CN111383063B - 一种互联网用户行为评估方法、系统、存储介质及装置 - Google Patents

一种互联网用户行为评估方法、系统、存储介质及装置 Download PDF

Info

Publication number
CN111383063B
CN111383063B CN202010471758.9A CN202010471758A CN111383063B CN 111383063 B CN111383063 B CN 111383063B CN 202010471758 A CN202010471758 A CN 202010471758A CN 111383063 B CN111383063 B CN 111383063B
Authority
CN
China
Prior art keywords
user
behavior
database
sample
users
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
Application number
CN202010471758.9A
Other languages
English (en)
Other versions
CN111383063A (zh
Inventor
兰林
陈功文
蔡莎秀
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.)
Shenzhen Chace Network Information Technology Co ltd
Original Assignee
Shenzhen Chace Network Information 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 Shenzhen Chace Network Information Technology Co ltd filed Critical Shenzhen Chace Network Information Technology Co ltd
Priority to CN202010471758.9A priority Critical patent/CN111383063B/zh
Publication of CN111383063A publication Critical patent/CN111383063A/zh
Application granted granted Critical
Publication of CN111383063B publication Critical patent/CN111383063B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0203—Market surveys; Market polls

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及用户行为评估技术领域，具体涉及一种互联网用户行为评估方法、系统、存储介质及装置。将某目标用户特征由n维向量构成，记为
Figure 776466DEST_PATH_IMAGE001
，
Figure 498434DEST_PATH_IMAGE002
，已知数据库样本中的用户特征向量记为
Figure 316217DEST_PATH_IMAGE003
，
Figure 112135DEST_PATH_IMAGE004
，在数据库中筛选出相似用户群的步骤如下：步骤1）预设角度范围
Figure 989961DEST_PATH_IMAGE005
值，采用夹角过滤；步骤2）x与y的闵可夫斯基距离过滤；步骤3）求均值，得出行动因子即为得出行为评估的概率。本发明通过采用夹角和闵可夫斯基距离过滤能够精准的将不符合对标的样本过滤掉，在剩余的相似用户群体中计算出目标用户的行为因子，对目标用户的行为进行评估和预测。

Description

一种互联网用户行为评估方法、系统、存储介质及装置
技术领域
本发明涉及用户行为评估技术领域，具体涉及一种互联网用户行为评估方法、系统、存储介质及装置。
背景技术
在知晓某个互联网用户的特征或者基本画像时，如果能在数据库或者样本中筛选出与该用户最为相似的用户，那么无论是对于聚类、评价，或是行为预测，都有了最准确的依据和显著的参照物。这种方法在对用户行为进行预测方面，具有方便、直观和准确的特点。
现有的聚类算法一般仅采用其中的一种，这样聚类的结果往往比较粗糙，尤其是在对用户行为预测时，由于同时聚类的用户数量较多，难以找到最相似用户，从而难以对用户的行为进行准确评估。
发明内容
本发明的目的是克服现有技术的不足和缺陷，提供一种精准的互联网用户行为评估方法、系统、存储介质及装置。
本发明的目的是通过以下技术方案来实现的：
一种互联网用户行为评估方法，将某目标用户特征由n维向量构成，记为
Figure 100002_DEST_PATH_IMAGE001
，
Figure 839250DEST_PATH_IMAGE002
，已知数据库样本中的用户特征向量记为
Figure 100002_DEST_PATH_IMAGE003
，
Figure 950294DEST_PATH_IMAGE004
，
在数据库中筛选出相似用户群的步骤如下：
步骤1）预设角度范围
Figure 100002_DEST_PATH_IMAGE005
值，采用夹角过滤：
Figure 272954DEST_PATH_IMAGE006
，
Figure 100002_DEST_PATH_IMAGE007
，如果
Figure 511168DEST_PATH_IMAGE008
，则
Figure 281678DEST_PATH_IMAGE009
被过滤；如此循环迭代计算，未被过 滤的样本用户组成用户组A；
步骤2）x与y的闵可夫斯基距离
Figure 94782DEST_PATH_IMAGE010
，p=1、2、…、t，t为p的最大 取值，t取用户组A中的用户数量，当p为一个确定数值时，保留所有闵可夫斯基距离中数值 最小的值
Figure 950743DEST_PATH_IMAGE011
，其余数值则被过滤，在有限样本中，通过有限迭代保留唯一样本；
当p=1时，最相似样本为d1；
当p=2时，最相似样本为d2；
……
当p=t时，最相似样本为dt；
d1, d2…dt组成用户组B；
步骤3）设用户组A中有m个用户，则用户组B中也有m个用户，设A与B中用户对应的 行为因子分别为
Figure 523806DEST_PATH_IMAGE012
和
Figure 633976DEST_PATH_IMAGE013
（i=1，2，…m）；
当A用户组和B用户组具有
Figure 899872DEST_PATH_IMAGE014
个相同的用户时，提取出
Figure 711970DEST_PATH_IMAGE015
个相同的样本用户，目 标用户
Figure 603572DEST_PATH_IMAGE016
的行动因子为
Figure DEST_PATH_IMAGE017
，则：
Figure 286357DEST_PATH_IMAGE018
；
当A用户组和B用户组没有相同的用户时，目标用户
Figure 100002_DEST_PATH_IMAGE019
的行动 因子为
Figure 411570DEST_PATH_IMAGE017
，则：
Figure 976544DEST_PATH_IMAGE020
；
行动因子
Figure 140678DEST_PATH_IMAGE017
即为得出行为评估的概率。
具体的，预设角度范围
Figure 100002_DEST_PATH_IMAGE021
，
Figure 943549DEST_PATH_IMAGE022
。
具体的，步骤1中未被过滤的样本用户组成用户组A，对用户组A的数量m进行判断， 用户组A的数量m是否
Figure 100002_DEST_PATH_IMAGE023
，当
Figure 505242DEST_PATH_IMAGE024
时，z在原来的基础上加一再进行计算即z=z+1，使得最终
Figure 100002_DEST_PATH_IMAGE025
；当m=0时，z在原来的基础上减一再进行计算即z= z-1，使得最终
Figure 760774DEST_PATH_IMAGE026
，当z=1且m等于0时，停止进行评估，得 出未能评估结果的结论，等待系统扩容数据库时再进行重新评估。
一种互联网用户行为评估系统，包括：
行为与特征采集模块：针对用户的行为进行采集，并对行为进行向量化；
数据库调取模块：对数据库中已经向量化的标本数据进行调取；
协同过滤模块：运用一种互联网用户行为评估方法对数据库中的标本数据进行过滤；
行为预测模块：得出评估结论。
具体的，还包括用户标签系统，用户标签系统用以对行为与特征采集模块向量化的数据进行整理制定标签，便于下一步与数据库进行匹配。
具体的，所述行为预测模块包括参照组数据包提取模块和用户行动计划报表模块，参照组数据包提取模块是针对协同过滤模块过滤后的标本数据进行集合处理，并且提取标本数据中的行为因子，最终综合行为因子做出行为预测。
具体的，还包括行为验证/反馈模块，行为验证/反馈模块用以验证用户行为是否 与预测结果一致，如果用户行为与预测结果一致，则将用户数据存入数据库，以增加数据库 的标本数据，如果用户行为与预测结果不一致，则等下一次数据库扩充数据后再对用户行 为进行验证；在对于评分值系统中当“预测评分*99%
Figure 100002_DEST_PATH_IMAGE027
现实评分
Figure 197441DEST_PATH_IMAGE027
预测评分*101%”时则认 为预测准确。
一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行一种互联网用户行为评估方法。
一种基于行为特征预测用户属性值的装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现一种互联网用户行为评估方法。
本发明相比现有技术包括以下优点及有益效果：
本发明通过采用夹角和闵可夫斯基距离过滤能够精准的将不符合对标的样本过滤掉，在剩余的相似用户群体中计算出目标用户的行为因子，对目标用户的行为进行评估和预测。
附图说明
图1为本发明一种互联网用户行为评估系统的流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
如图1所示，一种互联网用户行为评估方法，将某目标用户特征由n维向量构成，上 述的用户特征为必须为能够反映用户对评估结果有影响的特征和行为，对于每个需要评估 的用户特征和行必要预先检查特征和行为的完整性，剔除特征和行为的异常数据，异常数 据包括：输入值超过特征输入的最大值，将标本用户特征每个向量值的最高值和最低值，当 输入特征向量值超出最高向量值的120%或者输入特征向量值低于最低值的80%则标记为该 输入特征为异常数据，进行剔除，用户特征记为
Figure 385976DEST_PATH_IMAGE028
，
Figure DEST_PATH_IMAGE029
，已知数据 库样本中的用户特征向量记为
Figure 118571DEST_PATH_IMAGE030
，
Figure 658137DEST_PATH_IMAGE031
，其中y的数量为数据库中样 本的数量；在得出需评估的用户特征向量后预先对用户数据库中样本数据进行查重，如果 用户数据库中的样本数据具有和需评估的用户特征向量相同的数据，直接调取相同的样本 数据并提取出评估结果，将评估结果作为预测结果，不进行后续的数据筛选，当需评估用户 特征向量在数据库中没有相同的特征向量，则进行后续步骤的数据筛选，在数据库中筛选 出相似用户群的步骤如下：
步骤1）预设角度范围
Figure 914806DEST_PATH_IMAGE032
值，采用夹角过滤：
Figure 472695DEST_PATH_IMAGE033
，
Figure 156618DEST_PATH_IMAGE034
，如果
Figure 917900DEST_PATH_IMAGE035
，则
Figure 994572DEST_PATH_IMAGE036
被过滤；将数据库中所有样本如此循 环迭代计算，未被过滤的样本用户组成用户组A；夹角过滤能够过滤筛选出目标用户处于同 一夹角内的数据库中的样本用户，将数据库中提取出的样本用户组成用户组A，夹角过滤方 式能够筛选出与目标用户相近的样本用户，但是该种过滤方法由于夹角的局限性，单独使 用会对部分筛选数据产生偏差，
步骤2）x与y的闵可夫斯基距离
Figure DEST_PATH_IMAGE037
，p=1、2、…、t，t为p的最大 取值，t取用户组A中的用户数量，p的数量为用户组A中的用户数量，当P为一个确定数值时， 保留所有闵可夫斯基距离中数值最小的值
Figure 360962DEST_PATH_IMAGE038
，其余数值则被过滤，在有限样本中，通过有 限迭代保留唯一样本；
当p=1时，最相似样本为d1；
当p=2时，最相似样本为d2；
……
当p=t时，最相似样本为dt；
d1, d2…dt组成用户组B；闵可夫斯基距离过滤能够筛选过滤出与目标用户向量距离最近的m个样本用户，该种筛选方式存在着未考虑每个用户行为特征在行动因子中所占比重的大小，也是具有一定的局限性，
步骤3）考虑两种环境因素的样本用户都有其不同的取样范围，将两个样本取平均 值，设用户组A中有m个用户，则用户组B中也有m个用户，设A与B中用户对应的行为因子分别 为
Figure 481365DEST_PATH_IMAGE039
和
Figure 979211DEST_PATH_IMAGE040
（i=1，2，…m），当A用户组和B用户组具有
Figure DEST_PATH_IMAGE041
个相同的用户时，提取出
Figure 46524DEST_PATH_IMAGE041
个相 同的样本用户，目标用户
Figure 814891DEST_PATH_IMAGE042
的行动因子为
Figure DEST_PATH_IMAGE043
，则：
Figure 575037DEST_PATH_IMAGE044
；当A用户组和B用户组没有相同的用户时， 目标用户
Figure DEST_PATH_IMAGE045
的行动因子为
Figure 763442DEST_PATH_IMAGE043
，则：
Figure 431183DEST_PATH_IMAGE046
行动因子
Figure 303324DEST_PATH_IMAGE043
即为得出行为评估的概率。
具体的，预设角度范围
Figure DEST_PATH_IMAGE047
，
Figure 973385DEST_PATH_IMAGE048
。预设角度
Figure DEST_PATH_IMAGE049
为人为限定值，根据筛 选后留下的样本数量m的多少进行调整，研究表明预设角度
Figure 649086DEST_PATH_IMAGE049
不宜超过20°，超过20°筛选 出的样本会导致预测结果不准确，不具有参考价值，角度预设范围最大值
Figure 854939DEST_PATH_IMAGE050
，转换为 角度值则为20°，预设角度范围决定了夹角过滤的范围，通过调节z的数值，能够决定夹角过 滤后留下的样本数量m。
对于上述方法中，对于数量不同的向量标记n留取的样本数量并未加以区分，只是 通过人工限定加以筛选设定，存在着当样本数量m多时预测的准确性要差一些；由于
Figure 581587DEST_PATH_IMAGE049
角 度值变化为阶梯式变化，当限定样本数量m少时存在着
Figure 231005DEST_PATH_IMAGE049
角度值变化使得m数量直接变为 0，没有根据向量标记n的数量定义m的数量，但是实际情况中对于用户特征多的目标客户其 不确定因数多，因此还需针对用户具有不同数量的向量标记n进行区别限定，例如对于向量 标记n少的目标用户需限定的样本数量m也相应较少，对于向量标记n多的目标用户需限定 的样本数量m也应相应增多，因此增加以下步骤，步骤1中未被过滤的样本用户组成用户组 A，对用户组A的数量m进行判断，用户组A的数量m是否处于
Figure DEST_PATH_IMAGE051
范围内，当
Figure 144734DEST_PATH_IMAGE052
时， z在原来的基础上加一再进行计算即z=z+1，使得最终
Figure DEST_PATH_IMAGE053
；当m=0时，z在原来的基础上减一再进行计算即z= z-1，使得最终
Figure 606809DEST_PATH_IMAGE053
，当z=1且m等于0时，停止进行评估， 得出未能评估结果的结论，等待系统扩容数据库时再进行重新评估，初始值z设定为2。通过 上述步骤能够根据向量标记n的数量限定m的数量，使得得出m的数量较为合理，得出的行动 因子
Figure 719121DEST_PATH_IMAGE043
也较为准确。
一种互联网用户行为评估系统，包括：
行为与特征采集模块：针对用户的行为进行采集，并对行为进行向量化；
数据库调取模块：对数据库中已经向量化的标本数据进行调取；
协同过滤模块：一种互联网用户行为评估方法对数据库中的标本数据进行过滤；
行为预测模块：得出评估结论。
具体的，还包括用户标签系统，用户标签系统用以对行为与特征采集模块向量化的数据进行整理制定标签，便于归类，也便于下一步与数据库进行匹配。
具体的，所述行为预测模块包括参照组数据包提取模块和用户行动计划报表模块，设置用户行动计划报表某块能够方便进行人工核检及溯源，便于人工分析，参照组数据包提取模块是针对协同过滤模块过滤后的标本数据进行集合处理，并且提取标本数据中的行为因子，最终综合行为因子做出行为预测。
具体的，还包括行为验证/反馈模块，行为验证/反馈模块用以验证用户行为是否 与预测结果一致，如果用户行为与预测结果一致，则将用户数据存入数据库，以增加数据库 的标本数据，如果用户行为与预测结果不一致，则等下一次数据库扩充数据后再对用户行 为进行验证；在对于评分值系统中当“预测评分*99%
Figure 523129DEST_PATH_IMAGE054
现实评分
Figure 720892DEST_PATH_IMAGE054
预测评分*101%”时则认 为预测准确。
数据库理论上是增加新数据就进行更新，但是为了避免造成部分用户在短时间内多次测试结果不同，对实时更新的数据库进行静态化处理，通过人为设定一个时间间隔进行更新，避免造成部分用户短时间内多次测试结果不同。
一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行一种互联网用户行为评估方法。
一种基于行为特征预测用户属性值的装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现一种互联网用户行为评估方法。
本发明的具体实施过程如下：
实施例1：在对于技术企业认定评分体系中判定通过的可能性会对企业的一些硬 性条件进行打分，硬性指标如下：I类知识产权数量、II类知识产权数量、职工人数、科技人 员数、本科学历以上人员数、近一年企业总收入、研发活动数，通过上述七类硬性指标进行 打分，最终根据分值决定是否授予资质认可，将七类硬性指标记为
Figure DEST_PATH_IMAGE055
，数据库采用北京市1120个和深圳市2316个样本数据进 行聚类，同进加入了内测用户1000个数据，
Figure 222543DEST_PATH_IMAGE056
表1：目标用户指标。
步骤1）预设角度
Figure DEST_PATH_IMAGE057
，设初始类样本特征向量为
Figure 907471DEST_PATH_IMAGE058
，采用夹角过滤：
Figure DEST_PATH_IMAGE059
，
Figure 85643DEST_PATH_IMAGE060
，如果
Figure DEST_PATH_IMAGE061
，则
Figure 724697DEST_PATH_IMAGE062
被过滤；如此循环迭代计算，未被过滤的样本用户 具有6组，组成用户组A；
Figure DEST_PATH_IMAGE063
表2：夹角过滤筛选后的样本用户数。
步骤2）x与y的闵可夫斯基距离
Figure 279306DEST_PATH_IMAGE064
，p=1、2、3、4、5、6，当P为一 个确定数值时，保留所有闵可夫斯基距离中数值最小的值
Figure DEST_PATH_IMAGE065
，其余数值则被过滤，在有限 样本中，通过有限迭代保留唯一样本；
当p=1时，最相似样本为d1；
当p=2时，最相似样本为d2；
……
当p=6时，最相似样本为d6；
d1, d2…d6组成用户组B；
Figure 818741DEST_PATH_IMAGE066
表2：闵可夫斯基距离过滤筛选后的样本用户数。
步骤3）用户组A中有6个用户，则用户组B中也有6个用户，设A与B中用户对应的行 为因子分别为
Figure DEST_PATH_IMAGE067
和
Figure 184125DEST_PATH_IMAGE068
（i=1，2，…6），A用户组和B用户组没有相同的用户，目标用户
Figure DEST_PATH_IMAGE069
的行动因子为
Figure 294164DEST_PATH_IMAGE043
，则：
Figure 183622DEST_PATH_IMAGE070
=83.245分
行动因子
Figure 374301DEST_PATH_IMAGE043
即为得出行为评估的概率，最终专家评分为84分，83.245*99%<84< 83.245*101%,预测准确。
实施例2：对于某件产品顾客购物下单的概率通常由商品浏览时间、是否加入购物 车、是否关注/收藏商品、浏览相似商品时间等四个维度进行综合考虑，将四个维度标记为
Figure DEST_PATH_IMAGE071
，数据库采用平台的所有历史用户购物记录，步骤1）预设角度范围
Figure 894275DEST_PATH_IMAGE072
，设初始类样本特征向量为
Figure DEST_PATH_IMAGE073
，采用夹角过滤：
Figure 242342DEST_PATH_IMAGE074
，
Figure DEST_PATH_IMAGE075
，如果
Figure 404333DEST_PATH_IMAGE076
，则
Figure DEST_PATH_IMAGE077
被过滤；如此循环迭代计算，未被过滤的样本用户具有5组，组成用户组A；
步骤2）x与y的闵可夫斯基距离
Figure 652781DEST_PATH_IMAGE078
，p=1、2、3、4、5，当P为一个 确定数值时，取所有闵可夫斯基距离中数值最小的一个
Figure DEST_PATH_IMAGE079
，其余数值则被过滤，在有限样 本中，通过有限迭代保留唯一样本；
当p=1时，最相似样本为d1；
当p=2时，最相似样本为d2；
……
当p=5时，最相似样本为d5；
d1, d2…d5组成用户组B；
步骤3）用户组A中有5个用户，则用户组B中也有5个用户，设A与B中用户对应的行 为因子分别为
Figure 625547DEST_PATH_IMAGE080
和
Figure DEST_PATH_IMAGE081
（i=1，2，…5），目标用户
Figure 710178DEST_PATH_IMAGE082
的行动因子为
Figure 941439DEST_PATH_IMAGE043
，则：
Figure 575551DEST_PATH_IMAGE083
行动因子
Figure 499645DEST_PATH_IMAGE043
即为得出行为评估的概率。
本发明使用范围广泛，具有很高的使用价值，在符合条件的情况，该算法会优于机器学习法。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种互联网用户行为评估方法，其特征在于：将某目标用户特征由n维向量构成，记 为
Figure DEST_PATH_IMAGE001
，
Figure 988595DEST_PATH_IMAGE002
，已知数据库样本中的用户特征向量记为
Figure DEST_PATH_IMAGE003
，
Figure 679339DEST_PATH_IMAGE004
，在数据库中筛选出相似用户群的步骤如下：
步骤1）预设角度范围
Figure DEST_PATH_IMAGE005
值，采用夹角过滤：
Figure 126546DEST_PATH_IMAGE006
，
Figure DEST_PATH_IMAGE007
，如果
Figure 674070DEST_PATH_IMAGE008
，则
Figure 264452DEST_PATH_IMAGE009
被过滤；如此循环迭代计算，未被过滤的 样本用户组成用户组A；
步骤2）x与y的闵可夫斯基距离
Figure 837516DEST_PATH_IMAGE010
，p=1、2、…、t，t为p的最大取值，t 取用户组A中的用户数量，当p为一个确定数值时，保留所有闵可夫斯基距离中数值最小的 值
Figure 947685DEST_PATH_IMAGE011
，其余数值则被过滤，在有限样本中，通过有限迭代保留唯一样本；
当p=1时，最相似样本为d1；
当p=2时，最相似样本为d2；
……
当p=t时，最相似样本为dt；
d1, d2…dt组成用户组B；
步骤3）设用户组A中有m个用户，则用户组B中也有m个用户，设A与B中用户对应的行为 因子分别为
Figure 213581DEST_PATH_IMAGE012
和
Figure 291259DEST_PATH_IMAGE013
（i=1，2，…m），当A用户组和B用户组具有
Figure 933593DEST_PATH_IMAGE014
个相同的用户时，提取出
Figure 662383DEST_PATH_IMAGE014
个相同的样本用户，目标用户
Figure 833602DEST_PATH_IMAGE015
的行动因子为
Figure 398575DEST_PATH_IMAGE016
，则：
；当A用户组和B用户组没有相同的用户时，目标用户
Figure DEST_PATH_IMAGE019
的行动因子为
Figure 601466DEST_PATH_IMAGE016
，则：
Figure 458432DEST_PATH_IMAGE020
行动因子
Figure DEST_PATH_IMAGE021
即为得出行为评估的概率。
2.根据权利要求1所述的一种互联网用户行为评估方法，其特征在于：预设角度范围
Figure 448385DEST_PATH_IMAGE022
，
Figure DEST_PATH_IMAGE023
。
3.根据权利要求2所述的一种互联网用户行为评估方法，其特征在于：步骤1中未被过 滤的样本用户组成用户组A，对用户组A的数量m进行判断，用户组A的数量m是否
Figure 120937DEST_PATH_IMAGE024
，当
Figure DEST_PATH_IMAGE025
时，z在原来的基础上加一再 进行计算即z=z+1，使得最终
Figure 27582DEST_PATH_IMAGE026
；当m=0时，z在原来的基础上 减一再进行计算即z=z-1，使得最终
Figure DEST_PATH_IMAGE027
，当z=1且m等于0时，停 止进行评估，得出未能评估结果的结论，等待系统扩容数据库时再进行重新评估。
4.一种互联网用户行为评估系统，其特征在于，包括：
行为与特征采集模块：针对用户的行为进行采集，并对行为进行向量化；
数据库调取模块：对数据库中已经向量化的标本数据进行调取；
协同过滤模块：运用权利要求1～3任一项所述的一种互联网用户行为评估方法对数据库中的标本数据进行过滤；
行为预测模块：得出评估结论。
5.根据权利要求4所述的一种互联网用户行为评估系统，其特征在于，还包括用户标签系统，用户标签系统用以对行为与特征采集模块向量化的数据进行整理制定标签，便于下一步与数据库进行匹配。
6.根据权利要求4所述的一种互联网用户行为评估系统，其特征在于，所述行为预测模块包括参照组数据包提取模块和用户行动计划报表模块，参照组数据包提取模块是针对协同过滤模块过滤后的标本数据进行集合处理，并且提取标本数据中的行为因子，最终综合行为因子做出行为预测。
7.根据权利要求4所述的一种互联网用户行为评估系统，其特征在于，还包括行为验证/反馈模块，行为验证/反馈模块用以验证用户行为是否与预测结果一致，如果用户行为与预测结果一致，则将用户数据存入数据库，以增加数据库的标本数据，如果用户行为与预测结果不一致，则等下一次数据库扩充数据后再对用户行为进行验证。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1～3任一项所述的一种互联网用户行为评估方法。
9.一种基于行为特征预测用户属性值的装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如权利要求1～3任一项所述的一种互联网用户行为评估方法。
CN202010471758.9A 2020-05-29 2020-05-29 一种互联网用户行为评估方法、系统、存储介质及装置 Active CN111383063B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010471758.9A CN111383063B (zh) 2020-05-29 2020-05-29 一种互联网用户行为评估方法、系统、存储介质及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010471758.9A CN111383063B (zh) 2020-05-29 2020-05-29 一种互联网用户行为评估方法、系统、存储介质及装置

Publications (2)

Publication Number Publication Date
CN111383063A CN111383063A (zh) 2020-07-07
CN111383063B true CN111383063B (zh) 2020-09-04

Family

ID=71222930

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010471758.9A Active CN111383063B (zh) 2020-05-29 2020-05-29 一种互联网用户行为评估方法、系统、存储介质及装置

Country Status (1)

Country Link
CN (1) CN111383063B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332064A (zh) * 2011-10-07 2012-01-25 吉林大学 基于基因条形码的生物物种识别方法
CN105095909A (zh) * 2015-07-13 2015-11-25 中国联合网络通信集团有限公司 一种应用于移动网络的用户相似性评估方法及装置
CN106485521A (zh) * 2015-08-26 2017-03-08 中国联合网络通信集团有限公司 用户信用度评估方法及装置
CN108696377A (zh) * 2017-04-11 2018-10-23 西安邮电大学 一种实现移动用户行为识别的方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110246465A1 (en) * 2010-03-31 2011-10-06 Salesforce.Com, Inc. Methods and sysems for performing real-time recommendation processing
CN110427560B (zh) * 2019-08-08 2024-04-26 腾讯科技（深圳）有限公司 一种应用于推荐系统的模型训练方法以及相关装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332064A (zh) * 2011-10-07 2012-01-25 吉林大学 基于基因条形码的生物物种识别方法
CN105095909A (zh) * 2015-07-13 2015-11-25 中国联合网络通信集团有限公司 一种应用于移动网络的用户相似性评估方法及装置
CN106485521A (zh) * 2015-08-26 2017-03-08 中国联合网络通信集团有限公司 用户信用度评估方法及装置
CN108696377A (zh) * 2017-04-11 2018-10-23 西安邮电大学 一种实现移动用户行为识别的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
微博用户的相似性度量及其应用;徐志明 等;《计算机学报》;20140131;第37卷(第1期);第207-218页 *

Also Published As

Publication number Publication date
CN111383063A (zh) 2020-07-07

Similar Documents

Publication Publication Date Title
KR102026304B1 (ko) Esg 기반의 기업 평가 수행 장치 및 이의 작동 방법
CN109271374B (zh) 一种基于机器学习的数据库健康度打分方法和打分系统
US10521748B2 (en) Retention risk determiner
CN109739844B (zh) 基于衰减权重的数据分类方法
CN112132233A (zh) 一种基于有效影响因子的服刑人员危险行为预测方法及系统
CN115343676B (zh) 密封电子设备内部多余物定位技术的特征优化方法
CN112396428B (zh) 一种基于用户画像数据的客群分类管理方法及装置
CN116205355B (zh) 电力负荷的预测方法、装置以及存储介质
CN113077444A (zh) 一种基于cnn的超声无损检测图像缺陷分类方法
CN115641162A (zh) 一种基于建筑工程造价的预测数据分析系统和方法
CN110580510A (zh) 一种聚类结果评价方法和系统
CN111861786A (zh) 一种基于特征选择和孤立随机森林的专变窃电识别方法
CN115719283A (zh) 一种智能化会计管理系统
CN115358481A (zh) 一种企业外迁预警识别的方法、系统及装置
CN114519519A (zh) 基于gbdt算法与逻辑回归模型的企业违约风险评估方法设备及介质
CN111383063B (zh) 一种互联网用户行为评估方法、系统、存储介质及装置
CN113283673A (zh) 一种模型性能衰减评价方法、模型训练方法及装置
CN112465397A (zh) 一种审计数据的分析方法和装置
CN113987240B (zh) 一种基于知识图谱的海关检样溯源方法及系统
CN110597990A (zh) 一种基于智能分类的财务分析方法和系统
CN113962565B (zh) 一种基于大数据的项目评分方法、系统和可读存储介质
CN112506930B (zh) 一种基于机器学习技术的数据洞察系统
CN114066173A (zh) 资金流动行为分析方法及存储介质
CN112732773A (zh) 一种继电保护缺陷数据的唯一性校核方法及系统
CN114077663A (zh) 应用日志的分析方法及装置

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