一种识别周期性行为的方法及装置
技术领域
本申请涉及数据处理领域,尤其涉及一种识别周期性行为的方法及装置。
背景技术
周期性行为,是指发生时刻呈现一定的周期性的行为。一般地,周期性行为可分为严格周期性行为和非严格周期性行为。
严格周期性行为,是指发生时刻和行为内容均呈现严格周期性的行为。例如,若某行为的第n次的发生时刻为(n-1)T0,且每次发生的该行为的行为内容均相同,则该行为为严格周期性行为。
非周期性行为,是指发生时刻和行为内容这两个指标均呈现类周期性,或者这两个指标中的一个指标呈现严格周期性而另一个指标呈现类周期性的行为。比如,若某行为的行为内容呈现严格周期性,第一次发生时刻为T1,第二次发生时刻为T2,第三次发生时刻为T3,且T2-T1≠T3-T2、Δ1=T2-T1与Δ2=T3-T2之差小于规定时长阈值,则该行为为非严格周期性行为。又比如,若某行为在第一次发生时的行为内容为N1,第二次发生时的行为内容为N2,第三次发生时的行为内容为N3,且N1、N2和N3互不相同、N1、N2和N3彼此之间的差异处于可接受范围内,则该行为为非严格周期性行为。
现有技术中,已有一些比较成熟、用以识别周期性行为的技术。比如,针对用户对于一些产品的操作行为而言,有技术提出依靠用户在某些产品上所表现出的持续偏好来确定用户的周期性行为。其中,这个持续偏好主要是依靠用户对于产品的操作行为的行为内容以及操作行为的发生时间来确定。以互联网上的某金融产品为例,若用户持续的在每个月15日通过银行A向该金融产品的电子账户转入金额1000元,那么“每月15日通过银行A向该电子账户转入金额1000元”这一行为可以为该用户的一种严格周期性行为,这个严格周期性行为可以表现该用户的一种持续偏好。
上述技术的缺陷在于,难以识别非严格周期性行为。比如,仍然以用户向上述电子账户转入金额为例,按照上述技术,如果用户第N次转入金额的时间与第N+1次转入金额的时间有一定的差异,那么即便该差异在可接受范围之内,且N次转入的金额与第N+1次转入的金额相同,第N+1次转入金额的行为也不会被确定为周期性行为。
可见,现有技术中利用严格周期性行为的识别规则来识别周期性行为是不合理的,可能会出现难以识别非严格周期性行为的问题。
发明内容
本申请实施例提供一种识别周期性行为的方法,用以解决现有技术难以识别非严格周期性行为的问题。
本申请实施例提供一种识别周期性行为的装置,用以解决现有技术难以识别非严格周期性行为的问题。
本申请实施例采用下述技术方案:
一种识别周期性行为的方法,包括:获得与用户的待识别行为相关的数据;其中,与用户的待识别行为相关的数据包括:至少两个待识别行为的发生时刻,以及至少两个待识别行为的行为内容;根据至少两个待识别行为的发生时刻、至少两个待识别行为的行为内容,针对周期性行为预设的周期可变范围,以及针对周期性行为预设的行为内容可变范围,判断获得的与用户的待识别行为相关的数据中,是否存在与周期性行为相关的数据。
一种识别周期性行为的装置,包括:获取单元,用于获得与用户的待识别行为相关的数据;其中,与用户的待识别行为相关的数据包括:至少两个待识别行为的发生时刻,以及至少两个待识别行为的行为内容;识别单元,用于根据至少两个待识别行为的发生时刻、至少两个待识别行为的行为内容,针对周期性行为预设的周期可变范围,以及针对周期性行为预设的行为内容可变范围,判断获得的与用户的待识别行为相关的数据中,是否存在与周期性行为相关的数据。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
由于引入了针对周期性行为预设的周期可变范围,以及针对周期性行为预设的内容可变范围,作为判断数据是否与周期性行为相关的依据,因此,即便不同待识别行为的发生周期和行为内容有一定的差别,也可以依据上述范围,识别出这样的行为是非严格周期性行为,从而解决了现有技术难以识别非严格周期性行为的问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例1提供的一种识别周期性行为的方法的实现流程图;
图2为本申请实施例2提供的一种识别周期性行为,这一应用的方法的实现流程图;
图3为本申请实施例3提供的一种识别周期性行为的装置的具体结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
实施例1
为解决现有技术中难以识别非严格周期性行为的问题,本申请实施例1首先提供一种识别周期性行为的方法。该方法的实现流程图如图1所示,主要包括下述步骤:
步骤S101,获得与用户的待识别行为相关的数据;
其中,与用户的待识别行为相关的数据包括:至少两个待识别行为的发生时刻,以及至少两个待识别行为的行为内容。
实施例1中,与用户的待识别行为相关的数据,可以是同一用户的、具备相同或不同数据来源的数据。
待识别行为,可以但不限于是转账行为。相应的,行为内容可以但不限于是转账金额。
在一种实施方式中,步骤S101可以包括:获得行为内容符合预设条件的待识别行为的发生时刻,以及行为内容符合预设条件的待识别行为的行为内容。换言之,可以根据针对不同需求的预设条件,从用户已发生的行为中,选取行为内容满足该预设条件的行为作为待识别行为,进而确定满足该预设条件的待识别行为的发生时刻以及行为内容。
比如,可以选取行为内容满足“转账金额大于500”的行为作为待识别行为,进而确定选取出的待识别行为的发生时刻,以及具体的转账金额。
步骤S102,根据获得的与用户的待识别行为相关的数据、针对周期性行为预设的周期可变范围,以及针对周期性行为预设的行为内容可变范围,判断获得的与用户的待识别行为相关的数据中,是否存在与周期性行为相关的数据。
在一种实施方式中,在判断出获得的与用户的待识别行为相关的数据中存在与周期性行为相关的数据后,可以将与周期性行为相关的数据提供给业务系统;或者,也可以根据与周期性行为相关的数据,向用户推送推荐信息。
在一种实施方式中,预设的周期可变范围,可以是根据在不同环境的周期性行为的发生周期来设定;预设的内容可变范围,可以是根据在不同环境的周期性行为的行为内容来设定。
例如,针对周期可变范围的设置而言,可以根据用户的相邻两次行为的发生时刻的可允许时间差差异来设置。比如说,若通过对用户历史行为的统计,确定出用户的严格周期性行为的发生周期为30天,那么,可以设置可允许时间差差异为30天的10%,即3天,进而确定一个周期可变范围为[(30-3),(30+3)]。基于该周期可变范围,若该用户的相邻两个待识别行为的发生时刻时间差落在该周期可范围内,则可以初步认为这两个待识别行为中的第二个待识别行为可能为周期性行为。进一步地,还可以设置另一个周期可变范围为[(30×2-3),(30×2+3)]。基于该周期可变范围,若该用户的两个待识别行为(这两个待识别行为之间相隔另一个待识别行为)的发生时刻时间差落在该周期可变范围内,则可以初步认为这两个待识别行为中的第二个待识别行为可能为周期性行为。在另一种实施方式中,可允许时间差差异也可以与严格周期性行为的发生周期无关,比如可以直接确定该可允许的时间差差异为5天。
针对内容可变范围的设置,可以参考上述对于周期可变范围的设置方式来实现。比如,若通过对用户历史行为的统计,确定出用户的严格周期性行为的行为内容中包含“转账金额500元”,那么可以设置可允许的转账金额差异为500元的50%,即250元,进而确定一个内容可变范围为[(500-250),(500+250)]。基于该内容可变范围,若该用户的待识别行为的行为内容中的转账金额落在该内容可变范围内,则可以初步认为这个待识别行为可能为周期性行为。在另一种实施方式中,可允许的可允许的转账金额差异也可以与严格周期性行为的行为内容无关,比如可以直接确定该可允许的转账金额差异为100元。
可选的,对于判断获得的与用户的待识别行为相关的数据中,是否存在与周期性行为相关的数据,可以通过如下方式:
a、比较至少两个待识别行为发生时刻之间的时间差是否在相应的预设的周期可变范围之内。
b、当至少两个待识别行为的发生时刻的时间差在相应的预设的周期可变范围之内时,进一步判断这两个待识别行为中的第二个待识别行为的行为内容是否在预设的内容可变范围之内;
其中,行为的行为内容,可以包括转账金额、提货量等。
c、当第二个待识别行为的行为内容在预设的内容可变范围之内时,可以确定出该第二个待识别行为为周期性行为,即获得的待识行为相关的数据中存在与周期性行为相关的数据。
针对上述判断方法,还可以先判断某待识别行为的行为内容是否在预设的内容可变范围之内;然后,当待识别行为的行为内容在预设的内容可变范围之内时,判断该待识别行为与发生在该待识别行为之前的另一待识别行为的发生时刻之间的时间差是否在预设的周期可变范围;若该时间差在预设的周期可变范围内,则判定获得的待识行为相关的数据中存在与周期性行为相关的数据。
采用实施例1提供的上述方法,由于引入了针对周期性行为预设的周期可变范围,以及针对周期性行为预设的内容可变范围,作为判断数据是否与周期性行为相关的依据,因此,即便不同待识别行为的发生周期和行为内容有一定的差别,也可以依据上述范围,识别出这样的行为是非严格周期性行为,从而解决了现有技术难以识别非严格周期性行为的问题。
实施例1中,为了实现向用户推送符合用户需求的信息,在步骤S102之后,图1所示的该流程还可以进一步包括步骤:根据与周期性行为相关的数据,确定信息推送时刻;在信息推送时刻,推送信息。
其中,推送信息可以是提醒用户进行转账的提示信息,或者提醒用户购买货物的提示信息,或者与用户周期性行为相关的特定操作入口,等等。这里所说的特定操作入口比如可以是转账操作入口。
在一种实施方式中,可以在识别出用户的行为相关数据中,存在与周期性行为相关的数据,且与周期性行为相关的数据对应不同数据来源时,根据与周期性行为相关的数据所包含的行为内容和/或发生时刻,确定满足内容特定条件的行为内容对应的数据来源;进而推送与确定出的数据来源有关的信息。
比如,当识别出“用户User通过银行A在5月15日向某金融产品的电子账户转账金额1000”,和“用户User通过银行B在7月20日向该电子账户转账金额900”为与周期性行为相关的数据时,可以选择用户User的转账金额最大的(即,通过银行A在5月15日转账金额1000)所对应的数据来源“银行A”;并可以为用户User提供相应的转账提示。例如,可以在每月15日向用户User发出提示信息——“是否需要从银行A转出1000元至某金融产品的电子账户”)。
又比如,当识别出“用户User通过银行A在5月15日向上述电子账户转账金额1000”,和“用户User通过银行B在7月20日向该电子账户转账金额900”为与周期性行为相关的数据时,可以首先,确定“用户User通过银行A在5月15日转账金额1000”这一数据所对应的“匹配的数据记录数目”(可参见表3中匹配的数据记录数目计算方式)和“用户User通过银行B在7月20日转账金额900”这一数据所对应的匹配的数据记录数目;然后,根据确定出的两个匹配的数据记录数目,选择较大的匹配的数据记录数目对应的数据来源;进而推送与确定出的数据来源有关的信息。
特别地,如果确定出的两个匹配的数据记录数目相等,则可以利用行为内容进行确定。例如,可以从“用户User通过银行A在5月15日向上述电子账户转账金额1000”和“用户User通过银行B在7月20日向该电子账户转账金额900”这两个数据中,选择包含的转账金额较大的一个所对应的数据来源。
在另一种实施方式中,在识别出用户的行为相关数据中,存在与周期性行为相关的数据,且与周期性行为相关的数据对应不同数据来源时,可以根据获得的分别对应于所述不同数据来源的、与用户的待识别行为相关的数据,确定满足来源特定条件的数据来源;从而推送与确定出的数据来源有关的信息。
比如,如果识别出用户User通过银行A在5月15日和通过银行B在7月20日分别向上述电子账户转入的转账金额均为1000时,可以进一步根据银行A对应的各转账行为和银行B对应的各转账行为的发生时刻来分析:如果根据用户User向该电子账户进行转账的发生时刻,确定出通过银行A向该电子账户进行转账的行为在一年内出现过5次,大于通过银行B向该电子账户进行转账的行为在一年内出现过的次数“2次”,则可以选择数据来源“银行A”,进而推送与“银行A”有关的信息。
在一种实施方式中,针对上述所提及的推送与确定出的数据来源有关的信息,可以根据与周期性行为相关的数据,确定信息推送时刻;在信息推送时刻,推送与确定出的数据来源有关的信息。
例如,识别出“用户User通过银行A在5月15日向电子账户转账金额1000”是与周期性行为相关的数据之后,可以在每月15日对用户User提示:“是否通过银行A转账1000”。其中,“每月15”为信息推送时刻,“是否通过银行A转账1000”为与确定出的数据来源有关的信息。
需要说明的是,实施例1所提供方法的各步骤的执行主体均可以是同一设备,或者,该方法也由不同设备作为执行主体。比如,步骤S101执行主体可以为设备1,步骤S102的执行主体可以为设备2;等等。
实施例2
实施例2提供一种识别周期性行为的方法,用以解决现有技术难以识别非严格周期性行为问题。该方法的具体实现流程图如图2所示,包括下述步骤:
为了便于更好理解本申请,后文将以用户为User、用户的行为为转账行为、转账行为的发生时刻为转账时间、转账行为的行为内容为转账金额,数据来源为转账金额的资金来源(即银行A和银行B)为例,对实施例2进行详细说明。其中,上述假设信息详见如下表1列表,如表1所示:
表1
表1中,单个数据编号所在行中的各数据构成的集合可以称为该数据编号对应的一条数据记录。
步骤S201,从表1中,筛选出用户User通过银行A和银行B向外转出的转账金额大于预设金额“500”的所有转账金额及对应的转账时间。
由于表1中,R4对应的转账金额小于500,因此,R4所对应的转账金额及转账时间可以被过滤掉,从而得到与待识别行为相关的数据,如表2所示:
表2
步骤S202,基于表2,将银行A、银行A对应的所有转账金额及转账时间设为单元集1,并将、银行B、银行B对应的所有转账金额及转账时间设为单元集2。
步骤S203,分别从单元集1和单元集2中确定出与周期性行为相关的数据记录。
具体而言,若下述假设成立:
预设的周期可变范围为[25,35];
行为内容可变范围为[50,150]。
那么,步骤S203的实现过程可以采用下述方式:
针对单元集1,首先,设R1对应的数据记录为初始匹配值。然后,判断单元集1中的R1对应的数据记录中的转账时间与R2对应的数据记录中的转账时间的时间差是否在预设的周期可变范围[25,35]之内;经过比较可知该时间差为41天,不在预设的周期可变范围[25,35]之内;此时,将R2所对应的数据记录标记为“待处理”。接下来,可进一步判断R1对应的数据记录中的转账时间与R3对应的数据记录中的转账时间的时间差是否在预设的周期可变范围[25,35]之内;经过比较可知该时间差为70天,不在预设的周期可变范围[25,35]之内;此时,将R3所对应的数据记录标记为“待处理”,并将R1所对应的数据记录标记为周期性1,R1所对应的数据记录完成匹配。
进一步地,提取标记为“待处理”的R2所对应的数据记录与R3对应的数据记录。设R2对应的数据记录为初始匹配值;判断R2所对应的数据记录中的转账时间与R3对应的数据记录中的转账时间的时间差是否在预设的周期可变范围[25,35]之内;经过比较可知该时间差为40天,不在预设的周期可变范围[25,35]之内,此时,将R3继续标记为“待处理”,将R2标记更新为周期性2,R2所对应的数据记录完成匹配。接下来,将R3对应的数据记录作为初始匹配值进行匹配,由于R3这条数据记录之后没有可进行匹配的数据记录,因此,将R3所对应的数据记录的标记更新为周期性3,并且R3所对应的数据记录完成匹配。至此,单元集1中的数据记录匹配完毕。
针对单元集2,首先,设R5对应的数据记录为初始比较值。然后,判断单元集2中的R5对应的数据记录中的转账时间与R6对应的数据记录中的转账时间的时间差是否在预设的周期可变范围[25,35]天之内;经过比较,可知,R5对应的数据记录中的转账时间与R6对应的数据记录中的转账时间的时间差为30天,在预设的周期可变范围[25,35]之内;因此接下来,可进一步判断R5对应的数据记录中的转账金额与R6对应的数据记录中的转账金额之间的金额之差是否在预设的行为内容可变范围[50,150]之内;经过比较,可知R5对应的数据记录中的转账金额与R6对应的数据记录中的转账金额之间的金额之差为100,在预设的行为内容可变范围[50,150]之内,此时,将R5和R6所对应的数据记录均标记为周期性1,且R5所对应的数据记录完成匹配。
进一步地,继续判断R6对应的数据记录中的转账时间与R7对应的数据记录中的转账时间之间的时间差是否在[25,35]之内,经比较可知,R6对应的数据记录中的转账时间与R7对应的数据记录中的转账时间的时间差为33天,在预设的周期可变范围[25,35]之内;因此接下来,可进一步判断R6对应的数据记录中的转账金额与R7对应的数据记录中的转账金额之间的金额之差是否在预设的行为内容可变范围[50,150]之内;经过比较,可知R6对应的数据记录中的转账金额与R7对应的数据记录中的转账金额之间的金额之差为4100,不在预设的行为内容可变范围[50,150]之内;此时,将R7对应的数据记录标记为“待处理”。
接下来,再用上述类似方式判断R6对应的数据记录中的转账时间与R8对应的数据记录中的转账时间的时间差为65天,不在预设的周期可变范围[25,35]之内;此时,将R8对应的数据记录标记为“待处理”,R6所对应的数据记录完成匹配。
再接下来,提取标记为“待处理”的R7所对应的数据记录与R8对应的数据记录。设R7对应的数据记录为初始匹配值。判断R7所对应的数据记录中的转账时间与R8对应的数据记录中的转账时间的时间差是否在预设的周期可变范围[25,35]之内;经过比较可知该时间差为32天,在预设的周期可变范围[25,35]之内,因此接下来,可进一步判断R7对应的数据记录中的转账金额与R8对应的数据记录中的转账金额之间的金额之差是否在预设的行为内容可变范围[50,150]之内;经过比较,可知R7对应的数据记录中的转账金额与R8对应的数据记录中的转账金额之间的金额之差为100,在预设的行为内容可变范围[50,150]之内;此时,将R7所对应的数据记录和R8所对应的数据记录标记为周期2。由此,单元集2中的数据记录匹配完毕。
具体地,对于单元集1和单元集2中的数据记录进行上述比较后得到的匹配结果可参见下表3:
表3
根据表3所示的匹配结果,可进一步确定出与周期性行为相关的数据。比如,若预设大于等于2的匹配的数据记录数目所对应的数据记录为与周期性行为相关的数据,那么,由表3可获知,与周期性行为相关的数据有:周期性标记为周期性1的R5、R6,以及周期性标记为周期性2的R7、R8。
步骤S204,从确定出的与周期性行为相关的数据记录中,确定出最能体现用户User的周期性行为特点的一条数据记录。
具体地,由于与周期性行为相关的数据有:周期性标记为周期性1的R5、R6,以及周期性标记为周期性2的R7、R8,因此,可以推测,用户User存在两个周期性行为。为了从这两个周期性行为中,确定出最符合用户User周期性行为特点的周期性行为,可以计算R5、R6对应的数据记录中的转账金额的平均值,以及R7、R8对应的数据记录中的转账金额的平均值,进而确定较大的平均值对应的数据记录所表示的周期性行为为最符合用户User周期性行为特点的周期性行为。经过比较可知,由于R5、R6对应的数据记录中的转账金额的平均值为850,R7、R8对应的数据记录中的转账金额的平均值为4950,由此可以确定,R7、R8对应的数据记录所表示的周期性行为为最符合用户User周期性行为特点的周期性行为。
步骤S205,在确定出最能体现用户User的周期性行为特点的数据记录后,可以根据这样的数据记录中的转账时间和转账金额,执行向用户User推送转账金额的提示。
其中,上述提示可以是在特定时间推送的,且该提示中可以包含一个转账金额。
该特定时间可以根据R7、R8对应的数据记录中的距离当前时间最近的转账时间确定,比如,由于R8对应的数据记录中的距离当前时间最近的转账时间,那么,该特定时间可以为每月20号。
针对上述提示中包含的转账金额而言,该转账金额可以与R7或R8对应的数据记录中的转账金额相同,或与R7、R8对应的数据记录中的转账金额的平均值相同。
采用本申请实施例2提供的方法,由于引入了针对周期性行为预设的周期可变范围,以及针对周期性行为预设的内容可变范围,作为判断数据是否与周期性行为相关的依据,因此,即便不同待识别行为的发生周期和行为内容有一定的差别,也可以依据上述范围,识别出这样的行为是非严格周期性行为,从而解决了现有技术难以识别非严格周期性行为的问题。
此外,采用该方法,可以基于识别出的最能体现用户的周期性行为特点的数据,实现向用户推送相关的信息,从而达到在用户很可能进行周期性行为的时机,对用户进行提醒,从而可以提高用户体验。特别地,当该方法应用在提醒用户对电子商务中的金融产品进行操作的场景中,比如应用在提醒用户向金融产品的电子账户进行转账的场景中时,还可以提高该金融产品提供商的效益。
需要说明的是,实施例2所提供方法的各步骤的执行主体均可以是同一设备,或者,该方法也由不同设备作为执行主体。比如,步骤S201的执行主体可以为设备1,步骤S202~步骤S205的执行主体可以为设备2等等。
实施例3
为了解决现有技术难以识别非严格周期性行为的问题,可本申请实施例3提供一种识别周期性行为的装置。该装置主要包括:获取单元301和识别单元302,这两个功能单元的具体介绍如下:
获取单元301,用于获得与用户的待识别行为相关的数据;其中,与用户的待识别行为相关的数据包括:至少两个待识别行为的发生时刻,以及所述至少两个待识别行为的行为内容;
识别单元302,用于根据所述至少两个待识别行为的发生时刻、所述至少两个待识别行为的行为内容,针对周期性行为预设的周期可变范围,以及针对周期性行为预设的行为内容可变范围,判断获得的与用户的待识别行为相关的数据中,是否存在与周期性行为相关的数据。
可选的,获取单元301,还可以用于获得行为内容符合预设条件的待识别行为的发生时刻,以及行为内容符合预设条件的待识别行为的行为内容。
可选的,如图3所示装置,还可以包括判断单元和推送单元,具体介绍如下:
判断单元,用于当判断获得的与用户的待识别行为相关的数据中,存在与周期性行为相关的数据,且与周期性行为相关的数据对应不同数据来源时,根据与周期性行为相关的数据所包含的行为内容和/或发生时刻,确定满足内容特定条件的行为内容对应的数据来源;
推送单元,用于推送与确定出的数据来源有关的信息。
可选的,如图3所示装置,还可以包括判断单元和推送单元,具体介绍如下:
判断单元,当判断获得的与用户的待识别行为相关的数据中,存在与周期性行为相关的数据,且与周期性行为相关的数据对应不同数据来源时,根据获得的分别对应于所述不同数据来源的、与用户的待识别行为相关的数据,确定满足来源特定条件的数据来源;
推送单元,用于将确定出的数据来源有关的信息发送所述推送单元。
可选的,如图3所示装置中推送单元还可以包括:确定时刻子单元、推送信息子单元;
其中,确定时刻子单元,用于根据与周期性行为相关的数据,确定信息推送时刻;推送信息子单元,用于在信息推送时刻,推送与确定出的数据来源有关的信息。
可选的,在图3所示装置中,还可以包括确定信息单元和推送信息单元。
其中,确定信息单元,用于根据与周期性行为相关的数据,确定信息推送时刻;推送信息单元,用于在所述信息推送时刻,推送信息。
可选的,在图3所示装置中,待识别行为包括:转账行为;行为内容包括:转账金额。
可选的,在图3所示装置中,还包括:提供单元。其中,提供单元,用于将与周期性行为相关的数据提供给业务系统。
采用实施例3提供的上述装置,由于引入了针对周期性行为预设的周期可变范围,以及针对周期性行为预设的内容可变范围,作为判断数据是否与周期性行为相关的依据,因此,即便不同待识别行为的发生周期和行为内容有一定的差别,也可以依据上述范围,识别出这样的行为是非严格周期性行为,从而解决了现有技术难以识别非严格周期性行为的问题。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。