CN111125514A - 用户行为分析的方法、装置、电子设备和存储介质 - Google Patents

Abstract

本发明公开了用户行为分析的方法、装置、电子设备和存储介质，涉及计算机技术领域。该方法的一具体实施方式包括：根据用户的操作记录，确定在每个周期内，各用户行为对应的标签集合和各用户行为对应标签集合中每个标签的权重；在每个周期内对每个用户行为，根据用户行为对应标签集合中每个标签的权重和用户行为的权重，计算用户行为对每个标签的偏好度；根据各用户行为在每个周期内对每个标签的偏好度，确定用户对每个标签的偏好度。该实施方式能够解决智能名片呈现个性化展示的内容，呈现比较单一，很难满足不同用户的喜好和需求的问题。

Description

用户行为分析的方法、装置、电子设备和存储介质

技术领域

本发明涉及计算机技术领域，尤其涉及一种用户行为分析的方法、装置、电子设备和存储介质。

背景技术

名片在现代社会的社交活动中，是展示个人信息的一个非常重要的载体。随着智能技术发展，智能电子名片的应用越来越广泛，智能电子名片中，个性化的名片展示页面，丰富的多媒体及商品内容呈现，能更加立体将个人及企业呈现在用户的眼前。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

目前，智能名片呈现个性化展示的内容，主要是名片所属人员或者名片的管理人员基于自己的喜好和认知进行推荐，通常内容的呈现比较单一，很难满足不同用户的喜好和需求。

发明内容

有鉴于此，本发明实施例提供一种用户行为分析的方法、装置、系统和存储介质，能够解决智能名片呈现个性化展示的内容，呈现比较单一，很难满足不同用户的喜好和需求的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种用户行为分析的方法。

本发明实施例的一种用户行为分析的方法包括：根据用户的操作记录，确定在每个周期内，各用户行为对应的标签集合和各所述用户行为对应标签集合中每个标签的权重；在每个周期内对每个所述用户行为，根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对所述每个标签的偏好度；根据各所述用户行为在每个周期内对所述每个标签的偏好度，确定所述用户对所述每个标签的偏好度。

在一个实施例中，所述根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对所述每个标签的偏好度，包括：

根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对应标签集合中每个标签的权重占比；

根据所述每个标签的权重占比，确定所述用户行为对所述每个标签的偏好度。

在又一个实施例中，所述根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对应标签集合中每个标签的权重占比，包括：

根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对应标签集合中每个标签的评分；

根据所述用户行为对应标签集合中每个标签的评分，计算所述标签集合中每个标签的评分之和；

将所述标签集合中每个标签的评分与所述评分之和的商，确定为所述标签集合中每个标签的权重占比。

在又一个实施例中，所述根据各所述用户行为在每个周期内对所述每个标签的偏好度，确定所述用户对所述每个标签的偏好度，包括：

根据各所述用户行为在每个周期内对所述每个标签的偏好度，计算各所述用户行对所述每个标签的总偏好度；

各所述用户行对所述每个标签的总偏好度和所述各所述用户行为的权重，确定所述用户对所述每个标签的偏好度。

在又一个实施例中，所述根据各所述用户行为在每个周期内对所述每个标签的偏好度，计算各所述用户行对所述每个标签的总偏好度，包括：

根据各所述用户行为在每个周期内对所述每个标签的偏好度和所述每个周期对应的时间权重，计算各所述用户行对所述每个标签的总偏好度。

在又一个实施例中，所述根据用户的操作记录，确定在每个周期内，各用户行为对应的标签集合和各所述用户行为对应标签集合中每个标签的权重，包括：

在每个周期内对每个所述用户行为，根据所述操作记录，确定所述用户行为对应的操作对象，并根据所述用户行为对应操作对象所包括的标签确定所述用户行为对应的标签集合，以及根据所述用户行为对应操作对象所包括的标签的权重，确定所述用户行为对应标签集合中每个标签的权重。

在又一个实施例中，所述根据各所述用户行为在每个周期内对所述每个标签的偏好度，确定所述用户对所述每个标签的偏好度之后，包括：

根据所述用户对所述每个标签的偏好度，确定向所述用户推荐的信息。

为实现上述目的，根据本发明的另一方面，提供了一种用户行为分析的装置。

本发明的一种用户行为分析的装置包括：确定单元，用于根据用户的操作记录，确定在每个周期内，各用户行为对应的标签集合和各所述用户行为对应标签集合中每个标签的权重；计算单元，用于在每个周期内对每个所述用户行为，根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对所述每个标签的偏好度；确定单元，用于根据各所述用户行为在每个周期内对所述每个标签的偏好度，确定所述用户对所述每个标签的偏好度。

在一个实施例中，所述计算单元，具体用于：

根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对应标签集合中每个标签的权重占比；

根据所述每个标签的权重占比，确定所述用户行为对所述每个标签的偏好度。

在又一个实施例中，所述计算单元，具体用于：

根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对应标签集合中每个标签的评分；

根据所述用户行为对应标签集合中每个标签的评分，计算所述标签集合中每个标签的评分之和；

将所述标签集合中每个标签的评分与所述评分之和的商，确定为所述标签集合中每个标签的权重占比。

在又一个实施例中，所述确定单元，具体用于：

根据各所述用户行为在每个周期内对所述每个标签的偏好度，计算各所述用户行对所述每个标签的总偏好度；

各所述用户行对所述每个标签的总偏好度和所述各所述用户行为的权重，确定所述用户对所述每个标签的偏好度。

在又一个实施例中，所述确定单元，具体用于：

根据各所述用户行为在每个周期内对所述每个标签的偏好度和所述每个周期对应的时间权重，计算各所述用户行对所述每个标签的总偏好度。

在又一个实施例中，所述确定单元，具体用于：

在每个周期内对每个所述用户行为，根据所述操作记录，确定所述用户行为对应的操作对象，并根据所述用户行为对应操作对象所包括的标签确定所述用户行为对应的标签集合，以及根据所述用户行为对应操作对象所包括的标签的权重，确定所述用户行为对应标签集合中每个标签的权重。

在又一个实施例中，还包括：

推荐单元，用于根据所述用户对所述每个标签的偏好度，确定向所述用户推荐的信息。

为实现上述目的，根据本发明实施例的再一个方面，提供了一种电子设备。

本发明实施例的一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例提供的用户行为分析的方法。

为实现上述目的，根据本发明实施例的又一个方面，提供了一种计算机可读介质。

本发明实施例的一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例提供的用户行为分析的方法。

上述发明中的一个实施例具有如下优点或有益效果：本发明实施例中，根据用户的操作记录可以计算出每个周期内用户的各种用户行为对应的标签和对各标签的偏好度，进而可以确定出用户对各标签的偏好度。如此，通过对用户行为的分析，确定出用户对标签的偏好度，进而可以了解用户对哪些内容感兴趣，从而可以向不同用户精准推荐其感兴趣的内容，使推荐的内容能够满足用户的喜好和需求。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的用户行为分析的方法的一种主要流程的示意图；

图2是根据本发明实施例的用户行为分析的方法的又一种主要流程的示意图；

图3是根据本发明实施例的用户行为分析的装置的主要单元的示意图；

图4是本发明实施例可以应用于其中的又一种示例性系统架构图；

图5是适于用来实现本发明实施例的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

需要指出的是，在不冲突的情况下，本发明中的实施例以及实施例中的特征可以互相组合。

本发明实施例提供了一种用户行为分析的方法，该方法可由计算设备执行，如图1所示，该方法包括以下步骤。

S101：根据用户的操作记录，确定在每个周期内，各用户行为对应的标签集合和各用户行为对应标签集合中每个标签的权重。

其中，智能名片的管理者可以按照预设周期，根据用户的操作记录来对用户的行为进行分析，确定出在每个周期内各用户行为对应的标签集合，以及在每个周期内各用户行为对应标签集合中每个标签的权重。

用户行为可以包括多种，例如，可以包括浏览、评论、点赞、沟通等等。智能名片集成了多种功能，用户在打开名片时，可以主动和用户进行沟通，从而了解用户的潜在需求，也可以与用户就一些问题主动咨询，用户也可以主动发起对话，通过与客服等沟通来解答用户疑问等等。通过上述沟通可以了解用户的喜好和需求，所以沟通也可以是用户的一种行为。名片所有者根据沟通结果，可以给用户打上相应的标签。

标签可以是各个行业、领域、物品等等的描述内容或关键字词等等，例如，针对于保险领域，可以用“意外险”、“重疾险”、“寿险”、“财险”、“百万医疗险”等等构成一个标签体系。

用户每次操作的用户行为均会对应操作对象，例如浏览一篇文章，点赞一段视频等等。对于每个操作对象，智能名片中均可以预先设置其包括的标签和各标签的权重。所以根据用户操作的记录可以确定出各用户行为对应的和对应标签的权重。

具体的实现方式可以为：在每个周期内对每个用户行为，根据操作记录，确定用户行为对应的操作对象，并根据用户行为对应操作对象所包括的标签确定用户行为对应的标签集合，以及根据用户行为对应操作对象所包括的标签的权重，确定用户行为对应标签集合中每个标签的权重。

在每个周期内对每个用户行为执行如下操作：根据用户的操作记录，可以确定出用户行为的操作对象。由于每个操作对象预先设置了包括的标签，则可以根据用户行为的操作对象所包括的标签确定出该用户行为对应的标签集合，即将该用户行为的操作对象所包括的标签，确定为该用户行为对应的标签集合。同时每个操作对象预先设置了所包括标签的权重，如此可以根据用户行为的操作对象所包括标签的权重，确定出该用户行为对应的标签集合中各标签的权重。如果该用户行为的操作对象有多个，多个操作对象中包括了某个相同的标签，则该标签的权重为该标签在每个操作对象中权重的和。

通过以上处理过程，可以确定一个周期内各用户行为对应的标签集合和标签集合中每个标签的权重，进而对每个周期执行上述过程，即可确定出每个周期内各用户行为对应的标签集合和标签集合中每个标签的权重。

S102：在每个周期内对每个用户行为，根据用户行为对应标签集合中每个标签的权重和用户行为的权重，计算用户行为对每个标签的偏好度。

其中，步骤S101中确定出每个周期内各个用户行为对应每个标签的权重，则在每个周期内对每个用户行为，可以根据用户行为对应每个标签的权重和用户行为的权重，计算出用户行为对每个标签的偏好度。

具体的，在每个周期内对每个用户行为，本步骤可以具体执行为：根据用户行为对应标签集合中每个标签的权重和用户行为的权重，计算用户行为对应标签集合中每个标签的权重占比；根据每个标签的权重占比，确定用户行为对每个标签的偏好度。

用户行为的权重为预先设置，每个用户行为的权重可以根据其对用户偏好的影响程度来设置权重，用户行为对用户偏好的影响程度越高，则用户行为的权重越高。结合用户行为对应每个标签的权重和用户行为的权重，可以计算用户行为对应标签集合中每个标签的权重占比。每个标签的权重占比是指在此一个周期内，用户行为所对应的所有标签中每个标签的权重占比，也就是用户行为对每个标签的偏好程度。通常标签的权重占比越高，说明用户行为操作包括该标签的对象数量越多，或者用户行为操作对象包括该标签的权重越高，也即是说用户行为对该标签的偏好程度越高，所以根据每个标签的权重占比，可以确定用户行为对每个标签的偏好度。

根据用户行为对应标签集合中每个标签的权重和用户行为的权重，计算用户行为对应标签集合中每个标签的权重占比的方式，可以为：根据用户行为对应标签集合中每个标签的权重和用户行为的权重，计算用户行为对应标签集合中每个标签的评分；根据用户行为对应标签集合中每个标签的评分，计算标签集合中每个标签的评分之和；将标签集合中每个标签的评分与评分之和的商，确定为标签集合中每个标签的权重占比。

在每个周期内对每个用户行为，可以将该用户行为对应每个标签的权重和该用户行为的权重的乘积，作为用户行为对应标签集合中每个标签的评分。对于该用户行为对应标签集合中每个标签均计算出标签的评分后，可以计算标签集合中各个标签的评分之和，然后将标签集合中每个标签的评分除以评分之和，得出每个标签评分在标签集合的评分之和中所占的比重，也就是标签集合中每个标签的权重占比。

S103：根据各用户行为在每个周期内对每个标签的偏好度，确定用户对每个标签的偏好度。

其中，步骤S102中计算出每个周期内各个用户行为对应每个标签的偏好度，则可以确定出用户在所有周期内各个用户行为对应每个标签的偏好度，在结合各用户行为对用户偏好的影响程度，即可确定出用户对每个标签的偏好。

具体的，本步骤可以具体执行为：根据各用户行为在每个周期内对每个标签的偏好度，计算各用户行对每个标签的总偏好度；各用户行对每个标签的总偏好度和各用户行为的权重，确定用户对每个标签的偏好度。

其中，将各用户行为在每个周期内对每个标签的偏好度进行综合考虑，可以了解各个用户行为在所有周期内的对每个标签的总偏好度。由于周期距离对用户行为分析时的当前时间越远，则对当前用户的偏好影响越小，所以本发明实施例中可以设置各周期对应数据的不同时间权重，以减小距离当前时间较远的周期的数据，在确定用户行为在所有周期内对每个标签的偏好度时的影响。本发明实施例中，时间权重可以根据距离当前时间的远近程度来设置，距离当前时间越远，则权重越小。例如，可以设置距离当前时间超过三个月，则该周期数据的时间权重为0.1，距离当前时间为三个月至一个月，则该周期数据的时间权重为0.8，距离当前时间为一个月内，则该周期数据的时间权重为1.2。通过上述时间权重的设置，可以减少距离当前时间较远的周期数据对当前用户行为分析的影响，以及加强距离当前时间较近的周期数据对当前用户行为分析的影响，从而使用户行为分析的结果更能体现用户在当前时间的偏好。在确定出各用户行对每个标签的总偏好度后，再结合各用户行为的权重，即可确定出用户对每个标签的偏好度。

具体的，计算各用户行对每个标签的总偏好度的方式，可以具体为：根据各用户行为在每个周期内对每个标签的偏好度和每个周期对应的时间权重，计算各用户行对每个标签的总偏好度。结合每个周期对应的时间权重，可以根据用户行为在每个周期内对每个标签的偏好度，计算出各用户行对每个标签的总偏好度。

在步骤中确定出用户对每个标签的偏好度后，可以确定出向用户推荐的信息。用户对标签的偏好度越高，则表明用户对该标签相关内容的喜爱或者有对该标签相关内容的需求，则可以向用户推荐这些标签相关内容，以便于能够在用户使用智能名片式显示用户感兴趣的内容。

需要说明的是，本发明实施例中，周期的长度可以根据具体的需求设置，例如可以设置为一天。由于距离当前时间越远的数据，对当前用户行为分析的影响越小，则本发明实施例可以选取近半年或一年等一段时间内的操作记录来进行用户行为分析，从而可以减少数据的计算量。

本发明实施例中，根据用户的操作记录可以计算出每个周期内用户的各种用户行为对应的标签和对各标签的偏好度，进而可以确定出用户对各标签的偏好度。如此，通过对用户行为的分析，确定出用户对标签的偏好度，进而可以了解用户对哪些内容感兴趣，从而可以向不同用户精准推荐其感兴趣的内容，使推荐的内容能够满足用户的喜好和需求。

需要说明的是，本发明实施例中，对用户行为的分析可以将用户行为限制在一个实体域上，例如，保险商品域。如此确定出用户对保险商品域中偏好的标签，从而更好地为用户推荐相关的内容。

下面结合图1所示的实施例，可以对用户行为分析的方法进行具体说明。如图2所示，该方法包括以下步骤。

S201：根据用户的操作记录，确定每个周期内，各用户行为对应的标签集合和各用户行为对应每个标签的权重。

操作记录包括了用户操作的用户行为和各用户行为对应的操作对象。用户的操作记录可以通过用户的访问日志、沟通记录等等得出。操作记录可以包括用户对各内容的浏览、点击、收藏、评论、转发、购买、沟通等行为，以及访问次数，转发次数，浏览时长等信息。

从操作记录中，可以确定用户各用户行为对应的操作对象。操作对象中设置了标签和标签权重，所以可以根据用户行为对应的操作对象确定出用户行为对应的标签集合和用户行为对应标签集合中每个标签的权重。

例如，从操作记录中确定用户的沟通内容包括了标签：健康险，而权重为2，则沟通行为对应的标签集合包括：健康险，且沟通行为对应的标签健康险的权重为2。

再例如，用户收藏了某个保险商品，该商品包括的标签为：健康险、长险(5年以上)、高价值，对应权重分别为：2、1、4，则收藏行为对应标签集合包括：健康险、长险(5年以上)、高价值，收藏行为对应上述标签的权重分别为2、1、4。若用户同意周期内用户还收藏了另一保险商品，该商品包括的标签为：健康险、高价值，对应权重分别为：2、1，则综合后可以确定收藏行为对应标签集合包括：健康险、长险(5年以上)、高价值，收藏行为对应上述标签的权重分别为4、1、5。

需要说明的是，本发明实施例可以以天为周期进行操作。本发明实施例是对操作记录对应时间段内用户行为进行分析，则周期是指操作记录对应时间段内的周期。

S202：计算在每个周期内各用户行为对每个标签的评分。

不同的用户行为对用户偏好的影响程度不同，所以在分析用户行为对每个标签的影响还需要考虑用户行为的权重，所以本步骤中需要结合用户行为的权重，计算各用户行为对每个标签的评分。用户行为的权重为预先设置，每个用户行为的权重可以根据其对用户偏好的影响程度来设置权重，用户行为对用户偏好的影响程度越高，则用户行为的权重越高。

本步骤的计算方式可以为，在每个周期内，将各用户行为对应每个标签的权重乘以用户行为的权重，计算出各用户行为对每个标签的评分。

S203：计算在每个周期内各用户行为对每个标签的偏好度。

其中，在每个周期内，计算出每个用户行为对每个标签的评分后，可以通过公式1计算每个用户行为对每个标签的偏好度。

在公式1中，j表示用户行为，i表示用户行为j对应标签集合中的第i个标签，k表示用户行为j对应标签集合中的第k个标签，n表示用户行为j对应标签集合中标签的个数。count(i,j)表示用户行为j对应第i标签的评分，

表示用户行为j对应标签集合中各标签的评分之和。bias(i,j)表示用户行为j在一个周期内对第i标签的偏好度。

S204：根据时间权重，计算在所有周期内各用户行为对每个标签的偏好度。

分析用户行为时，用户行为的有价值程度是随着时间衰减的，越近的时间内发生的用户行为越能表征用户的偏好，可以考虑用户行为在时间上的持续和变化过程，来分析用户行为呈现的时间规律，通常用户行为发生的时间越近，用户行为的时间越高。对于用户实时兴趣，可以通过很短的时间间隔进行近线挖掘分析，比如选取最近一月，最近一周，近两天来分析。

本发明实施例是对操作记录对应时间段内用户行为进行分析，则所有周期是指操作记录对应时间段内的周期。也即是说本步骤中根据时间权重和每个周期内各用户行为对每个标签的偏好度，计算在所有周期内各用户行为对每个标签的偏好度。

假设操作记录对应时间段内包括m个周期，在m个周期内对每个用户行为，可以通过公式2计算在所有周期内各用户行为对每个标签的偏好度。

在公式2中，j表示用户行为，i表示用户行为j对应标签集合中的第i个标签，bias(i,j)用户行为j对在一个周期内第i标签的偏好度，m表示操作记录时间段内周期的数量，t表示m周期中的第t个周期，β_t表示第t个周期对应的时间权重。b(i,j)用户行为j在所有周期内对第i标签的偏好度。

需要说明的是，所有周期内各用户行为表示操作记录对应时间段内用户操作的各种行为。例如，在第1周期内用户行为包括浏览和沟通，在第2个周期内用户行为包括浏览和收藏，则操作记录对应时间段内用户行为包括浏览、沟通和收藏。

S205：根据用户行为权重，计算用户对每个标签的偏好度。

用户对应的每个标签，可以为各用户行为对应标签集合的总和。

在确定出各用户行在所有周期内对每个标签的总偏好度后，结合各用户行为的权重，即可确定出用户对每个标签的偏好度。具体的，可以根据公式3计算用户对第i个标签的偏好度。

在公式3中，y表示操作记录对应时间段内用户行为的数量，j表示y个用户行为中的第j个用户行为，i表示用户对应的第i个标签，b(i,j)用户行为j在所有周期内对第i标签的偏好度，β_j表示第j个用户行为对应的用户行为权重，B(i)表示用户对第i标签的偏好度。

通过公式3可以计算出用户对每个标签的偏好度。在计算过程中，如果在对某个标签的偏好进行计算时，一些用户行为对应的标签集合中并没有此标签，则可以将用户行为对应此标签的偏好b(i,j)确定为0。

需要说明的是，所有周期内各用户行为表示操作记录对应时间段内用户操作的各种行为。例如，在第1周期内用户行为包括浏览和沟通，在第2个周期内用户行为包括浏览和收藏，则操作记录对应时间段内用户行为包括浏览、沟通和收藏，则操作记录对应时间段内用户行为包括浏览、沟通和收藏，用户行为的数量为3。

S206：根据用户对每个标签的偏好度，确定向用户推荐的信息。

在对用户行为分析后，可以得出用户对每个标签的偏好度，用户对标签的偏好度越高，则表明用户对该标签相关内容的喜爱或者有对该标签相关内容的需求，则可以向用户推荐这些标签相关内容，以便于能够在用户使用智能名片式显示用户感兴趣的内容。

本发明实施例中，根据用户的操作记录可以计算出每个周期内用户的各种用户行为对应的标签和对各标签的偏好度，进而可以确定出用户对各标签的偏好度。如此，通过对用户行为的分析，确定出用户对标签的偏好度，进而可以了解用户对哪些内容感兴趣，从而可以向不同用户推荐其感兴趣的内容，使推荐的内容能够满足用户的喜好和需求。

为了解决现有技术存在的问题，本发明实施例提供了一种用户行为分析的装置300，如图3所示，该装置300包括：

确定单元301，用于根据用户的操作记录，确定在每个周期内，各用户行为对应的标签集合和各所述用户行为对应标签集合中每个标签的权重；

计算单元302，用于在每个周期内对每个所述用户行为，根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对所述每个标签的偏好度；

确定单元301，用于根据各所述用户行为在每个周期内对所述每个标签的偏好度，确定所述用户对所述每个标签的偏好度。

应理解的是，实施本发明实施例的方式与实施图2所示实施例的方式相同，在此不再赘述。

本发明实施例的一种实现方式中，所述计算单元302，具体用于：

根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对应标签集合中每个标签的权重占比；

根据所述每个标签的权重占比，确定所述用户行为对所述每个标签的偏好度。

本发明实施例的又一种实现方式中，所述计算单元302，具体用于：

根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对应标签集合中每个标签的评分；

根据所述用户行为对应标签集合中每个标签的评分，计算所述标签集合中每个标签的评分之和；

将所述标签集合中每个标签的评分与所述评分之和的商，确定为所述标签集合中每个标签的权重占比。

本发明实施例的又一种实现方式中，所述确定单元302，具体用于：

根据各所述用户行为在每个周期内对所述每个标签的偏好度，计算各所述用户行对所述每个标签的总偏好度；

各所述用户行对所述每个标签的总偏好度和所述各所述用户行为的权重，确定所述用户对所述每个标签的偏好度。

本发明实施例的又一种实现方式中，所述确定单元301，具体用于：

根据各所述用户行为在每个周期内对所述每个标签的偏好度和所述每个周期对应的时间权重，计算各所述用户行对所述每个标签的总偏好度。

本发明实施例的又一种实现方式中，所述确定单元301，具体用于：

在每个周期内对每个所述用户行为，根据所述操作记录，确定所述用户行为对应的操作对象；并根据所述用户行为对应操作对象所包括的标签，确定所述用户行为对应的标签集合；以及根据所述用户行为对应操作对象所包括的标签的权重，确定所述用户行为对应标签集合中每个标签的权重。

本发明实施例的又一种实现方式中，所述装置300还包括：

推荐单元301，用于根据所述用户对所述每个标签的偏好度，确定向用户推荐的信息。

应理解的是，实施本发明实施例的方式与实施图1或图2所示实施例的方式相同，在此不再赘述。

本发明实施例中，根据用户的操作记录可以计算出每个周期内用户的各种用户行为对应的标签和对各标签的偏好度，进而可以确定出用户对各标签的偏好度。如此，通过对用户行为的分析，确定出用户对标签的偏好度，进而可以了解用户对哪些内容感兴趣，从而可以向不同用户推荐其感兴趣的内容，使推荐的内容能够满足用户的喜好和需求。

根据本发明的实施例，本发明还提供了一种电子设备和一种可读存储介质。

本发明的电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本发明实施例所提供的用户行为分析的方法。

图4示出了可以应用本发明实施例的用户行为分析的方法或用户行为分析的装置的示例性系统架构400。

如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如产品信息--仅为示例)反馈给终端设备。

需要说明的是，本发明实施例所提供的用户行为分析的方法一般由服务器405执行，相应地，用户行为分析的装置一般设置于服务器405中。本发明实施例所提供的用户行为分析的方法一般由终端设备401、402、403执行，相应地，用户行为分析的装置一般设置于终端设备401、402、403中。

应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图5，其示出了适于用来实现本发明实施例的计算机系统500的结构示意图。图5示出的计算机系统仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。

特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、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单元、程序段、或代码的一部分，上述单元、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，两个接连地表示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，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操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。

描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括确定单元和计算单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，确定单元还可以被描述为“确定单元的功能的单元”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备执行本发明所提供的用户行为分析的方法。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种用户行为分析的方法，其特征在于，包括：

根据用户的操作记录，确定在每个周期内，各用户行为对应的标签集合和各所述用户行为对应标签集合中每个标签的权重；

在每个周期内对每个所述用户行为，根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对所述每个标签的偏好度；

根据各所述用户行为在每个周期内对所述每个标签的偏好度，确定所述用户对所述每个标签的偏好度。

2.根据权利要求1所述的方法，其特征在于，所述根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对所述每个标签的偏好度，包括：

根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对应标签集合中每个标签的权重占比；

根据所述每个标签的权重占比，确定所述用户行为对所述每个标签的偏好度。

3.根据权利要求2所述的方法，其特征在于，所述根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对应标签集合中每个标签的权重占比，包括：

根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对应标签集合中每个标签的评分；

根据所述用户行为对应标签集合中每个标签的评分，计算所述标签集合中每个标签的评分之和；

将所述标签集合中每个标签的评分与所述评分之和的商，确定为所述标签集合中每个标签的权重占比。

4.根据权利要求1所述的方法，其特征在于，所述根据各所述用户行为在每个周期内对所述每个标签的偏好度，确定所述用户对所述每个标签的偏好度，包括：

根据各所述用户行为在每个周期内对所述每个标签的偏好度，计算各所述用户行对所述每个标签的总偏好度；

根据各所述用户行对所述每个标签的总偏好度和所述各所述用户行为的权重，确定所述用户对所述每个标签的偏好度。

5.根据权利要求4所述的方法，其特征在于，所述根据各所述用户行为在每个周期内对所述每个标签的偏好度，计算各所述用户行对所述每个标签的总偏好度，包括：

根据各所述用户行为在每个周期内对所述每个标签的偏好度和所述每个周期对应的时间权重，计算各所述用户行对所述每个标签的总偏好度。

6.根据权利要求1所述的方法，其特征在于，所述根据用户的操作记录，确定在每个周期内，各用户行为对应的标签集合和各所述用户行为对应标签集合中每个标签的权重，包括：

在每个周期内对每个所述用户行为，根据所述操作记录，确定所述用户行为对应的操作对象，并根据所述用户行为对应操作对象所包括的标签确定所述用户行为对应的标签集合，以及根据所述用户行为对应操作对象所包括的标签的权重，确定所述用户行为对应标签集合中每个标签的权重。

7.根据权利要求1所述的方法，其特征在于，所述根据各所述用户行为在每个周期内对所述每个标签的偏好度，确定所述用户对所述每个标签的偏好度之后，包括：

根据所述用户对所述每个标签的偏好度，确定向所述用户推荐的信息。

8.一种用户行为分析的装置，其特征在于，包括：

确定单元，用于根据用户的操作记录，确定在每个周期内，各用户行为对应的标签集合和各所述用户行为对应标签集合中每个标签的权重；

计算单元，用于在每个周期内对每个所述用户行为，根据所述用户行为对应标签集合中每个标签的权重和所述用户行为的权重，计算所述用户行为对所述每个标签的偏好度；

确定单元，用于根据各所述用户行为在每个周期内对所述每个标签的偏好度，确定所述用户对所述每个标签的偏好度。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images