指标向量以及样本用户行为进行训练得到的；根据所述预测行为概率，确定所述目标用户的预测行为。本发明适用于用户行为的预测。

技术领域

本发明涉及信息技术领域，特别是涉及一种用户行为预测方法及装置。

背景技术

随着移动互联网的快速发展，人们的日常生活与工作越来越依赖互联网。如何使用日益增长的移动用户大数据进行用户行为预测，已成为移动个性化服务领域，如移动电子商务、移动位置服务、移动广告点击率预测等方面亟待解决的技术问题。

目前，通常直接根据用户行为日志分析的用户行为指标，对用户行为进行预测，即直接将用户行为指标匹配的用户行为，确定为用户预测行为。然而，不同的用户行为可能会匹配同一用户行为指标，通过上述方式预测用户行为，会造成用户行为预测错误，从而导致用户行为预测准确率较低。

发明内容

有鉴于此，本发明提供一种用户行为预测方法及装置，主要目的在于能够提升用户行为预测准确率。

依据本发明第一方面，提供了一种用户行为预测方法，包括：

对目标用户的用户行为日志进行分析，得到用户属性向量和用户行为指标向量；

将所述用户属性向量和所述用户行为指标向量输入到预先训练的行为预测决策树模型中，以获取所述目标用户的预测行为概率，所述行为预测决策树模型为利用预设决策树算法对样本用户属性向量、样本用户行为指标向量以及样本用户行为进行训练得到的；

根据所述预测行为概率，确定所述目标用户的预测行为。

依据本发明第二方面，提供了一种用户行为预测装置，包括：

分析单元，用于对目标用户的用户行为日志进行分析，得到用户属性向量和用户行为指标向量；

输入单元，用于将所述用户属性向量和所述用户行为指标向量输入到预先训练的行为预测决策树模型中，以获取所述目标用户的预测行为概率，所述行为预测决策树模型为利用预设决策树算法对样本用户属性向量、样本用户行为指标向量以及样本用户行为进行训练得到的；

确定单元，用于根据所述预测行为概率，确定所述目标用户的预测行为。

依据本发明第三方面，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实现以下步骤：

对目标用户的用户行为日志进行分析，得到用户属性向量和用户行为指标向量；

将所述用户属性向量和所述用户行为指标向量输入到预先训练的行为预测决策树模型中，以获取所述目标用户的预测行为概率，所述行为预测决策树模型为利用预设决策树算法对样本用户属性向量、样本用户行为指标向量以及样本用户行为进行训练得到的；

根据所述预测行为概率，确定所述目标用户的预测行为。

依据本发明第四方面，提供了一种用户行为预测装置，包括存储器、处理器及存储在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程序时实现以下步骤：

对目标用户的用户行为日志进行分析，得到用户属性向量和用户行为指标向量；

将所述用户属性向量和所述用户行为指标向量输入到预先训练的行为预测决策树模型中，以获取所述目标用户的预测行为概率，所述行为预测决策树模型为利用预设决策树算法对样本用户属性向量、样本用户行为指标向量以及样本用户行为进行训练得到的；