[发明专利]应用用户行为数据的处理方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，提供一种应用用户行为数据的处理方法、装置、设备及存储介质，用于提高基于应用用户行为数据分析的业务操作调整策略的准确性。应用用户行为数据的处理方法包括：对应用用户行为数据进行预设类型分类、序列数据转换和分类统计，得到应用操作记录序列和待处理应用数据；对应用操作记录序列进行后续业务操作意向的预测得到业务操作意向预测数据；对应用操作记录序列进行分类得到动态分值数据，对待处理应用数据进行分类得到静态分值数据；根据动态分值数据、静态分值数据和业务操作意向预测数据和目标分值数据获取待推送的业务操作调整策略。此外，本发明还涉及区块链技术，应用用户行为数据可存储于区块链中。

技术领域

本发明涉及人工智能的智能决策领域，尤其涉及一种应用用户行为数据的处理方法、装置、设备及存储介质。

背景技术

随着互联网技术和计算机技术的发展，用户逐渐通过各种操作应用实现各种对应业务操作，为了能够及时有效地对用户进行应用推送，采集应用程序的静态数据，基于数据分析指标（如：应用程序的日活跃用户数量DAU、月活跃用户人数MAU、新增用户量、用户留存率，各页面间的跳转率、流失率和成交率等），对应用程序的静态数据进行用户业务操作意向的预测，得到预测结果，将预测结果对应的业务操作调整策略发送至用户端。

上述方法中，由于所采用的数据分析指标为基于机械化的数据指标，只能反映用户整体的使用情况，无法对单一用户的操作行为本身进行深度分析，因而，导致了业务操作意向的预测准确性低，从而导致了基于应用用户行为数据分析的业务操作调整策略的准确性低。

发明内容

本发明提供一种应用用户行为数据的处理方法、装置、设备及存储介质，用于提高基于应用用户行为数据分析的业务操作调整策略的准确性。

本发明第一方面提供了一种应用用户行为数据的处理方法，包括：

获取应用用户行为数据，并对所述应用用户行为数据进行预设类型分类、序列数据转换和分类统计，得到应用操作记录序列和待处理应用数据；

通过预置的循环神经网络模型，对所述应用操作记录序列进行后续业务操作意向的预测，得到业务操作意向预测数据；

调用预置的动态分类模型，对所述应用操作记录序列进行基于业务操作意向的分类，得到动态分值数据，并调用预置的静态分类模型，对所述待处理应用数据进行基于业务操作意向的分类，得到静态分值数据；

对所述动态分值数据和所述静态分值数据进行求和，得到目标分值数据，并根据所述业务操作意向预测数据和所述目标分值数据，从预置调整策略序列中获取待推送的业务操作调整策略。

可选的，在本发明第一方面的第一种实现方式中，所述获取应用用户行为数据，并对所述应用用户行为数据进行预设类型分类、序列数据转换和分类统计，得到应用操作记录序列和待处理应用数据，包括：

获取应用用户行为数据，按照业务操作结果和预设类型，对所述应用用户行为数据进行分类，得到初始应用操作数据和初始应用数据，所述预设类型包括应用操作数据类型和应用用户数据类型；

对所述初始应用操作数据进行基于预设时段的链表存储，得到应用操作记录序列；

对所述初始应用数据进行基于预设维度的操作对象分类和记录统计，得到待处理应用数据。

可选的，在本发明第一方面的第二种实现方式中，所述通过预置的循环神经网络模型，对所述应用操作记录序列进行后续业务操作意向的预测，得到业务操作意向预测数据，包括：

通过预置的循环神经网络模型，对所述应用操作记录序列进行基于业务操作结果达成的后续业务操作预测，得到目标后续业务操作信息，所述目标后续业务操作信息包括目标后续业务操作数据和所述目标后续业务操作数据基于业务操作结果达成的概率值；