CN111143178B - 用户行为分析方法、装置及设备 - Google Patents
用户行为分析方法、装置及设备 Download PDFInfo
- Publication number
- CN111143178B CN111143178B CN201911272754.1A CN201911272754A CN111143178B CN 111143178 B CN111143178 B CN 111143178B CN 201911272754 A CN201911272754 A CN 201911272754A CN 111143178 B CN111143178 B CN 111143178B
- Authority
- CN
- China
- Prior art keywords
- path
- target
- repeated
- behavior
- paths
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Debugging And Monitoring (AREA)
Abstract
本说明书提供一种用户行为分析方法、装置及设备,所述方法包括:定期获取若干目标用户行为日志;所述目标用户行为日志记录指定时间内用户对应用程序的一个或多个操作行为;对于每一个目标用户行为日志,基于所述操作行为构建每个操作周期内的操作路径,并从所述操作路径中获取目标操作路径;所述操作周期表示用户从打开所述应用程序到关闭所述应用程序的时间;对若干所述目标操作路径进行聚类,获取重复的目标操作路径;基于所述重复的目标操作路径进行分析,获取异常操作行为确定结果;本说明书从每个操作周期内的操作路径中获取不同的目标操作路径进行分析,发现异常操作行为,从而有助于推动产品迭代。
Description
技术领域
本说明书涉及互联网技术领域,尤其涉及用户行为分析方法、装置及设备。
背景技术
随着经济发展和社会进步,电脑、智能手机以及平板等智能终端设备成为人们生活中不可或缺的工具,同时各种APP(Application,应用程序)也随之迅速发展了起来。对于任何一个APP应用的供应商而言,都希望使用自己产品的使用用户数能够快速增长并且能够保持活跃状态,而APP在操作或者使用上的稳定性和流畅度,是保证用户增长与持续活跃的关键指标之一,因此,亟待需要一种用户行为分析方法,来帮助产品的迭代。
发明内容
为克服相关技术中存在的问题,本说明书提供了用户行为分析方法、装置及设备。
根据本说明书实施例的第一方面,提供一种用户行为分析方法,包括:
定期获取若干目标用户行为日志;所述目标用户行为日志记录指定时间内用户对应用程序的一个或多个操作行为;
对于每一个目标用户行为日志,基于所述操作行为构建每个操作周期内的操作路径,并从所述操作路径中获取目标操作路径;所述操作周期表示用户从打开所述应用程序到关闭所述应用程序的时间;
对若干所述目标操作路径进行聚类,获取重复的目标操作路径;
基于所述重复的目标操作路径进行分析,获取异常操作行为确定结果。
可选地,所述从所述操作路径中获取目标操作路径,包括:
确定所述操作路径中重复的路径片段;
对于所述重复的路径片段,确定相同的至少两个路径片段之间是否具有连续关系,若是,将其作为所述目标操作路径。
可选地,所述目标操作路径包括:具有连续关系、且长度最小的所述重复的路径片段。
可选地,所述从所述操作路径中获取目标操作路径,包括:
确定所述操作路径中所有的最大向前路径,将其作为所述目标操作路径。
可选地,所述定期获取若干目标用户行为日志,包括:
定期获取若干用户的用户行为日志;
根据预设的埋点信息从若干所述用户行为日志中获取若干目标用户行为日志。
可选地,所述基于所述重复的目标操作路径进行分析,获取异常操作行为确定结果,包括:
基于所述重复的目标操作路径生成词向量,并根据所述词向量进行语义分析,获取异常操作行为确定结果。
可选地,所述词向量由构建所述重复的目标操作路径的操作行为,按照路径构建顺序生成。
可选地,所述根据所述词向量进行语义分析,获取异常操作行为确定结果包括:
通过预先建立的行为分析模型对所述词向量进行语义分析,生成异常操作行为确定结果;所述行为分析模型基于预设的训练样本以及双向语言模型训练生成。
可选地,还包括:
响应于所述异常操作行为确定结果,确定与所述重复的目标操作路径相应的操作页面。
可选地,所述异常操作行为确定结果以数值方式表示;
所述响应于所述异常操作行为确定结果,确定与所述重复的目标操作路径相应的操作页面,包括:
响应于所述异常操作行为确定结果不大于预设阈值,调整与所述重复的目标操作路径相应的操作页面;
响应于所述异常操作行为确定结果大于预设阈值,保留与所述重复的目标操作路径相应的操作页面。
可选地,所述调整的操作包括:替换操作、删除操作以及修改操作。
根据本说明书实施例的第二方面,提供一种用户行为分析装置,包括:
目标日志获取模块,用于定期获取若干目标用户行为日志;所述目标用户行为日志记录指定时间内用户对应用程序的一个或多个操作行为;
目标操作路径获取模块,用于对于每一个目标用户行为日志,基于所述操作行为构建每个操作周期内的操作路径,并从所述操作路径中获取目标操作路径;所述操作周期表示用户从打开所述应用程序到关闭所述应用程序的时间;
重复路径确定模块,用于对若干所述目标操作路径进行聚类,获取重复的目标操作路径;
结果获取模块,用于基于所述重复的目标操作路径进行分析,获取异常操作行为确定结果。
根据本说明书实施例的第三方面,提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现如前所述的方法。
本说明书的实施例提供的技术方案可以包括以下有益效果:
本说明书实施例中,定期获取若干目标用户行为日志,所述目标用户行为日志记录指定时间内用户对应用程序的一个或多个操作行为,对于每一个目标用户行为日志,能够基于所述操作行为构建出每个操作周期完整的操作路径,确定用户从开启应用程序到关闭应用程序的整个完整操作流程,每个完整操作流程包含用户的所有操作细节,从而有利于保证分析结果的准确性,并且可以基于不同的获取维度从所述完整的操作路径中获取不同的目标操作路径进行分析,从而可以从各个不同的角度发现用户的可疑异常操作行为,通过对所述目标操作路径进行聚类,获取重复的目标操作行为,最后基于所述重复的目标操作路径进行分析,获取异常操作行为确定结果,本实施例中,通过对若干所述目标操作行为进行聚类,不仅可以发现大数据量上的重复目标操作路径,也可以发现小数据量的重复目标操作路径,从而能够分别从大数据和小数据两个数据维度上进行分析,发现大众用户和小众用户的可疑异常操作行为,从而可以基于获取的异常操作行为确定结果实现对应用程序进行优化迭代。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本说明书的实施例,并与说明书一起用于解释本说明书的原理。
图1是本说明书根据一示例性实施例示出的一种用户行为分析方法的流程图。
图2是本说明书根据一示例性示出的一种获取最大向前路径的结构图。
图3A是本说明书根据一示例性实施例示出的重复的目标操作路径的示意图。
图3B是本说明书根据一示例性实施例示出的Bi-LSTM模型的结构图。
图4是本说明书根据一示例性实施例示出的另一种用户行为分析方法的流程图。
图5是本说明书根据一示例性实施例示出的一种用户行为分析装置的结构图。
图6是本说明书根据一示例性实施例示出的一种计算机设备的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本说明书相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本说明书的一些方面相一致的装置和方法的例子。
在本说明书使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
随着经济发展和社会进步,电脑、智能手机以及平板等智能终端设备成为人们生活中不可或缺的工具,同时各种APP(Application,应用程序)也随之迅速发展了起来。对于任何一个APP应用的供应商而言,都希望使用自己产品的使用用户数能够快速增长并且能够保持活跃状态,而APP在操作或者使用上的稳定性和流畅度,是保证用户增长与持续活跃的关键指标之一,因此,亟待需要一种用户行为分析方法,来确定APP的设计是否合理。
相关技术中通过记录每个页面中用户的点击情况,确定出基于该页面的跳转情况来进行分析,但这样的分析方法只能从大数据上发现单独每个页面的跳转情况,但是页面与页面之间是存在关联的,基于单个页面进行分析无法准确定位出具体是哪个页面的设计有问题导致的异常跳转。
基于此,本说明书实施例提供了一种用户行为分析方法,请参阅图1,是本说明书根据一示例性实施例示出的一种用户行为分析方法的流程图,其可应用于计算机设备中,所述计算机设备可以是电脑、服务器或者终端等计算设备,所述方法包括:
在步骤S101中,定期获取若干目标用户行为日志;所述目标用户行为日志记录指定时间内用户对应用程序的一个或多个操作行为。
在步骤S102中,对于每一个目标用户行为日志,基于所述操作行为构建每个操作周期内的操作路径,并从所述操作路径中获取目标操作路径;所述操作周期表示用户从打开所述应用程序到关闭所述应用程序的时间。
在步骤S103中,对若干所述目标操作路径进行聚类,获取重复的目标操作路径。
在步骤S104中,基于所述重复的目标操作路径进行分析,获取异常操作行为确定结果。
在一实施例中,所述计算机设备可以定期对指定对象进行用户行为分析,以确定该指定对象的设计合理性,所述指定对象可以是预先确定的应用程序或者所述应用程序中的一个或多个功能模块,可以理解的是,本实例对于所述应用程序以及所述功能模块的选择不做任何限制,可依据实际情况进行具体选择,比如所述应用程序可以包括但不限于:摄像类应用程序、游戏类应用程序、娱乐类应用程序、社交类应用程序以及购物类应用程序等,所述功能模块可以包括但不限于:支付功能、拍摄功能、游戏功能以及商品浏览功能等。
其中,考虑到用户在使用任一应用程序的过程中均会实时产生相应的日志文件,所述日志文件记录用户在使用该应用程序过程中的所有操作行为,因此所述计算机设备可以获取应用程序的日志文件进行用户行为分析,从而无需对应用程序的结构进行修改即可实现用户行为分析过程,使得本说明书的所述行为分析方法具有广泛的适用性。
在一实施例中,所述计算机设备可以定期获取该指定对象的若干目标用户行为日志,基于若干所述目标用户行为日志进行后续的用户行为分析步骤,其中,所述目标用户行为日志记录指定时间内用户对应用程序的一个或多个操作行为;可以理解的是,本说明书实施例对于获取周期的以及所述指定时间的具体范围不做任何限制,可依据实际应用场景进行具体设置,在一个例子中,比如可以设置30天为一周期,所述指定时间可以设置30天等,即每隔30天获取所述若干目标用户行为日志,所述目标用户行为日志记录30天内用户对应用程序的一个或多个操作行为。
在一种可能的实现方式中,应用程序中可能集成了多种不同的业务功能,而根据实际的业务需要可能只需对应用程序中的其中一种或几种业务功能进行用户行为分析,基于此,工作人员可以根据实际业务需要预先向所述计算机设备输入埋点信息,然后在用户行为分析过程中,所述计算机设备可以定期从若干客户端获取若干用户的用户行为日志,然后基于预设的埋点信息从若干用户行为日志中获取若干目标用户行为日志;本实施例采用无痕埋点方式获取目标用户行为日志,从而无需对应用程序的结构进行修改,无需侵入具体业务代码,减少了开发工作量,也使得本说明书实施例的用户行为分析方法具有广泛的适用性。
可以理解的是,本说明书实施例对于具体的埋点方式不做任何限制,可依据实际应用场景进行具体选择,在一个例子中,可以采用SPM(Super Position Model,超级位置模型)埋点方式,SPM埋点方式是用来跟踪页面模块位置的编码,标准SPM编码由4个标志位组成,采用a.b.c.d的格式,其中a标志位标识站点类型,表示包含特定业务含义的一类页面的集合,比如支付业务;b标志位标识页面类型,表示特定业务下的一具体页面,c标志位标识页面上具体的区域或模块,d标志位标识具体控件位置,其中,工作人员可以基于实际需要确定分析维度,获取相应的SPM编码,比如如果想要分析包含特定业务含义的一类页面,可以获取该类页面的a标志位编码信息,或者如果想要分析特定业务下的一具体页面,可以获取表征该具体页面的a标志位编码信息和b标志位编码信息,然后工作人员将所述SPM编码输入所述计算机设备中,以便所述计算机设备基于输入的SPM编码从若干用户行为日志获取目标用户行为日志。
在一实施例中,在获取到若干目标用户行为日志后,对于每一个目标用户行为日志,所述计算机设备基于所述目标用户行为日志中记录的操作行为构建每个操作周期内的操作路径,所述操作周期表示用户从打开所述应用程序到关闭所述应用程序的时间,其中,由于所述目标用户行为日志记录了用户对应用程的操作行为,所述操作行为包括开启应用程序操作和关闭应用程序操作,所述计算机设备可以基于所述开启应用程序操作和所述关闭应用程序操作,确定出所述操作周期,从而基于所述目标用户行为日志中记录的所述开启应用程序操作和关闭应用程序操作之间的操作行为构建出所述操作周期内的操作路径;本实施例通过获取每个操作周期内的完整操作路径,确定了用户从开启应用程序到关闭应用程序的整个完整操作流程,每个完整操作流程包含用户的所有操作细节,从而有利于保证分析结果的准确性。
在一个例子中,所述目标用户行为日志记录了指定时间内用户对所述应用程序中其中一个功能模块的操作行为,所述计算机设备可以确定所述目标用户行为日志中用户对该功能模块的开启操作以及关闭操作,基于所述开启操作和关闭操作确定出所述操作周期,然后根据所述开启操作和关闭操作之间的操作行为构建出所述操作周期内的操作路径;本实施例通过获取所述操作周期内的操作路径,确定了用户对该功能模块进行操作的完整操作流程,其包含用户的所有操作细节,从而有利于保证分析结果的准确性。
进一步地,基于不同的分析维度,所述计算机设备可以从所述操作路径中获取不同的目标操作路径,从而可以从各个维度上发现用户的可疑异常操作行为:
在第一种可能的实现方式中,所述计算机设备可以将所述操作路径作为所述目标操作路径,从而对用户操作周期内的完整路径进行整体分析。
在第二种可能的实现方式中,所述计算机设备可以将所述操作路径划分为三个路径片段,然后将这3个路径片段分别作为所述目标操作路径,从而所述计算机设备可以分别对用户操作周期中前期的操作路径、中期的操作路径以及后期的操作路径进行分析,发现异常操作行为,从而可以进行应用程序的优化迭代。
在第三种可能的实现方式中,所述计算机设备可以确定所述操作路径中重复的路径片段,然后将所述重复的路径片段作为所述目标操作路径,从而所述计算机设备可以对重复的路径片段进行分析,发现异常操作行为,从而可以进行应用程序的优化迭代。
在第四种可能的实现方式中,发明人在实现本说明书实施例的过程中发现:用户在一个操作周期内对一个或多个操作页面进行重复且连续的繁琐操作,可能是某个具体的操作页面的设计可能有问题,因此在实施本说明书实施例的过程中,将所述计算机配置为:所述计算机设备可以确定所述操作路径中重复的路径片段,然后对于所述重复的路径片段,所述计算机设备确定相同的至少两个路径片段之间是否具有连续关系,若具有连续关系,则将其作为所述目标操作路径,从而计算机设备可以对所述具有连续关系、且重复的路径片段进行分析,发现异常操作行为,从而基于发现的异常操作行为对操作页面的设计进行改进,提高操作页面的操作流畅度,提高用户使用体验。
在一个例子中,比如所述操作路径为{A→B→C→A→B→C→A→B→D→A→B→E},所述计算机设备可以确定出重复的路径片段为{A→B→C}、{A→B}、{B→C}、{A}、{B}以及{C},其中相同的两个路径片段{A→B→C}之间具有连续关系,其他相同的路径片段之间不具有连续关系,因此所述计算机设备将所述路径片段{A→B→C}作为所述目标操作路径。
在第五种可能的实现方式中,所述计算机设备可以确定所述操作路径中重复的路径片段,然后对于所述重复的路径片段,将具有连续关系且长度最小的作为所述目标操作路径,从而计算机设备可以对具有连续关系、且长度最小的所述重复的路径片段进行分析,发现异常操作行为,从而可以进行应用程序的优化迭代;其中,所述操作路径由所述操作行为构建,则长度最小的路径片段对应的操作行为数量最少。
在一个例子中,比如所述操作路径为{A→B→C→A→B→C→D→E→D→E},所述计算机设备可以确定出重复的路径片段为{A→B→C}、{A→B}、{B→C}、{D→E}、{A}、{B}、{C}、{D}以及{E},其中相同的两个路径片段{A→B→C}之间具有连续关系,以及相同的两个路径片段{D→E}之间具有连续关系,其他相同的路径片段之间不具有连续关系,因此所述计算机设备将所述路径片段{D→E}作为所述目标操作路径。
在第六种可能的实现方式中,考虑到用户在一个操作周期内触发的路径很深,即用户需要进行多个操作行为才能实现目的,繁琐的操作可能会造成用户的厌烦感,造成用户流失等后果,因此所述计算机设备可以确定所述操作路径中的所有的最大向前路径,然后将其作为所述目标操作路径,从而计算机设备可以对所述最大的向前路径进行分析,发现异常操作行为,从而对与所述最大的向前路径相应的操作页面进行改进,减少用户的操作行为,提高应用程序的操作流畅度。
在一个例子中,所述计算机设备可以基于MFP(Maximal Frequent Path,最大向前路径)算法确定所述操作路径中的最大向前路径,假设所述操作路径为{A→B→C→D→C→B→E→G→H→G→W→A→O→U→O→V},基于MFP算法可以获取最大向前路径{A→B→C→D}、{A→B→E→G→H}、{A→B→E→G→W}、{A→O→V}、{A→O→U},请参阅图2,MFP算法按照所述操作路径每处理一个节点对(比如{A→B}),然后判断A是否为空就可以知道是否开始了一条新的路径;并且通过判断A是否与当前已处理路径中的某个节点相同,若相同,则说明此时发生了向后的引用,那么发生向后引用前的路径就是一条最大向前路径。
在第七种可能的实现方式中,所述计算机设备可以确定所述操作路径中的所有的最大向前路径,然后最长的所述最大向前路径作为所述目标操作路径,从而计算机设备可以对最长的所述最大向前路径进行分析,发现异常操作行为,从而可以进行应用程序的优化迭代。
在一个例子中,假设所述操作路径为{A→B→C→D→C→B→E→G→H→G→W→A→O→U→O→V},基于MFP算法可以获取最大向前路径{A→B→C→D}、{A→B→E→G→H}、{A→B→E→G→W}、{A→O→V}、{A→O→U},则所述计算机设备可以所述最大向前路径中最长的(即操作行为数量最多的)作为所述目标操作路径,即将{A→B→E→G→H}以及{A→B→E→G→W}作为所述目标操作路径。
在一实施例中,在获取若干操作周期对应的若干目标操作路径之后,所述计算机设备可以将若干所述目标操作行为进行聚类,从而获取重复的目标操作路径,然后基于所述重复的目标操作路径进行分析,获取异常操作行为确定结果;本实施例中,通过对若干所述目标操作行为进行聚类,使得所述计算机设备不仅可以发现大数据量上的重复目标操作路径,也可以发现小数据量的重复目标操作路径,从而能够分别从大数据和小数据两个数据维度上进行分析,发现大众用户和小众用户的可疑异常操作行为,从而可以进行应用程序的优化迭代。
可以理解的是,本说明书实施例对于所述聚类操作所使用的聚类算法不做任何限制,可依据实际应用场景进行具体选择,作为例子,所述聚类算法可以包括但不限于:k-means(K均值)算法、Mean shift(均值偏移)算法、层次聚类算法以及密度聚类算法(如DBSCAN算法)等。
在一实施例中,所述计算机设备对所述重复的目标操作路径进行分析的过程,实质上是分析该重复的目标操作路径是否符合应用程序操作逻辑,从中发现异常操作行为,发明人在实现本说明书实施例的过程中发现:上述分析过程与NLP(Natural LanguageProcessing,自然语言处理)语言模型的思想类似,NLP语言模型本质上也是分析一个句子是否符合人类语言习惯,因此,发明人在实现本说明书实施例的过程中,将所述计算机设备配置为:所述计算机设备可以根据所述重复的目标操作路径生成相应的词向量,其中,所述计算机设备获取构建所述重复的目标操作路径的操作行为,然后按照路径构建顺序将所述操作行为转化为词向量,再根据所述词向量进行语义分析,从语言逻辑角度分析所述词向量是否符合语义规则,从而获取异常操作行为确定结果;本实施例基于所述词向量是否符合语义规则的结果,来确定所述重复的目标操作路径是否符合应用程序操作逻辑,利用语言逻辑来反映应用程序操作逻辑,有利于保证确定结果的准确性。
可以理解的是,本说明书实施例对于词向量生成方法不做任何限制,可依据实际应用场景进行具体选择,例如可以通过词嵌入(word embedding)方法获取所述重复的目标操作行为的词向量。
在一种实现方式中,在获取所述重复的目标操作路径之后,所述计算机设备可以基于所述重复的目标操作路径生成词向量,然后通过预先建立的行为分析模型对所述词向量进行语义分析,生成异常操作行为确定结果;所述行为分析模型基于预设的训练样本以及双向语言模型训练生成;本实施例中利用语言逻辑来反映应用程序操作逻辑,借助较为成熟的语言模型建立行为分析模型,实现对所述重复的目标操作行为进行分析的过程,有利于保证异常操作行为确定结果的准确性。
其中,所述行为分析模型可以通过以下方式训练生成:在前期准备阶段,工作人员可基于实际需要向所述计算机设备输入埋点信息,所述计算机设备可以从若干客户端获取若干用户行为日志,然后基于所述埋点信息从若干所述用户行为日志中获取若干目标行为日志,所述目标行为日志记录用户对应用程序的一个或多个操作行为,所述计算机设备根据所述目标行为日志中的操作行为构建每个操作周期内的操作路径,并从所述操作路径中获取目标操作路径,再对若干所述目标操作路径进行聚类,获取重复的目标操作路径并进行展示,在所述计算机设备展示所述重复的目标操作路径时,工作人员可以对所述重复的目标操作行为进行分析,然后基于分析结果对所述重复的目标操作路径进行打标,从而所述计算机设备可以获取到所述重复的目标操作路径对应的标签,最后所述计算机设备将所述重复的目标操作路径及对应的标签作为训练样本,基于所述训练样本以及预设的NLP语言模型训练生成所述行为分析模型,在训练过程中,所述计算机设备将所述重复的目标操作路径转化成词向量,并输入预设的NLP语言模型中,得到预测结果,根据所述预测结果与对应的标签之间的差异,调整所述预设的NLP语言模型的参数,得到训练完成后的所述行为分析模型。
可以理解的是,本说明书实施例对于所述NLP语言模型的选择不做任何限制,可依据实际应用场景进行具体选择,所述NLP语言模型包括但不限于神经网络语言模型(neuralnetwork language model,NNLM)以及双向语言模型等,在一个例子中,所述计算机设备选择双向语言模型Bi-LSTM模型进行训练,所述Bi-LSTM模型包括一个前向的LSTM(LongShort-Term Memory,长短期记忆网络)与一个后向的LSTM,能够更好捕捉到一个句子各个词语的上下文信息,请参阅图3A,在所述计算机设备获取到重复的目标操作路径{EXPOSE.蚂蚁森林>排行榜页面→CLOSE.蚂蚁森林>排行榜页面→EXPOSE.蚂蚁森林>好友大树页面→EXPOSE.蚂蚁森林>好友大树页面>头部→CLICK.蚂蚁森林>好友大树页面>头部>收能量→CLOSE.蚂蚁森林>好友大树页面}之后,请参阅图3B,所述计算机设备将所述重复的目标操作路径中的各个操作行为依次输入到行为编码层,所述行为编码层用于将所述操作行为转化为词向量,再通过所述Bi-LSTM模型对所述词向量进行语义分析,获取异常操作行为确定结果。
本实施例中,所述计算机设备定期获取若干目标用户行为日志,所述目标用户行为日志记录指定时间内用户对应用程序的一个或多个操作行为,对于每一个目标用户行为日志,能够基于所述操作行为构建出每个操作周期完整的操作路径,确定用户从开启应用程序到关闭应用程序的整个完整操作流程,每个完整操作流程包含用户的所有操作细节,从而有利于保证分析结果的准确性,并且可以基于不同的获取维度从所述完整的操作路径中获取不同的目标操作路径进行分析,从而可以从各个不同的角度发现用户的可疑异常操作行为,其中,所述计算机设备通过对所述目标操作路径进行聚类,获取重复的目标操作行为,最后基于所述重复的目标操作路径进行分析,获取异常操作行为确定结果,本实施例中,通过对若干所述目标操作行为进行聚类,还能使所述计算机设备不仅可以发现大数据量上的重复目标操作路径,也可以发现小数据量的重复目标操作路径,从而能够分别从大数据和小数据两个数据维度上进行分析,发现大众用户和小众用户的可疑异常操作行为,从而有助于对应用程序进行优化迭代。
请参阅图4,为本说明书根据一示例性实施例示出的另一种用户行为分析方法的流程图,所述方法包括:
在步骤S201中,定期获取若干目标用户行为日志;所述目标用户行为日志记录指定时间内用户对应用程序的一个或多个操作行为。与步骤S101类似,此处不再赘述。
在步骤S202中,对于每一个目标用户行为日志,基于所述操作行为构建每个操作周期内的操作路径,并从所述操作路径中获取目标操作路径;所述操作周期表示用户从打开所述应用程序到关闭所述应用程序的时间。与步骤S102类似,此处不再赘述。
在步骤S203中,对若干所述目标操作路径进行聚类,获取重复的目标操作路径。与步骤S103类似,此处不再赘述。
在步骤S204中,基于所述重复的目标操作路径进行分析,获取异常操作行为确定结果。与步骤S104类似,此处不再赘述。
在步骤S205中,响应于所述异常操作行为确定结果,确定与所述重复的目标操作路径相应的操作页面。
在一实施例中,在获取所述异常操作行为确定结果之后,所述计算机设备可以根据所述异常操作行为确定结果,确定与所述重复的目标操作路径相应的操作页面,其中,当所述异常操作行为确定结果为“异常”时,所述计算机设备可以响应于所述异常结果,调整与所述重复的目标操作路径相应的操作页面,所述调整的操作包括但不限于替换操作、删除操作以及修改操作等;当所述异常操作行为确定结果为“正常”时,所述计算机设备可以响应于所述正常结果,保留与所述重复的目标操作路径相应的操作页面;本实施例基于所述异常操作行为确定结果确定所述操作页面,实现对应用程序的改进,有助于提高用户在应用程序上的操作流畅度,优化用户的使用体验。
在一种实现方式中,所述计算机设备基于所述重复的目标操作路径生成词向量,然后通过预先建立的行为分析模型对所述词向量进行语义分析,生成异常操作行为确定结果,其中,所述异常操作行为确定结果以数值方式表示,则可以由工作人员根据实际情况预先设置一阈值,所述阈值的具体数值本实施例对此不做任何限制,所述计算机设备在获取所述异常操作行为确定结果之后,响应于所述异常操作行为确定结果大于预设阈值,表示操作行为正常,则保留与所述重复的目标操作路径相应的操作页面,响应于所述异常操作行为确定结果不大于预设阈值,表示操作行为异常,则调整与所述重复的目标操作路径相应的操作页面,比如可以根据实际情况用新的操作页面替换该操作页面、或者也可以修改该操作页面上相关的操作控件、或者还可以删除所述操作页面并对其他关联的操作页面进行改进等,本说明书实施例对此不做任何限制;本实施例基于所述异常操作行为确定结果确定所述操作页面,实现对应用程序的改进,有助于提高用户在应用程序上的操作流畅度,优化用户的使用体验。
相应的,请参阅图5,为本说明书根据一示例性实施例示出的一种用户行为分析装置,所述装置包括:
目标日志获取模块301,用于定期获取若干目标用户行为日志;所述目标用户行为日志记录指定时间内用户对应用程序的一个或多个操作行为。
目标操作路径获取模块302,用于对于每一个目标用户行为日志,基于所述操作行为构建每个操作周期内的操作路径,并从所述操作路径中获取目标操作路径;所述操作周期表示用户从打开所述应用程序到关闭所述应用程序的时间。
重复路径确定模块303,用于对若干所述目标操作路径进行聚类,获取重复的目标操作路径。
结果获取模块304,用于基于所述重复的目标操作路径进行分析,获取异常操作行为确定结果。
可选地,所述目标操作路径获取模块302包括:
重复路径片段确定单元,用于确定所述操作路径中重复的路径片段。
目标操作路径获取单元,用于对于所述重复的路径片段,确定相同的至少两个路径片段之间是否具有连续关系,若是,将其作为所述目标操作路径。
可选地,所述目标操作路径包括:具有连续关系、且长度最小的所述重复的路径片段。
可选地,所述目标操作路径获取模块302包括:
确定所述操作路径中所有的最大向前路径,将其作为所述目标操作路径。
可选地,所述目标日志获取模块301包括:
用户行为日志获取单元,用于定期获取若干用户的用户行为日志。
目标日志获取单元,用于根据预设的埋点信息从若干所述用户行为日志中获取若干目标用户行为日志。
可选地,所述结果获取模块304包括:
基于所述重复的目标操作路径生成词向量,并根据所述词向量进行语义分析,获取异常操作行为确定结果。
可选地,所述词向量由构建所述重复的目标操作路径的操作行为,按照路径构建顺序生成。
可选地,所述结果获取模块304包括:
基于所述重复的目标操作路径生成词向量,通过预先建立的行为分析模型对所述词向量进行语义分析,生成异常操作行为确定结果;所述行为分析模型基于预设的训练样本以及双向语言模型训练生成。
可选地,还包括:
操作页面确定模块,用于响应于所述异常操作行为确定结果,确定与所述重复的目标操作路径相应的操作页面。
可选地,所述异常操作行为确定结果以数值方式表示。
所述操作页面确定模块,包括:
操作页面调整单元,用于响应于所述异常操作行为确定结果不大于预设阈值,调整与所述重复的目标操作路径相应的操作页面。
操作页面保留单元,用于响应于所述异常操作行为确定结果大于预设阈值,保留与所述重复的目标操作路径相应的操作页面。
可选地,所述调整的操作包括:替换操作、删除操作以及修改操作。
本说明书用户行为分析装置的实施例可以应用在计算机设备上,例如服务器。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在数据服务的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图6所示,为本说明书实施例示出的一种用户行为分析装置所在计算机设备的一种硬件结构图,除了图6所示的处理器410、内存430、网络接口420、以及非易失性存储器440之外,实施例中用户行为分析装置431所在的计算机设备,通常根据该计算机设备的实际功能,还可以包括其他硬件,对此不再赘述。
上述装置中对应步骤的实现过程具体详见上述方法中各个模块的功能和作用的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
相应的,本说明书实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述方法。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器可以包括至少一种类型的存储介质,存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等等。而且,设备可以与通过网络连接执行存储器的存储功能的网络存储装置协作。存储器可以是设备的内部存储单元,例如设备的硬盘或内存。存储器也可以是设备的外部存储设备,例如设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器还可以既包括设备的内部存储单元也包括外部存储设备。存储器用于存储计算机程序以及设备所需的其他程序和数据。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
这里描述的各种实施方式可以使用例如计算机软件、硬件或其任何组合的计算机可读介质来实施。对于硬件实施,这里描述的实施方式可以通过使用特定用途集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、被设计为执行这里描述的功能的电子单元中的至少一种来实施。对于软件实施,诸如过程或功能的实施方式可以与允许执行至少一种功能或操作的单独的软件模块来实施。软件代码可以由以任何适当的编程语言编写的软件应用程序(或程序)来实施,软件代码可以存储在存储器中并且由控制器执行。
计算机设备包括但不限于以下存在形式:(1)移动终端:这类设备的特点是具备移动通信功能,并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iPhone)、多媒体手机、功能性手机,以及低端手机等;(2)超移动个人计算机设备:这类设备属于个人计算机的范畴,有计算和处理功能,一般也具备移动上网特性。这类终端包括:PDA、MID和UMPC设备等,例如iPad;(3)服务器:提供计算服务的设备,服务器的构成包括处理器、硬盘、内存、系统总线等,服务器和通用的计算机架构类似,但是由于只要提供高可靠的服务,因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高;(4)其他具有计算功能的计算机设备。设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,可以包括比上述更多或更少的部件,或者组合某些部件,或者不同的部件,例如设备还可以包括输入输出设备、网络接入设备、总线、摄像设备等。
在示例性实施例中,还提供了一种包括指令的存储介质,例如包括指令的存储器,上述指令可由电子设备的处理器执行以完成上述方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当存储介质中的指令由计算机设备的处理器执行时,使得所述计算机设备能够执行上述方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域技术人员在考虑说明书及实践这里申请的发明后,将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是,本说明书并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已,并不用以限制本说明书,凡在本说明书的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本说明书保护的范围之内。
Claims (12)
1.一种用户行为分析方法,包括:
定期获取若干目标用户行为日志;所述目标用户行为日志记录指定时间内用户对应用程序的一个或多个操作行为;
对于每一个目标用户行为日志,基于所述操作行为构建每个操作周期内的操作路径,并从所述操作路径中获取目标操作路径;所述操作周期表示用户从打开所述应用程序到关闭所述应用程序的时间;
对若干所述目标操作路径进行聚类,获取重复的目标操作路径;
基于所述重复的目标操作路径进行分析,获取异常操作行为确定结果;包括:基于所述重复的目标操作路径生成词向量,并根据所述词向量进行语义分析,获取异常操作行为确定结果。
2.根据权利要求1所述的方法,所述从所述操作路径中获取目标操作路径,包括:
确定所述操作路径中重复的路径片段;
对于所述重复的路径片段,确定相同的至少两个路径片段之间是否具有连续关系,若是,将其作为所述目标操作路径。
3.根据权利要求2所述的方法,所述目标操作路径包括:具有连续关系、且长度最小的所述重复的路径片段。
4.根据权利要求1所述的方法,所述从所述操作路径中获取目标操作路径,包括:
确定所述操作路径中所有的最大向前路径,将其作为所述目标操作路径。
5.根据权利要求1所述的方法,所述定期获取若干目标用户行为日志,包括:
定期获取若干用户的用户行为日志;
根据预设的埋点信息从若干所述用户行为日志中获取若干目标用户行为日志。
6.根据权利要求1所述的方法,所述词向量由构建所述重复的目标操作路径的操作行为,按照路径构建顺序生成。
7.根据权利要求1所述的方法,所述根据所述词向量进行语义分析,获取异常操作行为确定结果包括:
通过预先建立的行为分析模型对所述词向量进行语义分析,生成异常操作行为确定结果;所述行为分析模型基于预设的训练样本以及双向语言模型训练生成。
8.根据权利要求1所述的方法,还包括:
响应于所述异常操作行为确定结果,确定与所述重复的目标操作路径相应的操作页面。
9.根据权利要求8所述的方法,所述异常操作行为确定结果以数值方式表示;
所述响应于所述异常操作行为确定结果,确定与所述重复的目标操作路径相应的操作页面,包括:
响应于所述异常操作行为确定结果不大于预设阈值,调整与所述重复的目标操作路径相应的操作页面;
响应于所述异常操作行为确定结果大于预设阈值,保留与所述重复的目标操作路径相应的操作页面。
10.根据权利要求9所述的方法,所述调整的操作包括:替换操作、删除操作以及修改操作。
11.一种用户行为分析装置,包括:
目标日志获取模块,用于定期获取若干目标用户行为日志;所述目标用户行为日志记录指定时间内用户对应用程序的一个或多个操作行为;
目标操作路径获取模块,用于对于每一个目标用户行为日志,基于所述操作行为构建每个操作周期内的操作路径,并从所述操作路径中获取目标操作路径;所述操作周期表示用户从打开所述应用程序到关闭所述应用程序的时间;
重复路径确定模块,用于对若干所述目标操作路径进行聚类,获取重复的目标操作路径;
结果获取模块,用于基于所述重复的目标操作路径进行分析,获取异常操作行为确定结果;其中,所述结果获取模块具体用于基于所述重复的目标操作路径生成词向量,并根据所述词向量进行语义分析,获取异常操作行为确定结果。
12.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现如权利要求1至10任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911272754.1A CN111143178B (zh) | 2019-12-12 | 2019-12-12 | 用户行为分析方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911272754.1A CN111143178B (zh) | 2019-12-12 | 2019-12-12 | 用户行为分析方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111143178A CN111143178A (zh) | 2020-05-12 |
CN111143178B true CN111143178B (zh) | 2022-07-29 |
Family
ID=70518156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911272754.1A Active CN111143178B (zh) | 2019-12-12 | 2019-12-12 | 用户行为分析方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111143178B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113742184B (zh) * | 2020-06-05 | 2024-03-26 | 国家计算机网络与信息安全管理中心 | 构建用户历史行为表示向量、用户行为异常检测方法及装置 |
CN112328934A (zh) * | 2020-10-16 | 2021-02-05 | 上海涛飞网络科技有限公司 | 访问行为路径分析方法、装置、设备及存储介质 |
CN113010788B (zh) * | 2021-03-19 | 2023-05-23 | 成都欧珀通信科技有限公司 | 信息推送方法及装置、电子设备、计算机可读存储介质 |
CN113360656A (zh) * | 2021-06-29 | 2021-09-07 | 未鲲(上海)科技服务有限公司 | 异常数据检测方法、装置、设备及存储介质 |
CN113934616B (zh) * | 2021-12-16 | 2022-03-18 | 深圳市活力天汇科技股份有限公司 | 一种基于用户操作时序判断异常用户的方法 |
CN116541262B (zh) * | 2023-07-07 | 2024-03-01 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108334646A (zh) * | 2018-04-11 | 2018-07-27 | 焦点科技股份有限公司 | 一种基于频繁浏览序列的网站结构优化方法 |
CN108509426A (zh) * | 2018-04-11 | 2018-09-07 | 焦点科技股份有限公司 | 一种深度多维度流量语义分析方法 |
CN109508541A (zh) * | 2018-10-18 | 2019-03-22 | 杭州安恒信息技术股份有限公司 | 一种基于语义分析的可信行为库生成方法 |
CN110019074A (zh) * | 2017-12-30 | 2019-07-16 | 中国移动通信集团河北有限公司 | 访问路径的分析方法、装置、设备及介质 |
CN110075524A (zh) * | 2019-05-10 | 2019-08-02 | 腾讯科技(深圳)有限公司 | 异常行为检测方法和装置 |
CN110516160A (zh) * | 2019-08-30 | 2019-11-29 | 中国科学院自动化研究所 | 基于知识图谱的用户建模方法、序列推荐方法 |
CN110532157A (zh) * | 2019-08-28 | 2019-12-03 | 口碑(上海)信息技术有限公司 | 基于用户行为数据的页面监测方法及装置 |
-
2019
- 2019-12-12 CN CN201911272754.1A patent/CN111143178B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110019074A (zh) * | 2017-12-30 | 2019-07-16 | 中国移动通信集团河北有限公司 | 访问路径的分析方法、装置、设备及介质 |
CN108334646A (zh) * | 2018-04-11 | 2018-07-27 | 焦点科技股份有限公司 | 一种基于频繁浏览序列的网站结构优化方法 |
CN108509426A (zh) * | 2018-04-11 | 2018-09-07 | 焦点科技股份有限公司 | 一种深度多维度流量语义分析方法 |
CN109508541A (zh) * | 2018-10-18 | 2019-03-22 | 杭州安恒信息技术股份有限公司 | 一种基于语义分析的可信行为库生成方法 |
CN110075524A (zh) * | 2019-05-10 | 2019-08-02 | 腾讯科技(深圳)有限公司 | 异常行为检测方法和装置 |
CN110532157A (zh) * | 2019-08-28 | 2019-12-03 | 口碑(上海)信息技术有限公司 | 基于用户行为数据的页面监测方法及装置 |
CN110516160A (zh) * | 2019-08-30 | 2019-11-29 | 中国科学院自动化研究所 | 基于知识图谱的用户建模方法、序列推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111143178A (zh) | 2020-05-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111143178B (zh) | 用户行为分析方法、装置及设备 | |
CN104714931B (zh) | 用于选择用以代表表格式信息的方法和系统 | |
WO2023124204A1 (zh) | 反欺诈风险评估方法、训练方法、装置及可读存储介质 | |
CN111914569A (zh) | 基于融合图谱的预测方法、装置、电子设备及存储介质 | |
CN111950596A (zh) | 一种用于神经网络的训练方法以及相关设备 | |
CN110674144A (zh) | 用户画像生成方法、装置、计算机设备和存储介质 | |
US20170116521A1 (en) | Tag processing method and device | |
CN111143684A (zh) | 基于人工智能的泛化模型的训练方法及装置 | |
US20190228297A1 (en) | Artificial Intelligence Modelling Engine | |
Su et al. | An iterative decision-making scheme for markov decision processes and its application to self-adaptive systems | |
CN110674397B (zh) | 年龄点预测模型的训练方法及装置、设备与可读介质 | |
CN110377910B (zh) | 一种表格描述的处理方法、装置、设备及存储介质 | |
CN115860836A (zh) | 一种基于用户行为大数据分析的电商服务推送方法及系统 | |
CN113343020B (zh) | 基于人工智能的图像处理方法、装置及电子设备 | |
WO2022052633A1 (zh) | 文本备份方法、装置、设备及计算机可读存储介质 | |
CN113821657A (zh) | 基于人工智能的图像处理模型训练方法及图像处理方法 | |
CN113110843A (zh) | 合约生成模型训练方法、合约生成方法及电子设备 | |
CN113704420A (zh) | 文本中的角色识别方法、装置、电子设备及存储介质 | |
CN116974554A (zh) | 代码数据处理方法、装置、计算机设备和存储介质 | |
CN111368552A (zh) | 一种面向特定领域的网络用户群组划分方法及装置 | |
CN113935788B (zh) | 模型评估方法、装置、设备及计算机可读存储介质 | |
CN115186085A (zh) | 回复内容处理方法以及媒体内容互动内容的交互方法 | |
CN113627514A (zh) | 知识图谱的数据处理方法、装置、电子设备和存储介质 | |
KR20230062130A (ko) | 인공지능을 이용한 인터뷰 공유 및 사용자 매칭 플랫폼 | |
EP4318318A1 (en) | Information processing device for improving quality of generator of generative adversarial network (gan) |
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 |