[发明专利]用户行为的预测方法及其相关设备

权利要求书

1.一种用户行为的预测方法，其特征在于，包括下述步骤：

获取历史时间段内的传感器数据，并根据所述传感器数据生成训练数据集；所述训练数据集包括所述历史时间段内的多个子时间段和每个所述子时间段对应的用户行为；

根据所述训练数据集对预设神经网络模型进行用户行为预测训练，直至损失函数收敛，得到行为预测模型；

获取当前时间段对应的目标用户行为，并将所述目标用户行为输入所述行为预测模型，得到未来时间段的用户行为。

2.根据权利要求1所述的预测方法，其特征在于，所述根据所述训练数据集对预设神经网络模型进行用户行为预测训练，直至损失函数收敛，得到行为预测模型，包括：

根据所述训练数据集中的子时间段，将所述训练数据集划分为至少一个输入输出对；其中，目标输入输出对包括一个输入数据和一个输出数据；一个输入数据和一个输出数据中均包括一个子时间段和所述一个子时间段对应的用户行为；且所述目标输入输出对中输入数据对应的子时间段中的时刻，均早于所述目标输入输出对中输出数据对应的子时间段中的时刻；所述目标输入输出对为所述至少一个输入输出对中任一输入输出对；

将所述至少一个输入输出对中的输入数据，作为预设神经网络模型的输入，所述至少一个输入输出对中的输出数据，作为预设神经网络模型的输出，对预设神经网络模型进行用户行为预测训练，直至损失函数收敛，得到行为预测模型。

3.根据权利要求2所述的预测方法，其特征在于，所述训练数据集包括至少两个训练数据，一个所述训练数据包括一个子时间段和所述一个子时间段对应的用户行为；所述根据所述训练数据集中的子时间段，将所述训练数据集划分为至少一个输入输出对，包括：

对所述训练数据集中的每个所述训练数据执行处理操作，得到至少一个输入输出对；

所述处理操作包括：

在第一训练数据的子时间段中的时刻，均早于第二训练数据的子时间段中的时刻，且所述第一训练数据的子时间段中的第一个时刻与所述第二训练数据的子时间段中的第一个时刻之间的时长为目标时长时，确定所述第一训练数据为输入数据，所述第二训练数据为输出数据；其中，所述第一训练数据与所述第二训练数据均为所述训练数据集中任一训练数据；将所述第一训练数据作为输入数据，所述第二训练数据作为输出数据生成一个输入输出对。

4.根据权利要求1所述的预测方法，其特征在于，所述传感器数据由所述历史时间段内的时刻和每个时刻对应的数据值组成；所述根据所述传感器数据生成训练数据集，包括：

通过傅里叶变换将所述传感器数据转换为频率数据集；所述频率数据集由所述历史时间段内的多个子时间段和每个所述子时间段对应的频率组成；

根据所述频率数据集和预设关系确定每个所述子时间段对应的用户行为；所述预设关系为频率和用户行为之间的对应关系；

根据每个所述子时间段对应的用户行为生成训练数据集。

5.根据权利要求4所述的预测方法，其特征在于，所述用户行为至少包括步行、静止、玩手机、开车；所述根据所述频率数据集和预设关系确定每个所述子时间段对应的用户行为，包括：

对每个子时间段对应的频率在预设关系中执行匹配操作，得到每个子时间段对应的用户行为；

所述匹配操作包括：

在目标子时间段对应的频率，处于所述预设关系中目标用户行为对应的频率中时，确定所述目标子时间段对应的用户行为是目标用户行为；所述目标用户行为为步行、静止、玩手机、开车中的任一用户行为。

6.根据权利要求1-5任一项所述的预测方法，其特征在于，所述获取历史时间段内的传感器数据，包括：

获取历史时间段内目标传感器的传感器数据；所述目标传感器为加速计、陀螺仪、气压计、协处理器中的至少一个。

7.根据权利要求1-5任一项所述的预测方法，其特征在于，在根据所述传感器数据生成训练数据集之前，所述预测方法还包括：

对所述传感器数据进行去噪处理。