[发明专利]一种用户行为预测方法、装置、设备及存储介质

说明书

本申请公开了一种用户行为预测方法、装置、设备及存储介质，所述方法包括：将训练场景中的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行为分类模型，对目标对象在目标场景中的行为进行预测；其中，确定行为分类模型包括：获取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；调整第一预设机器学习模型与第二预设机器学习模型的参数，直至样本对象的行为数据满足预设条件；将当前模型参数所对应的第二预设机器学习模型作为行为分类模型。采用本申请的技术方案，实现了在保护用户隐私的前提下，保证用户行为分类的准确性。

技术领域

本申请涉及互联网通信技术领域，尤其涉及一种用户行为预测方法、装置、设备及存储介质。

背景技术

随着移动智能设备的普及和互联网的迅猛发展，用户只要简单地通过操作移动智能设备上的应用，就可以方便的实现沟通、娱乐、支付等线上活动，也可以体验如O2O生活服务、导航、专车等线下消费，基本覆盖了绝大部分生活轨迹，由此也产生出了丰富的用户行为数据。这些数据一方面给用户自己带来很多的舒适和便利，让各种应用“比我更了解我”，不需要思考就能获取到自己想要的信息，但另一方面却暗地里泄露着用户自己的信息，成为隐患。所以如何保护用户的隐私数据成了数据使用的重中之重，如果不能有效保护用户的隐私数据，那不仅会对公司造成损失，更有可能会失去用户的信任。

常用的数据保护方法是数据降维，只保留数据中有意义的部分，其他部分不保留。但是现有的方法并没有考虑到由于数据相关性而导致降维特征依然能还原原特征的情况。

因此，有必要提供一种用户行为预测方法、装置、设备及存储介质，从而实现在保护用户隐私的前提下，保证用户行为分类的准确性。

发明内容

本申请提供了一种用户行为预测方法、装置、设备及存储介质，可以实现在保护用户隐私的前提下，保证用户行为分类的准确性。

一方面，本申请提供了一种用户行为预测方法，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。

另一方面提供了一种用户行为预测装置，所述装置包括：

行为分类模型确定模块，用于在训练场景中确定用于用户行为预测的行为分类模型；

模型迁移模块，用于将所述行为分类模型迁移至目标场景；

行为预测模块，用于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，所述行为分类模型确定模块包括：

样本对象的行为数据获取子模块，用于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；