[发明专利]一种预测用户行为发生概率的方法和装置

权利要求书

1.一种预测用户行为发生概率的方法，其特征在于，包括：

提取用户行为的历史数据，所述历史数据由多天的用户行为数据组成；

基于对所述用户未来行为的分类的数量来配置修改的SqueezeNet卷积神经网络；

利用训练数据训练所述修改的SqueezeNet卷积神经网络；以及

将所述历史数据输入到经训练的所述修改的SqueezeNet卷积神经网络中，生成对应于所述用户未来行为的分类中的每一个发生的概率，

其中，所述修改的SqueezeNet卷积神经网络包括按顺序级联的卷积层以及全连接层。

2.根据权利要求1所述的方法，其特征在于，所述用户行为数据反映所述用户是否领取了购物券，并且包括以下5个数据中的一个或多个：第一数据包括当天所述用户是否签到的信息，第二数据包括当天所述用户通过签到领取的购物券的价值；第三数据包括当天所述用户是否领到购物券的信息，第四数据包括当天所述用户领取购物券的次数，第五数据包括当天所述用户所领取到的购物券的价值总和。

3.根据权利要求1所述的方法，其特征在于，所述历史数据是二维矩阵，所述二维矩阵的行数是基于所述历史数据的天数，所述二维矩阵的列数是基于所述用户行为数据的数目。

4.根据权利要求1所述的方法，其特征在于，所述全连接层的节点数等于所述用户未来行为的分类的数量。

5.根据权利要求1所述的方法，其特征在于，所述全连接层的激活函数是softmax。

6.一种预测用户行为发生概率的装置，其特征在于，包括：

数据提取单元，所述数据提取模块用于提取用户行为的历史数据，所述历史数据由多天的用户行为数据组成；

修改的SqueezeNet卷积神经网络，其中基于对所述用户未来行为的分类的数量来配置修改的SqueezeNet卷积神经网络；

训练单元，所述训练单元利用训练数据训练所述修改的SqueezeNet卷积神经网络；以及

预测单元，所述预测单元将所述历史数据输入到经训练的所述修改的SqueezeNet卷积神经网络中，生成对应于所述用户未来行为的分类中的每一个发生的概率，

其中，所述修改的SqueezeNet卷积神经网络包括按顺序级联的卷积层以及全连接层。

7.根据权利要求6所述的装置，其特征在于，所述用户行为数据反映所述用户是否领取了购物券，并且包括以下5个数据中的一个或多个：第一数据包括当天所述用户是否签到的信息，第二数据包括当天所述用户通过签到领取的购物券的价值；第三数据包括当天所述用户是否领到购物券的信息，第四数据包括当天所述用户领取购物券的次数，第五数据包括当天所述用户所领取到的购物券的价值总和。

8.根据权利要求6所述的装置，其特征在于，所述历史数据是二维矩阵，所述二维矩阵的行数是基于所述历史数据的天数，所述二维矩阵的行数是基于所述用户行为数据的数目。

9.根据权利要求6所述的装置，其特征在于，所述全连接层的节点数等于所述用户未来行为的分类的数量。

10.根据权利要求6所述的装置，其特征在于，所述全连接层的激活函数是softmax。

11.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被一个或多个处理器执行时实现如权利要求1-5中任一所述的方法。