[发明专利]一种用户行为预测方法、装置、设备及存储介质

权利要求书

1.一种用户行为预测方法，其特征在于，所述方法包括：

在训练场景中确定用于用户行为预测的行为分类模型；

将所述行为分类模型迁移至目标场景；

将目标对象的行为数据输入所述行为分类模型，对所述目标对象在所述目标场景中的行为进行预测；

其中，所述在训练场景中确定用于用户行为预测的行为分类模型包括：

获取所述训练场景中标注有行为类别标签的样本对象的行为数据；

对第一预设机器学习模型与第二预设机器学习模型进行对抗学习训练，其中，所述第一预设机器学习模型用于基于所述样本对象的行为数据进行行为数据重构训练，所述第二预设机器学习模型用于基于所述样本对象的行为数据进行行为分类训练；

在所述对抗学习训练中，调整所述第一预设机器学习模型与所述第二预设机器学习模型的参数，直至所述样本对象的行为数据的重构损失值大于第一预设阈值，且所述样本对象的行为数据的分类损失值小于第二预设阈值；

将当前模型参数所对应的第二预设机器学习模型作为所述行为分类模型。

2.根据权利要求1所述的方法，其特征在于，所述第一预设机器学习模型包括编码器和解码器，所述第二预设机器学习模型包括所述编码器和分类器；所述调整所述第一预设机器学习模型与所述第二预设机器学习模型的参数，直至所述样本对象的行为数据的重构损失值大于第一预设阈值，且所述样本对象的行为数据的分类损失值小于第二预设阈值包括：

固定所述编码器与所述分类器的参数，通过更新所述解码器的参数，使所述解码器的重构损失值增大；

固定所述解码器的参数，通过更新所述编码器与所述分类器的参数，使所述分类器的目标损失值减小；

交替执行上述两个步骤，直至所述解码器的重构损失值大于所述第一预设阈值，且所述分类器的目标损失值小于所述第二预设阈值。

3.根据权利要求1所述的方法，其特征在于，所述当前模型参数包括所述第一预设机器学习模型对应的第一模型参数和所述第二预设机器学习模型对应的第二模型参数，所述将当前模型参数所对应的第二预设机器学习模型作为所述行为分类模型包括：

基于所述当前模型参数，确定所述第一模型参数与所述第二模型参数；

将所述第一模型参数所对应的第一预设机器学习模型作为行为数据重构模型；

将所述第二模型参数所对应的第二预设机器学习模型作为所述行为分类模型。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

将所述行为数据重构模型迁移至所述目标场景；

将所述目标对象的行为数据输入所述行为数据重构模型，得到所述目标对象的重构行为数据；

存储所述目标对象的标识信息与所述目标对象的重构行为数据的映射关系。

5.根据权利要求4所述的方法，其特征在于，所述将目标对象的行为数据输入所述行为分类模型，对所述目标对象在所述目标场景中的行为进行预测的步骤之前，所述方法还包括：

获取所述目标对象的标识信息；

基于所述映射关系，获取与所述目标对象的标识信息对应的所述目标对象的重构行为数据；

相应的，所述将目标对象的行为数据输入所述行为分类模型，对所述目标对象在所述目标场景中的行为进行预测包括：

将所述目标对象的重构行为数据输入所述行为分类模型，对所述目标对象在所述目标场景中的行为进行预测。

6.根据权利要求5所述的方法，其特征在于，所述将所述目标对象的重构行为数据输入所述行为分类模型进行行为分类的步骤之后，所述方法还包括：

基于所述目标对象在所述目标场景的行为分类结果，判断是否向所述目标对象发送所述目标场景中推荐信息。

7.根据权利要求6所述的方法，其特征在于，所述行为分类结果包括有触发行为结果，所述基于所述目标对象在所述目标场景的行为分类结果，判断是否向所述目标对象发送所述目标场景中推荐信息包括：

基于所述目标对象在所述目标场景的有触发行为结果，向所述目标对象发送所述目标场景中推荐信息。