CN108062415A - 用户行为的统计方法、装置及终端设备 - Google Patents

用户行为的统计方法、装置及终端设备 Download PDF

Info

Publication number
CN108062415A
CN108062415A CN201810001134.3A CN201810001134A CN108062415A CN 108062415 A CN108062415 A CN 108062415A CN 201810001134 A CN201810001134 A CN 201810001134A CN 108062415 A CN108062415 A CN 108062415A
Authority
CN
China
Prior art keywords
mrow
msub
user
weight
mfrac
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
Application number
CN201810001134.3A
Other languages
English (en)
Other versions
CN108062415B (zh
Inventor
李龙华
陈少杰
张文明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Douyu Network Technology Co Ltd
Original Assignee
Wuhan Douyu Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Douyu Network Technology Co Ltd filed Critical Wuhan Douyu Network Technology Co Ltd
Priority to CN201810001134.3A priority Critical patent/CN108062415B/zh
Publication of CN108062415A publication Critical patent/CN108062415A/zh
Application granted granted Critical
Publication of CN108062415B publication Critical patent/CN108062415B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Abstract

本发明涉及大数据技术领域，具体涉及一种用户行为的统计方法、装置及终端设备，该用户行为的统计方法包括统计用户的行为数据，过滤其中不满足预设条件的行为数据得到目标行为数据，根据所述目标行为数据计算多个指标权重，进而根据多个指标权重计算用户兴趣偏好权重，确定用户的兴趣偏好。在本方案中，一段时间内实时根据用户的行为时间计算用户的兴趣偏好，能较好地反应用户的兴趣偏好变化，以便于根据用户现目前的兴趣偏好对用户进行个性化推荐，提高用户体验感。

Description

用户行为的统计方法、装置及终端设备
技术领域
本发明涉及大数据技术领域，具体而言，涉及一种用户行为的统计方法、装置及终端设备。
背景技术
随着互联网的发展，多种应用程序均需依赖于大数据，通过对大数据进行分析后将更有利于应用程序针对用户的需求进行开发。现目前的对一个应用程序的用户偏好进行分析时，多采用统计模式，具体是通过累加的方式统计用户访问该应用程序的具体功能的频率，其对应用程序的某一功能的访问频率高，表明用户更偏爱此种功能，则该应用程序将根据用户的偏好进行推荐，以提高用户体验。但是由于统计模式是累积一段时间采集用户的行为数据，若用户的偏好在短期内发生变化，该统计模式将不能及时反应用户偏好的变化。因此，提供一种用户行为的统计方法，以实现及时反应用户的偏好变化是十分必要的。
发明内容
本发明的目的在于提供一种用户行为的统计方法，以实现及时反应用户偏好，实现个性化推荐。
本发明的另一目的在于提供一种用户行为的统计装置，以实现及时反应用户的偏好，实现个性化推荐。
本发明的另一目的在于提供一种终端设备，以实现及时反应用户的偏好，实现个性化推荐。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种用户行为的统计方法，所述方法包括：统计预定时间内用户的行为数据；过滤不满足预设条件的行为数据得到目标行为数据；根据所述目标行为数据计算多个指标权重；根据所述多个指标权重计算用户兴趣偏好权重，并根据所述用户兴趣偏好权重确定用户兴趣偏好。
第二方面，本发明实施例还提供了一种用户行为的统计装置，所述装置包括：统计模块，用于统计预定时间内用户的行为数据；过滤模块，用于过滤不满足预设条件的行为数据得到目标行为数据；第一计算模块，用于根据所述目标行为数据计算多个指标权重；第二计算模块，用于根据所述多个指标权重计算用户兴趣偏好权重，并根据所述用户兴趣偏好权重确定用户兴趣偏好。
第三方面，本发明实施例还提供了一种终端设备，所述终端设备包括处理器和存储器，所述存储器用于存储计算机程序代码，所述处理器用于执行所述存储器存储的计算机程序代码以实现前面所述的用户行为的统计方法。
本发明实施例提供的一种用户行为的统计方法、装置及终端设备，该用户行为的统计方法包括统计用户的行为数据，过滤其中不满足预设条件的行为数据得到目标行为数据，根据所述目标行为数据计算多个指标权重，进而根据多个指标权重计算用户兴趣偏好权重，确定用户的兴趣偏好。在本方案中，一段时间内实时根据用户的行为时间计算用户的兴趣偏好，能较好地反应用户的兴趣偏好变化，以便于根据用户现目前的兴趣偏好对用户进行个性化推荐，提高用户体验感。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的一种终端设备的结构示意图。
图2示出了本发明实施例提供的一种用户行为的统计方法的流程示意图。
图3示出了本发明实施例提供的一种用户行为的统计方法的子步骤的流程示意图。
图4示出了本发明实施例提供的一种用户行为的统计装置的功能模块示意图。
图示：100-终端设备；110-用户行为的统计装置；120-存储器；130-存储控制器；140-处理器；150-外设接口；160-输入输出单元；170-音频单元；180-显示单元；190-通信单元；111-统计模块；112-过滤模块；113-第一计算模块；114-第二计算模块。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在用户使用应用程序时，只有对用户偏好进行统计后才能对每个用户实现个性化服务，提高客户体验，如若统计得出用户浏览娱乐直播时间相对于其他直播的时间更长，则下一次用户登录的时候优先推荐娱乐直播给用户。此外，对用户偏好的统计还能有助于产品的定位，如若统计得出大部分用户都喜欢该应用程序的某一具体功能，如让主播完成指定任务，则后续项目开发可以着重这一块的研发。但是现有的用户偏好是基于统计模式进行统计的，不能实时反映出用户偏好的变化，即是说，用户之前可能很喜欢某一功能，后续转而喜欢其他功能，由于该统计模式是累加用户的行为数据，则当用户新开始使用一个功能时，使用新功能的行为数据量小，基于统计模式的用户偏好统计方法并不能实时反映出来。因此，本发明实施例提供一种用户行为的统计方法，以实时反映用户的偏好变化，并根据用户的新的偏好进行个性化推荐。
本发明实施例提供的用户行为的统计方法应用于终端设备，该终端设备可以为，但不限于，台式电脑等，该终端设备通过对用户使用某一应用程序的行为数据进行统计以对用户的偏好进行及时分析。请参照图1，是本发明实施例提供的一种终端设备100的结构示意图，该终端设备100包括用户行为的统计装置110、存储器120、存储控制器130、处理器140、外设接口150、输入输出单元160、音频单元170、显示单元180以及通信单元190。
所述存储器120、存储控制器130、处理器140、外设接口150、输入输出单元160、音频单元170、显示单元180、通信单元190各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述用户行为的统计装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述终端设备100设备的操作系统(operating system，OS)中的软件功能模块。所述处理器140用于执行存储器120中存储的可执行模块，例如所述用户行为的统计装置110包括的软件功能模块或计算机程序。
其中，存储器120可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器120用于存储程序，所述处理器140在接收到执行指令后，执行所述程序，后续本发明实施例任一实施例揭示的流过程定义的终端设备100所执行的方法可以应用于处理器140中，或者由处理器140实现。
处理器140可能是一种集成电路芯片，具有信号的处理能力。上述的处理器140可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器140也可以是任何常规的处理器140等。
所述外设接口150将各种输入/输出装置耦合至处理器140以及存储器120。在一些实施例中，外设接口150，处理器140以及存储控制器130可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。
输入输出单元160用于提供给用户输入数据实现用户与所述数据采集端100的交互。所述输入输出单元160可以是，但不限于，鼠标和键盘等。
音频单元170向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
显示单元180在数据采集端100与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元180可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器140进行计算和处理。
所述通信单元190用于通过所述网络与所述终端设备300之间建立连接，从而实现所述终端设备100与云端之间的通信连接，并用于通过所述网络收发数据。
请参照图2，是本发明实施例提供的一种用户行为的统计方法的流程示意图，该方法包括：
步骤S110，统计用户的行为数据。
通过终端设备100上的程序对用户的行为数据进行统计，该行为数据为用户对应用程序的所有操作，如应用程序为一直播软件时，该行为数据包括用户对相应直播页面的点击操作、赠送用户礼物的交易行为、观看直播的时长等。
步骤S120，过滤不满足预设条件的行为数据得到目标行为数据。
即是在统计的所有行为数据中有一部分为用户偶然操作或错误操作导致的行为数据，这一部分数据对分析用户偏好没有有益效果，反而增大了计算量，因此需要对这部分数据进行过滤。如当用户在使用应用程序时错误点击一个页面后很快关闭，或者用户点开一个页面后很快关闭，说明该页面内容不是用户喜欢的，但是用户的这一系列操作都将产生行为数据，这一部分数据为需要过滤的行为数据。
请参照图3，是本发明实施例提供的一种用户行为的统计方法的步骤S120的子步骤的流程示意图，该步骤S120包括：
步骤S121，过滤所述时长小于第一预设时长的行为数据得到中间行为数据。
该第一预设时长为观看视频时间或查看网页时间小于一分钟，容易理解的，该第一预设时长可根据开发人员的需要进行自主设置。即是说，将所有行为数据中小于第一预设时长的行为数据去除得到中间行为数据，去除的这一部分数据为用户错误点击页面后很快退出或用户不喜欢点开的页面很快退出的行为数据，该部分行为数据不能反映用户的偏好。
步骤S122，过滤所述点击次数小于阈值，或者所述时长小于第二预设时长的中间行为数据得到目标行为数据。
具体地，得到中间行为数据后还需进一步过滤。在本发明实施例中，该阈值设置为3次，该第二预设时长设置为3分钟，容易理解的，该阈值和第二预设时长均可根据实际需要进行变更。即是说，对中间行为数据中点击视频页面或网页页面的次数小于三次的，或者用户观看时长小于3分钟的中间行为数据进行过滤，进而得到目标行为数据。其阈值和第二预设时长反应了用户的查看频率，进而反应了用户的偏好，则可根据过滤后得到的目标行为数据分析用户的偏好。
步骤S130，根据所述目标行为数据计算多个指标权重。
该指标为能够反应用户操作的具有代表性的指标，在本发明实施例中，该指标权重为弹幕权重、金额交易权重、观看时长权重，容易理解的，该指标可以根据应用程序的情况进行选取，如该应用程序为小说阅读软件，则该具有代表性的指标可以选取小说阅读时长、浏览小说类型等。其中，弹幕权重的计算方式为：
该金额交易权重分为两部分，其计算方式为：
该观看时长权重的计算方式为：
其中，λ1，λ2为自定义的权重参数，在本发明实施例中，λ1为0.2，λ2为0.3，ms为用户发布的弹幕数量，ps为用户发送的金额数量，cs为用户发送的另一种金额的数量，rs为用户观看的总时长，wm为弹幕权重，wp为一种金额交易权重，wc为另一种金额交易权重，wr为观看时长权重。
步骤S140，根据所述多个指标权重计算用户兴趣偏好权重，并根据所述用户兴趣偏好权重确定用户兴趣偏好。
该用户兴趣偏好权重的计算方式为：
其中，wm为弹幕权重，wp为一种金额交易权重，wc为另一种金额交易权重，wr为观看时长权重，w为用户兴趣偏好权重，s为统计周期内用户点击视频的次数，T为当前统计时间，ts为开始统计时间。
需要说明的是，对于应用程序的各个功能均通过该方法确定指标权重，进而确定用户对应用程序的各个功能的兴趣偏好权重，其中，应用程序的各个功能为应用程序组成部分，亦即是应用程序上的各个能实现一定业务流程的功能模块，如斗鱼直播中不同类型的直播页面为多个功能模块，微信中关联的各个小程序均为功能模块。进而对多个兴趣偏好权重进行排序，去除兴趣偏好权重低于预设权重的用户兴趣偏好权重，去除的部分表明用户浏览次数少，不能代表用户的偏好。进而该顺序排列的偏好权重对应代表用户的喜好，进而可根据用户的喜好对用户进行个性化推荐。此外，该用户行为的统计方法是按照预定周期执行一次，较优地，该预定周期为30天，即是说，以30天的行为数据为基准对用户的偏好进行分析，若用户的偏好发生了变化，也能及时通过偏好权重进行反应，以能较好地反应用户的偏好变化。
请参照图4，是本发明实施例提供的一种用户行为的统计装置110的功能模块示意图，该用户行为的统计装置110应用于终端设备100上，该装置包括统计模块111、过滤模块112、第一计算模块113以及第二计算模块114。
统计模块111，用于统计预定时间内用户的行为数据。
在本发明实施例中，步骤S110可以由统计模块111执行。
过滤模块112，用于过滤不满足预设条件的行为数据得到目标行为数据。
在本发明实施例中，步骤S120可以由过滤模块112执行。
第一计算模块113，用于根据所述目标行为数据计算多个指标权重。
在本发明实施例中，步骤S130可以由第一计算模块113执行。
第二计算模块114，用于根据所述多个指标权重计算用户兴趣偏好权重，以确定用户兴趣偏好。
在本发明实施例中，步骤S140可以由第二计算模块114执行。
由于在用户行为的统计方法部分已经详细描述，在此不再赘述。
综上所述，本发明实施例提供的一种用户行为的统计方法、装置及终端设备，该用户行为的统计方法包括统计用户的行为数据，过滤其中不满足预设条件的行为数据得到目标行为数据，根据所述目标行为数据计算多个指标权重，进而根据多个指标权重计算用户兴趣偏好权重，确定用户的兴趣偏好。在本方案中，一段时间内实时根据用户的行为时间计算用户的兴趣偏好，能较好地反应用户的兴趣偏好变化，以便于根据用户现目前的兴趣偏好对用户进行个性化推荐，提高用户体验感。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种用户行为的统计方法，其特征在于，所述方法包括：
统计预定时间内用户的行为数据；
过滤不满足预设条件的行为数据得到目标行为数据；
根据所述目标行为数据计算多个指标权重；
根据所述多个指标权重计算用户兴趣偏好权重，并根据所述用户兴趣偏好权重确定用户兴趣偏好。
2.如权利要求1所述的方法，其特征在于，所述行为数据包括用户观看视频的时长以及用户点击所述视频的点击次数，所述过滤不满足预设条件的行为数据得到目标数据的步骤包括：
过滤所述时长小于第一预设时长的行为数据得到中间行为数据；
过滤所述点击次数小于阈值，或所述时长小于第二预设时长的中间行为数据得到目标行为数据。
3.如权利要求1所述的方法，其特征在于，所述根据所述目标行为数据计算多个指标权重的步骤包括：
所述指标权重包括弹幕权重、金额交易权重、观看时长权重，
所述弹幕权重的计算方式为：
<mrow> <msub> <mi>w</mi> <mi>m</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>&amp;lambda;</mi> <mn>1</mn> </msub> <mrow> <mn>1</mn> <mo>+</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>(</mo> <mrow> <msub> <mi>m</mi> <mi>s</mi> </msub> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
所述金额交易权重的计算方式分为两部分，分别为：
<mrow> <msub> <mi>w</mi> <mi>p</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>&amp;lambda;</mi> <mn>2</mn> </msub> <mrow> <mn>1</mn> <mo>+</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>(</mo> <mrow> <msub> <mi>p</mi> <mi>s</mi> </msub> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
<mrow> <msub> <mi>w</mi> <mi>c</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mi>&amp;lambda;</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>&amp;lambda;</mi> <mn>2</mn> </msub> </mrow> <mrow> <mn>1</mn> <mo>+</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>(</mo> <mrow> <msub> <mi>c</mi> <mi>s</mi> </msub> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
所述观看时长权重的计算方式为：
<mrow> <msub> <mi>w</mi> <mi>r</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>+</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>(</mo> <mrow> <msub> <mi>r</mi> <mi>s</mi> </msub> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
其中，λ1，λ2为自定义的权重参数，ms为用户发布的弹幕数量，ps为用户发送的金额数量，cs为用户发送的另一种金额的数量，rs为用户观看的总时长，wm为弹幕权重，wp为一种金额交易权重，wc为另一种金额交易权重，wr为观看时长权重。
4.如权利要求3所述的方法，其特征在于，所述根据所述多个指标权重计算用户兴趣偏好权重，以确定用户兴趣偏好的步骤包括：
所述用户兴趣偏好权重的计算方式为：
<mrow> <mi>w</mi> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>s</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>S</mi> </munderover> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>+</mo> <mi>lg</mi> <mrow> <mo>(</mo> <mi>T</mi> <mo>-</mo> <msub> <mi>t</mi> <mi>s</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>*</mo> <mrow> <mo>(</mo> <msub> <mi>w</mi> <mi>m</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>p</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>c</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>r</mi> </msub> <mo>)</mo> </mrow> </mrow>
其中，wm为弹幕权重，wp为一种金额交易权重，wc为另一种金额交易权重，wr为观看时长权重，w为用户兴趣偏好权重，s为统计周期内用户点击视频的次数，T为当前统计时间，ts为开始统计时间。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
去除所述用户兴趣偏好权重中低于预设权重的用户兴趣偏好权重。
6.一种用户行为的统计装置，其特征在于，所述装置包括：
统计模块，用于统计预定时间内用户的行为数据；
过滤模块，用于过滤不满足预设条件的行为数据得到目标行为数据；
第一计算模块，用于根据所述目标行为数据计算多个指标权重；
第二计算模块，用于根据所述多个指标权重计算用户兴趣偏好权重，并根据所述用户兴趣偏好权重确定用户兴趣偏好。
7.如权利要求6所述的装置，其特征在于，所述行为数据包括用户观看视频的时长以及用户点击所述视频的点击次数，所述过滤模块还用于：过滤所述时长小于第一预设时长的行为数据得到中间行为数据；
过滤所述点击次数小于阈值，或所述时长小于第二预设时长的中间行为数据得到目标行为数据。
8.如权利要求6所述的装置，其特征在于，所述第一计算模块还用于：
所述指标权重包括弹幕权重、金额交易权重、观看时长权重，
所述弹幕权重的计算方式为：
<mrow> <msub> <mi>w</mi> <mi>m</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>&amp;lambda;</mi> <mn>1</mn> </msub> <mrow> <mn>1</mn> <mo>+</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>(</mo> <mrow> <msub> <mi>m</mi> <mi>s</mi> </msub> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
所述金额交易权重的计算方式分为两部分，分别为：
<mrow> <msub> <mi>w</mi> <mi>p</mi> </msub> <mo>=</mo> <mfrac> <msub> <mi>&amp;lambda;</mi> <mn>2</mn> </msub> <mrow> <mn>1</mn> <mo>+</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>(</mo> <mrow> <msub> <mi>p</mi> <mi>s</mi> </msub> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
<mrow> <msub> <mi>w</mi> <mi>c</mi> </msub> <mo>=</mo> <mfrac> <mrow> <mn>1</mn> <mo>-</mo> <msub> <mi>&amp;lambda;</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>&amp;lambda;</mi> <mn>2</mn> </msub> </mrow> <mrow> <mn>1</mn> <mo>+</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>(</mo> <mrow> <msub> <mi>c</mi> <mi>s</mi> </msub> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
所述观看时长权重的计算方式为：
<mrow> <msub> <mi>w</mi> <mi>r</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>+</mo> <mi>exp</mi> <mrow> <mo>(</mo> <mo>-</mo> <mi>l</mi> <mi>o</mi> <mi>g</mi> <mo>(</mo> <mrow> <msub> <mi>r</mi> <mi>s</mi> </msub> <mo>+</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow> </mfrac> </mrow>
其中，λ1，λ2为自定义的权重参数，ms为用户发布的弹幕数量，ps为用户发送的金额数量，cs为用户发送的另一种金额的数量，rs为用户观看的总时长，wm为弹幕权重，wp为一种金额交易权重，wc为另一种金额交易权重，wr为观看时长权重。
9.如权利要求8所述的装置，其特征在于，所述第二计算模块还用于：
所述用户兴趣偏好权重的计算方式为：
<mrow> <mi>w</mi> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>s</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>S</mi> </munderover> <mfrac> <mn>1</mn> <mrow> <mn>1</mn> <mo>+</mo> <mi>lg</mi> <mrow> <mo>(</mo> <mi>T</mi> <mo>-</mo> <msub> <mi>t</mi> <mi>s</mi> </msub> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>*</mo> <mrow> <mo>(</mo> <msub> <mi>w</mi> <mi>m</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>p</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>c</mi> </msub> <mo>+</mo> <msub> <mi>w</mi> <mi>r</mi> </msub> <mo>)</mo> </mrow> </mrow>
其中，wm为弹幕权重，wp为一种金额交易权重，wc为另一种金额交易权重，wr为观看时长权重，w为用户兴趣偏好权重，s为统计周期内用户点击视频的次数，T为当前统计时间，ts为开始统计时间。
10.一种终端设备，其特征在于，所述终端设备包括处理器和存储器，所述存储器用于存储计算机程序代码，所述处理器用于执行所述存储器存储的计算机程序代码以实现如权利要求1-5任一一项所述的方法。
CN201810001134.3A 2018-01-02 2018-01-02 用户行为的统计方法、装置及终端设备 Active CN108062415B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810001134.3A CN108062415B (zh) 2018-01-02 2018-01-02 用户行为的统计方法、装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810001134.3A CN108062415B (zh) 2018-01-02 2018-01-02 用户行为的统计方法、装置及终端设备

Publications (2)

Publication Number Publication Date
CN108062415A true CN108062415A (zh) 2018-05-22
CN108062415B CN108062415B (zh) 2021-03-16

Family

ID=62140828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810001134.3A Active CN108062415B (zh) 2018-01-02 2018-01-02 用户行为的统计方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN108062415B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110225374A (zh) * 2019-06-13 2019-09-10 北京连屏科技有限公司 交互式网络电视的用户信息采集处理方法
CN110719506A (zh) * 2019-10-21 2020-01-21 广州酷狗计算机科技有限公司 用户对视频的兴趣度确定方法、装置、服务器及存储介质
CN114817225A (zh) * 2022-05-25 2022-07-29 广西润嘉互联网科技有限公司 基于大数据电商优化的用户行为数据处理方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102611785A (zh) * 2011-01-20 2012-07-25 北京邮电大学 面向手机的移动用户个性化新闻主动推荐服务系统及方法
CN105095431A (zh) * 2015-07-22 2015-11-25 百度在线网络技术（北京）有限公司 根据用户的行为信息推送视频的方法和装置
CN106777139A (zh) * 2016-12-19 2017-05-31 浙江工业大学 基于阅读时间的用户阅读偏好统计的个性化推送方法
CN107306355A (zh) * 2016-04-20 2017-10-31 华为技术有限公司 一种内容推荐方法及服务器
CN107493513A (zh) * 2017-09-29 2017-12-19 武汉斗鱼网络科技有限公司 用户对直播内容的偏好度量方法及装置
CN107507041A (zh) * 2017-09-08 2017-12-22 北京京东尚科信息技术有限公司 用户模型的构建方法和构建装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102611785A (zh) * 2011-01-20 2012-07-25 北京邮电大学 面向手机的移动用户个性化新闻主动推荐服务系统及方法
CN105095431A (zh) * 2015-07-22 2015-11-25 百度在线网络技术（北京）有限公司 根据用户的行为信息推送视频的方法和装置
CN107306355A (zh) * 2016-04-20 2017-10-31 华为技术有限公司 一种内容推荐方法及服务器
CN106777139A (zh) * 2016-12-19 2017-05-31 浙江工业大学 基于阅读时间的用户阅读偏好统计的个性化推送方法
CN107507041A (zh) * 2017-09-08 2017-12-22 北京京东尚科信息技术有限公司 用户模型的构建方法和构建装置
CN107493513A (zh) * 2017-09-29 2017-12-19 武汉斗鱼网络科技有限公司 用户对直播内容的偏好度量方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110225374A (zh) * 2019-06-13 2019-09-10 北京连屏科技有限公司 交互式网络电视的用户信息采集处理方法
CN110225374B (zh) * 2019-06-13 2021-08-06 贵州广电新媒体产业发展有限公司 交互式网络电视的用户信息采集处理方法
CN110719506A (zh) * 2019-10-21 2020-01-21 广州酷狗计算机科技有限公司 用户对视频的兴趣度确定方法、装置、服务器及存储介质
CN110719506B (zh) * 2019-10-21 2022-02-11 广州酷狗计算机科技有限公司 用户对视频的兴趣度确定方法、装置、服务器及存储介质
CN114817225A (zh) * 2022-05-25 2022-07-29 广西润嘉互联网科技有限公司 基于大数据电商优化的用户行为数据处理方法及系统
CN114817225B (zh) * 2022-05-25 2023-03-28 深圳市晟晟科技有限公司 基于大数据电商优化的用户行为数据处理方法及系统

Also Published As

Publication number Publication date
CN108062415B (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN109190024A (zh) 信息推荐方法、装置、计算机设备及存储介质
CN108734460A (zh) 一种支付方式推荐方法、装置及设备
He et al. A game-theoretic machine learning approach for revenue maximization in sponsored search
CN107193750A (zh) 一种脚本录制方法和装置
CN108347532B (zh) 功能访问方法、装置、终端设备及存储介质
CN108062415A (zh) 用户行为的统计方法、装置及终端设备
CN105868254A (zh) 信息推荐方法及装置
CN108510384A (zh) 贷款产品推荐方法以及装置
WO2017223247A1 (en) Real-time probability determination based on technical indicators in a financial instrument environment
CN108734587A (zh) 金融产品的推荐方法及终端设备
CN109729395A (zh) 视频质量评估方法、装置、存储介质和计算机设备
CN109543940B (zh) 活动评估方法、装置、电子设备及存储介质
CN103608807A (zh) 路径长度选择器
CN111144941A (zh) 商户评分的生成方法、装置、设备及可读存储介质
CN109685545A (zh) 待发放虚拟网络资源预估方法、装置及电子设备
CN109961311A (zh) 客户推荐方法、装置、计算设备及存储介质
CN103761228A (zh) 应用程序的排名阈值确定方法和排名阈值确定系统
CN115345530A (zh) 商场地址推荐方法、装置、设备及计算机可读存储介质
CN105335886A (zh) 处理金融数据的方法和设备
CN109815403A (zh) 一种样本筛选方法及装置
CN109063120A (zh) 一种基于聚类的协同过滤推荐方法和装置
CN108109052A (zh) 物品推送方法、装置及服务器
CN110209944A (zh) 一种股票分析师推荐方法、装置、计算机设备和存储介质
CN107194814A (zh) 推荐用户的方法和装置
KR102585283B1 (ko) 소셜 빅데이터 분석을 통한 국가별 사용자 관심 토픽 자동 구성 방법

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