[发明专利]行为周期确定方法及装置

说明书

本发明为行为周期确定方法及装置，提供行为周期检测方法及装置，其中方法包括：确定一用户的多个行为类型对应的多个缴费数据序列；针对每个行为类型对应的缴费数据序列执行下述操作：若该行为类型对应缴费数据序列中的历史缴费记录数据个数不大于第一数值，则采用固定周期预测模型为该行为类型确定缴费行为周期；若该行为类型对应缴费数据序列中的历史缴费记录数据个数大于第一数值、不大于第二数值，则采用平均周期预测模型为该行为类型确定缴费行为周期；若该行为类型对应缴费数据序列中的历史缴费记录数据个数大于第二数值，则采用复杂周期预测模型为该行为类型确定缴费行为周期。本发明为不同用户的不同缴费行为生成对应周期预测模型，从而提升周期预测模型的准确性。

技术领域

本申请涉及通信技术领域，尤其涉及行为周期确定方法及装置。

背景技术

目前于信息时代中用户可以在移动应用上进行多种类型的缴费行为，例如电费缴费、水费缴费、电话缴费、燃气缴费、宽带缴费等多种类型。

缴费行为通常具有一定的周期性，所以可以生成周期预测模型以计算用户缴费行为周期，以便预测下次缴费行为时间，从而提前提醒用户，进而提升用户体验。

目前，通常基于不同用户历史缴费记录数据训练机器模型得到周期预测模型，基于该周期预测模型为不同用户的不同类型缴费行为计算缴费行为周期。

但是，由于不同用户具有不同行为习惯，对不同类型缴费行为也有不同缴费习惯，所以不同用户的不同类型行为对应的缴费周期存在较大的差别。因此现有技术方案基于同一周期预测模型计算得到缴费行为周期，其准确性较差。

发明内容

鉴于此，本申请提供一种行为周期检测方法及装置，可以分别为不同用户的不同缴费行为生成对应的周期预测模型，从而提升周期预测模型的准确性。

为了实现上述目的，本发明提供了下述技术特征：

一种行为周期检测方法，包括：

确定一用户的多个行为类型对应的多个缴费数据序列；其中所述缴费数据序列包括至少一个按时间先后排列的历史缴费记录数据；

针对每个行为类型对应的缴费数据序列执行下述操作：

若该行为类型对应缴费数据序列中的历史缴费记录数据个数不大于第一数值，则采用固定周期预测模型为该行为类型确定缴费行为周期；

若该行为类型对应缴费数据序列中的历史缴费记录数据个数大于第一数值、不大于第二数值，则采用平均周期预测模型为该行为类型确定缴费行为周期；

若该行为类型对应缴费数据序列中的历史缴费记录数据个数大于第二数值，则采用复杂周期预测模型为该行为类型确定缴费行为周期。

可选的，所述采用固定周期预测模型为该行为类型确定缴费行为周期包括：

查询与所述行为类型对应的预设周期；

将所述预设周期作为该行为类型的缴费行为周期。

可选的，所述历史缴费记录数据包括缴费时间，则所述采用平均周期预测模型为该行为类型确定缴费行为周期包括：

计算该行为类型对应缴费数据序列中相邻历史缴费记录数据之间的缴费时间间隔；

将该行为类型对应缴费数据序列中相邻历史缴费记录数据之间的缴费时间间隔的加权平均值，确定为该行为类型的缴费行为周期。

可选的，所述历史缴费记录数据包括缴费时间和对应的缴费金额，则所述采用平均周期预测模型为该行为类型确定缴费行为周期包括：

计算该行为类型对应的缴费数据序列中各个历史缴费记录数据中缴费金额的平均使用速率；

将最近缴费金额与平均使用速率的商值，确定为缴费行为周期。