CN107729407A - 用户行为分析方法及服务器 - Google Patents
用户行为分析方法及服务器 Download PDFInfo
- Publication number
- CN107729407A CN107729407A CN201710879899.2A CN201710879899A CN107729407A CN 107729407 A CN107729407 A CN 107729407A CN 201710879899 A CN201710879899 A CN 201710879899A CN 107729407 A CN107729407 A CN 107729407A
- Authority
- CN
- China
- Prior art keywords
- behavior
- user behavior
- user
- information
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明适用于数据处理技术领域,提供了用户行为分析方法及服务器。该方法包括:获取包括行为类型、行为发生时间和用户身份标识的用户行为信息;确定所述用户行为信息对应的行为集合;根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析。上述用户行为分析方法及服务器,能够精准的对不同的用户触发不同的业务策略。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及用户行为分析方法及服务器。
背景技术
随着互联网技术的飞速发展,越来越多的用户通过互联网平台执行各种与互联网相关联的业务,例如网上支付业务、网上充值业务等等。通常业务系统在处理一些业务时,需要按照某些时间维度的规则期望某个指令的执行,例如业务系统采取的定时quartz任务,对系统存储的数据进行定点分析,但quartz无法做到精准实时的对不同的用户触发不同的业务规则。
发明内容
有鉴于此,本发明实施例提供了用户行为分析方法及服务器,以解决现有技术中无法精准的对不同的用户触发不同的业务规则的问题。
本发明实施例的第一方面提供了一种用户行为分析方法,包括:
获取用户行为信息,所述用户行为信息包括行为类型、行为发生时间和用户身份标识;用户行为对应多行为随机型表现行为集合和单行为周期型表现行为集合中的一种,每个所述多行为随机型表现行为集合包括多个具有相互关联关系的用户行为,每个所述单行为周期型表现行为集合包括周期性发生的一个用户行为;
确定所述用户行为信息对应的行为集合;
根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析;所述行为分析模型包括第一行为分析模型和第二行为分析模型,所述第一行为分析模型对应分析所述多行为随机型表现行为集合中的行为和所述单行为周期型行为集合中的连续周期性发生的行为,所述第二行为模型对应分析所述单行为周期型行为集合中的非连续周期性发生的行为。
可选的,所述确定所述用户行为信息对应的行为集合具体为:
根据所述用户行为信息中的行为类型确定所述用户行为所述随机型表现行为集合中的行为或所述单行为周期型行为集合中的连续周期性发生的行为。
可选的,在所述用户行为为所述随机型表现行为集合中的行为时,所述根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析,包括:
确定所述用户行为为源行为或后续行为;所述源行为为在所述第一预设时间内获取到的第一个用户行为,所述后续行为为在所述第一预设时间内位于所述源行为之后的用户行为;
在所述用户行为为后续行为时,确定所述用户行为对应的源行为和后续行为,并根据所述第一行为分析模型、所述源行为和所述后续行为,确定所述用户行为所满足的第一预设规则,并对所述用户行为执行所述第一预设规则对应的业务策略;所述第一预设规则为所述随机型表现行为集合中的用户行为以及各个用户行为之间的关联关系;
在所述用户行为为源行为时,将所述用户行为信息存至redis数据库,并为所述用户行为设置过期时间,以及在所述过期时间到达后,将所述用户行为作为后续行为处理。
可选的,在所述用户行为为所述单行为周期型行为集合中的连续周期性发生的行为时,所述根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析,包括:
检测多个周期内所述用户行为的发生情况,并在所述用户行为在各个周期内均发生时,确定所述用户行为所满足的第二预设规则,并对所述用户行为执行所述第二预设规则对应的业务策略;所述第二预设规则为预设周期时间内用户行为发生的次数及规律。
可选的,在所述确定所述用户行为信息对应的行为模型之前,还包括:
根据所述行为类型、行为发生时间和用户身份标识,对所述用户行为信息进行合法性验证;其中,在对所述用户行为信息的合法性验证通过后,执行所述确定所述用户行为信息对应的行为模型;对所述用户行为信息的合法性验证未通过时,将该用户行为信息视为无效数据,并对该用户行为信息只做存储处理。
本发明实施例的第二方面提供了一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
获取用户行为信息,所述用户行为信息包括行为类型、行为发生时间和用户身份标识;用户行为对应多行为随机型表现行为集合和单行为周期型表现行为集合中的一种,每个所述多行为随机型表现行为集合包括多个具有相互关联关系的用户行为,每个所述单行为周期型表现行为集合包括周期性发生的一个用户行为;
确定所述用户行为信息对应的行为集合;
根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析;所述行为分析模型包括第一行为分析模型和第二行为分析模型,所述第一行为分析模型对应分析所述多行为随机型表现行为集合中的行为和所述单行为周期型行为集合中的连续周期性发生的行为,所述第二行为模型对应分析所述单行为周期型行为集合中的非连续周期性发生的行为。
可选的,所述确定所述用户行为信息对应的行为集合具体为:
根据所述用户行为信息中的行为类型确定所述用户行为所述随机型表现行为集合中的行为或所述单行为周期型行为集合中的连续周期性发生的行为。
可选的,在所述用户行为为所述随机型表现行为集合中的行为时,所述根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析,包括:
确定所述用户行为为源行为或后续行为;所述源行为为在所述第一预设时间内获取到的第一个用户行为,所述后续行为为在所述第一预设时间内位于所述源行为之后的用户行为;
在所述用户行为为后续行为时,确定所述用户行为对应的源行为和后续行为,并根据所述第一行为分析模型、所述源行为和所述后续行为,确定所述用户行为所满足的第一预设规则,并对所述用户行为执行所述第一预设规则对应的业务策略;所述第一预设规则为所述随机型表现行为集合中的用户行为以及各个用户行为之间的关联关系;
在所述用户行为为源行为时,将所述用户行为信息存至redis数据库,并为所述用户行为设置过期时间,以及在所述过期时间到达后,将所述用户行为作为后续行为处理。
可选的,在所述用户行为为所述单行为周期型行为集合中的连续周期性发生的行为时,所述根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析,包括:
检测多个周期内所述用户行为的发生情况,并在所述用户行为在各个周期内均发生时,确定所述用户行为所满足的第二预设规则,并对所述用户行为执行所述第二预设规则对应的业务策略;所述第二预设规则为预设周期时间内用户行为发生的次数及规律。
可选的,所述处理器执行所述计算机程序时还实现如下步骤:
根据所述行为类型、行为发生时间和用户身份标识,对所述用户行为信息进行合法性验证;其中,在对所述用户行为信息的合法性验证通过后,执行所述确定所述用户行为信息对应的行为模型;对所述用户行为信息的合法性验证未通过时,将该用户行为信息视为无效数据,并对该用户行为信息只做存储处理。
本发明实施例的第三方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述用户行为分析方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例,获取用户行为信息后,确定所述用户行为信息对应的行为集合,然后根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析,根据分析结果对该用户行为信息执行对应的业务策略,从而能够对不同的用户精准的触发不同的业务策略。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的用户行为分析方法的实现流程图;
图2是图1中步骤S103的实现流程图;
图3是本发明实施例二提供的用户行为分析方法的实现流程图;
图4是本发明实施例提供的用户行为分析程序的运行环境示意图;
图5是本发明实施例提供的用户行为分析程序的功能模块图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例的说明书和权利要求书中的技术术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
图1示出了本发明实施例一提供的用户行为分析方法的实现流程,详述如下:
步骤S101,获取用户行为信息。其中,所述用户行为信息包括行为类型、行为发生时间和用户身份标识。
本实施例中,用户在网页或应用程序中可能触发多个行为,为了便于描述,针对每个用户,将用户行为的发生情况称之为行为流。行为在行为流中可以表现为是已经发生的,也可以是没有发生的;行为流都是针对用户自身;行为流可以看作是行为在时间维度上的排序。
进一步的,用户行为对应多行为随机型表现行为集合和单行为周期型表现行为集合中的一种,每个所述多行为随机型表现行为集合包括多个具有相互关联关系的用户行为,每个所述单行为周期型表现行为集合包括周期性发生的一个用户行为。
例如,一个多行为随机型表现行为集合包括用户行为E1、用户行为E2、…、用户行为En,其中n大于等于2。多行为随机型表现行为集合中的各个用户行为对应第一预设时间范围,第一预设时间范围与用户行为信息中的行为发生时间对应。具体的,行为E1发生后,第一预设时间T内,用户行为E2、…、用户行为En可以发生,也可以不发生或不发生,用户行为E2到用户行为En的发生情况互相之间可以是不同的,也是无序的。其中,预设周期时间T可以为多种时间单位,例如天、小时、分钟等。
例如,一个单行为周期型表现行为集合包括单用户行为E,用户行为E可以在连续每个周期时间T均发生或均不发生或部分周期时间内发生。其中,周期时间T时间可以为多种时间单位,例如天、小时、分钟等。
可选的,在步骤S102之前,该用户分析方法还可以包括:根据所述行为类型、行为发生时间和用户身份标识,对所述用户行为信息进行合法性验证;其中,在对所述用户行为信息的合法性验证通过后,执行所述确定所述用户行为信息对应的行为模型。
其中,行为类型、行为发生时间和用户身份标识必须合法有效,否则被视为无效数据,可以对该用户行为信息只做存储,而不做后续步骤的分析,从而能够节省系统资源的消耗。
步骤S102,确定所述用户行为信息对应的行为集合。
其中,所述确定所述用户行为信息对应的行为集合具体可以为:根据所述用户行为信息中的行为类型确定所述用户行为所述随机型表现行为集合中的行为或所述单行为周期型行为集合中的连续周期性发生的行为。
步骤S103,根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析。
其中,所述行为分析模型包括第一行为分析模型和第二行为分析模型。所述第一行为分析模型对应分析所述多行为随机型表现行为集合中的行为和所述单行为周期型行为集合中的连续周期性发生的行为。所述第二行为模型对应分析所述单行为周期型行为集合中的非连续周期性发生的行为。
参见图2,一个实施例中,在所述用户行为为所述随机型表现行为集合中的行为时,步骤S103的实现过程具体可以为:
S201,确定所述用户行为为源行为或后续行为。
其中,所述源行为为在第一预设时间内获取到的第一个用户行为,所述后续行为为在所述第一预设时间内位于所述源行为之后的用户行为。
本实施例中,所述随机型表现行为集合中的第一个用户行为称为源行为,其他的用户行为称为后续行为;由于所述单行为周期型行为集合中的用户行为只有一个,因此只有源行为。
S202,在所述用户行为为后续行为时,确定所述用户行为对应的源行为和后续行为,并根据所述第一行为分析模型、所述源行为和所述后续行为,确定所述用户行为所满足的第一预设规则,并对所述用户行为执行所述第一预设规则对应的业务策略。
具体的,每个用户行为对应一个行为发生时间,每个所述随机型表现行为集合中各个用户行为的行为发生时间对应所述第一预设时间范围。每个所述随机型表现行为集合对应一种业务策略。在所述第一预设时间范围内搜索源行为和后续行为,将该用户行为与源行为、后续行为作对比,若该用户行为与源行为、后续行为匹配,则说明该用户行为与随机型表现行为集合匹配,则对该用户行为执行对应的业务策略。
需要说明的是,针对所述单行为周期型表现行为集合中的用户行为,可考虑针对时间跨度较大的周期时间的分析结果进行缓存,例如缓存至redis。例如,如果分析用户行为E连续5天发生,实际上每天用户行为E可能发生多次,那么只有在5天中的第一次才会对用户行为E做分析,5天中后续发生的用户行为E将会因为缓存中有对应的分析结果而直接忽略。
本实施例中,第一预设规则与所述随机型表现行为集合对应,具体可以为所述随机型表现行为集合中的用户行为以及各个用户行为之间的关联关系。与第一预设规则对应的业务策略,则可以根据实际需要进行设定,对此不作限制。
步骤S203,在所述用户行为为源行为时,将所述用户行为信息存至redis数据库,并为所述用户行为设置过期时间,以及在所述过期时间到达后,将所述用户行为作为后续行为处理。
其中,在所述过期时间到达后,会接收到keyspace notification发送的过期通知,且通知信息中携带有相应的用户行为信息,例如用户行为E的信息。在所述过期时间到达后,将所述用户行为作为后续行为处理,具体可参考步骤S302中的相关内容。本步骤中,通过redis的kespace notification功能实现在前驱指令过期时系统得到相应的通知,从而能够快速及时进行后续处理。
在所述用户行为为所述单行为周期型行为集合中的连续周期性发生的行为时,步骤S103的实现过程具体可以为:检测多个周期时间内所述用户行为的发生情况,并在所述用户行为在各个周期时间内均发生时,确定所述用户行为所满足的第二预设规则,并对所述用户行为执行所述第二预设规则对应的业务策略。其中,第二预设规则可以为:预设周期时间内用户行为发生的次数及规律。
本实施例中,与第一预设规则对应的业务策略和与第二预设规则对应的业务策略,具体可以根据实际需要设置,对此不做限定。
另外,对于所述单行为周期型行为集合中的非连续周期性发生的行为采用quartz任务,搜索当前设置的行为规则,根据设置的行为规则查找用户行为信息中符合条件的记录,并触发相应的业务策略。例如,用户行为E连续5天未发生,则可以设置quartz任务,每天00:05分定时搜索所有连续5天没有用户行为E的用户,并实施相应的业务策略。
上述用户行为分析方法,获取用户行为信息后,对该用户行为信息进行合法性校验,并在合法性校验通过后,确定所述用户行为信息对应的行为集合,然后根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析,从而对该用户行为信息执行对应的业务策略,从而能够对不同的用户精准实时地触发不同的业务策略。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例二
参见图3,示出了本发明实施例二提供的用户行为分析方法的实现流程图,详述如下:
步骤S301,获取用户行为信息,所述用户行为信息包括行为类型、行为发生时间和用户身份标识。
步骤S302,根据所述行为类型、行为发生时间和用户身份标识,对所述用户行为信息进行合法性验证。在用户行为信息合法有效时,执行步骤S303,否则执行步骤S305。
步骤S303,根据所述用户行为信息中的行为类型确定所述用户行为所述随机型表现行为集合中的行为或所述单行为周期型行为集合中的连续周期性发生的行为。
步骤S304,根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析。
步骤S305,将该用户行为信息视为无效数据。具体的,在行为类型、行为发生时间和用户身份标识至少一项信息不是合法有效,该用户行为信息即被视为无效数据,对该用户行为信息可以只做存储,而不做分析。
与实施例一中重复的内容在此实施例中不再赘述,具体可参考实施例一中的相关内容。
实施例三
对应于上文实施例一所述的用户行为分析方法,图4示出了本发明实施例提供的用户行为分析程序的运行环境示意图。为了便于说明,仅示出了与本实施例相关的部分。
在本实施例中,所述的用户行为分析程序400安装并运行于服务器40中。该服务器40可以是移动终端、掌上电脑、服务器等。该服务器40可包括,但不仅限于,存储器401和处理器402。图4仅示出了具有组件401-402的服务器40,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。
所述存储器401在一些实施例中可以是所述服务器40的内部存储单元,例如该服务器40的硬盘或内存。所述存储器401在另一些实施例中也可以是所述服务器40的外部存储设备,例如所述服务器40上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器401还可以既包括所述服务器40的内部存储单元也包括外部存储设备。所述存储器401用于存储安装于所述服务器40的应用软件及各类数据,例如所述用户行为分析程序400的程序代码等。所述存储器401还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器402在一些实施例中可以是一中央处理器(Central ProcessingUnit,CPU),微处理器或其他数据处理芯片,用于运行所述存储器401中存储的程序代码或处理数据,例如执行所述用户行为分析程序400等。
服务器40还可以包括显示器。所述显示器在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。所述显示器用于显示在所述服务器40中处理的信息以及用于显示可视化的用户界面,例如应用菜单界面、应用图标界面等。所述服务器40的部件401-402通过系统总线相互通信。
请参阅图5,是本发明实施例提供的用户行为分析程序400的功能模块图。在本实施例中,所述的用户行为分析程序400可以被分割成一个或多个模块,所述一个或者多个模块被存储于所述存储器401中,并由一个或多个处理器(本实施例为所述处理器402)所执行,以完成本发明。例如,在图5中,所述的用户行为分析程序400可以被分割成获取模块501、确定模块502和分析模块503。本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段,比程序更适合于描述所述用户行为分析程序400在所述服务器40中的执行过程。以下描述将具体介绍所述模块501-503的功能。
获取模块501,用于获取用户行为信息,所述用户行为信息包括行为类型、行为发生时间和用户身份标识。其中,用户行为对应多行为随机型表现行为集合和单行为周期型表现行为集合中的一种,每个所述多行为随机型表现行为集合包括多个具有相互关联关系的用户行为,每个所述单行为周期型表现行为集合包括周期性发生的一个用户行为。
确定模块502,用于确定所述用户行为信息对应的行为集合。
分析模块503,用于根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析。其中,所述行为分析模型包括第一行为分析模型和第二行为分析模型,所述第一行为分析模型对应分析所述多行为随机型表现行为集合中的行为和所述单行为周期型行为集合中的连续周期性发生的行为,所述第二行为模型对应分析所述单行为周期型行为集合中的非连续周期性发生的行为。
可选的,确定模块502具体用于:根据所述用户行为信息中的行为类型确定所述用户行为所述随机型表现行为集合中的行为或所述单行为周期型行为集合中的连续周期性发生的行为。
可选的,在所述用户行为为所述随机型表现行为集合中的行为时,分析模块503具体用于:
确定所述用户行为为源行为或后续行为;所述源行为为在所述第一预设时间内获取到的第一个用户行为,所述后续行为为在所述第一预设时间内位于所述源行为之后的用户行为;
在所述用户行为为后续行为时,确定所述用户行为对应的源行为和后续行为,并根据所述第一行为分析模型、所述源行为和所述后续行为,确定所述用户行为所满足的第一预设规则,并对所述用户行为执行所述第一预设规则对应的业务策略;
在所述用户行为为源行为时,将所述用户行为信息存至redis数据库,并为所述用户行为设置过期时间,以及在所述过期时间到达后,将所述用户行为作为后续行为处理。
可选的,在所述用户行为为所述单行为周期型行为集合中的连续周期性发生的行为时,分析模块503具体用于:
检测多个周期内所述用户行为的发生情况,并在所述用户行为在各个周期内均发生时,确定所述用户行为所满足的第二预设规则,并对所述用户行为执行所述第二预设规则对应的业务策略。
可选的,所述用户行为分析程序400还可以被分割成验证模块。所述验证模块,用于根据所述行为类型、行为发生时间和用户身份标识,对所述用户行为信息进行合法性验证;其中,在对所述用户行为信息的合法性验证通过后,执行所述确定所述用户行为信息对应的行为模型。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用户行为分析方法,其特征在于,包括:
获取用户行为信息,所述用户行为信息包括行为类型、行为发生时间和用户身份标识;用户行为对应多行为随机型表现行为集合和单行为周期型表现行为集合中的一种,每个所述多行为随机型表现行为集合包括多个具有相互关联关系的用户行为,每个所述单行为周期型表现行为集合包括周期性发生的一个用户行为;
确定所述用户行为信息对应的行为集合;
根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析;所述行为分析模型包括第一行为分析模型和第二行为分析模型,所述第一行为分析模型对应分析所述多行为随机型表现行为集合中的行为和所述单行为周期型行为集合中的连续周期性发生的行为,所述第二行为模型对应分析所述单行为周期型行为集合中的非连续周期性发生的行为。
2.如权利要求1所述的用户行为分析方法,其特征在于,所述确定所述用户行为信息对应的行为集合具体为:
根据所述用户行为信息中的行为类型确定所述用户行为为所述随机型表现行为集合中的行为或所述单行为周期型行为集合中的连续周期性发生的行为。
3.如权利要求2所述的用户行为分析方法,其特征在于,在所述用户行为为所述随机型表现行为集合中的行为时,所述根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析,包括:
确定所述用户行为为源行为或后续行为;所述源行为为在第一预设时间范围内获取到的第一个用户行为,所述后续行为为在所述第一预设时间范围内位于所述源行为之后的用户行为;
在所述用户行为为后续行为时,确定所述用户行为对应的源行为和后续行为,并根据所述第一行为分析模型、所述源行为和所述后续行为,确定所述用户行为所满足的第一预设规则,并对所述用户行为执行所述第一预设规则对应的业务策略;所述第一预设规则为所述随机型表现行为集合中的用户行为以及各个用户行为之间的关联关系;
在所述用户行为为源行为时,将所述用户行为信息存至redis数据库,并为所述用户行为设置过期时间,以及在所述过期时间到达后,将所述用户行为作为后续行为处理。
4.如权利要求2所述的用户行为分析方法,其特征在于,在所述用户行为为所述单行为周期型行为集合中的连续周期性发生的行为时,所述根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析,包括:
检测多个周期时间内所述用户行为的发生情况,并在所述用户行为在各个周期时间内均发生时,确定所述用户行为所满足的第二预设规则,并对所述用户行为执行所述第二预设规则对应的业务策略;所述第二预设规则为预设周期时间内用户行为发生的次数及规律。
5.如权利要求1至4任一项所述的用户行为分析方法,其特征在于,在所述确定所述用户行为信息对应的行为模型之前,还包括:
根据所述行为类型、行为发生时间和用户身份标识,对所述用户行为信息进行合法性验证;其中,在对所述用户行为信息的合法性验证通过后,执行所述确定所述用户行为信息对应的行为模型;对所述用户行为信息的合法性验证未通过时,将该用户行为信息视为无效数据,并对该用户行为信息只做存储处理。
6.一种服务器,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
获取用户行为信息,所述用户行为信息包括行为类型、行为发生时间和用户身份标识;用户行为对应多行为随机型表现行为集合和单行为周期型表现行为集合中的一种,每个所述多行为随机型表现行为集合包括多个具有相互关联关系的用户行为,每个所述单行为周期型表现行为集合包括周期性发生的一个用户行为;
确定所述用户行为信息对应的行为集合;
根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析;所述行为分析模型包括第一行为分析模型和第二行为分析模型,所述第一行为分析模型对应分析所述多行为随机型表现行为集合中的行为和所述单行为周期型行为集合中的连续周期性发生的行为,所述第二行为模型对应分析所述单行为周期型行为集合中的非连续周期性发生的行为。
7.如权利要求6所述的服务器,其特征在于,所述确定所述用户行为信息对应的行为集合具体为:
根据所述用户行为信息中的行为类型确定所述用户行为所述随机型表现行为集合中的行为或所述单行为周期型行为集合中的连续周期性发生的行为。
8.如权利要求7所述的服务器,其特征在于,在所述用户行为为所述随机型表现行为集合中的行为时,所述根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析,包括:
确定所述用户行为为源行为或后续行为;所述源行为为在所述第一预设时间内获取到的第一个用户行为,所述后续行为为在所述第一预设时间内位于所述源行为之后的用户行为;
在所述用户行为为后续行为时,确定所述用户行为对应的源行为和后续行为,并根据所述第一行为分析模型、所述源行为和所述后续行为,确定所述用户行为所满足的第一预设规则,并对所述用户行为执行所述第一预设规则对应的业务策略;所述第一预设规则为所述随机型表现行为集合中的用户行为以及各个用户行为之间的关联关系;
在所述用户行为为源行为时,将所述用户行为信息存至redis数据库,并为所述用户行为设置过期时间,以及在所述过期时间到达后,将所述用户行为作为后续行为处理。
9.如权利要求8所述的服务器,其特征在于,在所述用户行为为所述单行为周期型行为集合中的连续周期性发生的行为时,所述根据所确定的行为集合确定行为分析模型,对所述用户行为信息进行分析,包括:
检测多个周期内所述用户行为的发生情况,并在所述用户行为在各个周期内均发生时,确定所述用户行为所满足的第二预设规则,并对所述用户行为执行所述第二预设规则对应的业务策略;所述第二预设规则为预设周期时间内用户行为发生的次数及规律。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710879899.2A CN107729407B (zh) | 2017-09-26 | 2017-09-26 | 用户行为分析方法及服务器 |
PCT/CN2017/108622 WO2019061646A1 (zh) | 2017-09-26 | 2017-10-31 | 用户行为分析方法、装置、服务器及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710879899.2A CN107729407B (zh) | 2017-09-26 | 2017-09-26 | 用户行为分析方法及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107729407A true CN107729407A (zh) | 2018-02-23 |
CN107729407B CN107729407B (zh) | 2020-06-05 |
Family
ID=61206911
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710879899.2A Active CN107729407B (zh) | 2017-09-26 | 2017-09-26 | 用户行为分析方法及服务器 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107729407B (zh) |
WO (1) | WO2019061646A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108536569A (zh) * | 2018-03-21 | 2018-09-14 | 阿里巴巴集团控股有限公司 | 一种业务行为跟踪方法、装置及设备 |
CN111666298A (zh) * | 2020-04-29 | 2020-09-15 | 中国平安财产保险股份有限公司 | 基于flink的用户服务类别检测方法、装置、计算机设备 |
CN111966429A (zh) * | 2020-08-21 | 2020-11-20 | 支付宝(杭州)信息技术有限公司 | 小程序处理方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101409690A (zh) * | 2008-11-26 | 2009-04-15 | 北京学之途网络科技有限公司 | 一种互联网用户行为的获取方法和系统 |
US20150161024A1 (en) * | 2013-12-06 | 2015-06-11 | Qualcomm Incorporated | Methods and Systems of Generating Application-Specific Models for the Targeted Protection of Vital Applications |
CN105447186A (zh) * | 2015-12-16 | 2016-03-30 | 汉鼎信息科技股份有限公司 | 一种基于大数据平台的用户行为分析系统 |
CN106228178A (zh) * | 2016-07-06 | 2016-12-14 | 吴本刚 | 网络用户行为预测系统 |
CN106548381A (zh) * | 2016-12-19 | 2017-03-29 | 武汉理工数字传播工程有限公司 | 智能用户标签系统及实现方法 |
CN107169796A (zh) * | 2017-05-12 | 2017-09-15 | 深圳市浩天投资有限公司 | 一种用户行为数据的分析方法、系统及计算机可读存储介质 |
-
2017
- 2017-09-26 CN CN201710879899.2A patent/CN107729407B/zh active Active
- 2017-10-31 WO PCT/CN2017/108622 patent/WO2019061646A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101409690A (zh) * | 2008-11-26 | 2009-04-15 | 北京学之途网络科技有限公司 | 一种互联网用户行为的获取方法和系统 |
US20150161024A1 (en) * | 2013-12-06 | 2015-06-11 | Qualcomm Incorporated | Methods and Systems of Generating Application-Specific Models for the Targeted Protection of Vital Applications |
CN105447186A (zh) * | 2015-12-16 | 2016-03-30 | 汉鼎信息科技股份有限公司 | 一种基于大数据平台的用户行为分析系统 |
CN106228178A (zh) * | 2016-07-06 | 2016-12-14 | 吴本刚 | 网络用户行为预测系统 |
CN106548381A (zh) * | 2016-12-19 | 2017-03-29 | 武汉理工数字传播工程有限公司 | 智能用户标签系统及实现方法 |
CN107169796A (zh) * | 2017-05-12 | 2017-09-15 | 深圳市浩天投资有限公司 | 一种用户行为数据的分析方法、系统及计算机可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108536569A (zh) * | 2018-03-21 | 2018-09-14 | 阿里巴巴集团控股有限公司 | 一种业务行为跟踪方法、装置及设备 |
CN108536569B (zh) * | 2018-03-21 | 2021-06-29 | 创新先进技术有限公司 | 一种业务行为跟踪方法、装置及设备 |
CN111666298A (zh) * | 2020-04-29 | 2020-09-15 | 中国平安财产保险股份有限公司 | 基于flink的用户服务类别检测方法、装置、计算机设备 |
CN111966429A (zh) * | 2020-08-21 | 2020-11-20 | 支付宝(杭州)信息技术有限公司 | 小程序处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2019061646A1 (zh) | 2019-04-04 |
CN107729407B (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105357204B (zh) | 生成终端识别信息的方法及装置 | |
CN109409885A (zh) | 区块链上的跨链交易方法、装置及存储介质 | |
CN107729407A (zh) | 用户行为分析方法及服务器 | |
CN107920062A (zh) | 一种业务逻辑攻击检测模型的构建方法和计算设备 | |
CN113364753B (zh) | 反爬虫方法、装置、电子设备及计算机可读存储介质 | |
CN106789837B (zh) | 网络异常行为检测方法及检测装置 | |
CN109344611A (zh) | 应用的访问控制方法、终端设备及介质 | |
CN109491857A (zh) | 一种基于规则引擎的数据监控方法、系统及终端设备 | |
CN105446741A (zh) | 一种基于api比对的移动应用程序辨识方法 | |
CN107784596A (zh) | 保单的险种状态信息统计方法、终端设备及存储介质 | |
CN108629560A (zh) | 任务派发方法、电子设备及存储介质 | |
CN110097170A (zh) | 信息推送对象预测模型获取方法、终端及存储介质 | |
CN108446821A (zh) | 风险监控的方法、装置、存储介质及终端 | |
CN109359938A (zh) | 一种数据处理流程的优化方法、装置及终端设备 | |
CN108733799A (zh) | 一种报表数据处理方法、装置及终端 | |
CN109635993A (zh) | 基于预测模型的操作行为监控方法及装置 | |
CN110533268A (zh) | 一种风险控制方法、风控系统及终端设备 | |
CN107506494A (zh) | 文件处理方法、移动终端及计算机可读存储介质 | |
CN109905366A (zh) | 终端设备安全验证方法、装置、可读存储介质及终端设备 | |
CN108038378A (zh) | 云端检测函数被恶意修改的方法、终端设备及存储介质 | |
CN107577962A (zh) | 一种密码卡多算法并列执行的方法、系统及相关装置 | |
CN107464334A (zh) | 纸币的识别方法、识别装置及终端设备 | |
CN108156273A (zh) | 一种匿名用户id生成方法、装置及电子设备 | |
CN115119197B (zh) | 基于大数据的无线网络风险分析方法、装置、设备及介质 | |
CN110443044A (zh) | 区块链客户端漏洞挖掘方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |