CN112182295A - 基于行为预测的业务处理方法、装置及电子设备 - Google Patents
基于行为预测的业务处理方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112182295A CN112182295A CN201910603857.5A CN201910603857A CN112182295A CN 112182295 A CN112182295 A CN 112182295A CN 201910603857 A CN201910603857 A CN 201910603857A CN 112182295 A CN112182295 A CN 112182295A
- Authority
- CN
- China
- Prior art keywords
- operation behavior
- behavior
- user
- current user
- historical
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 230000006399 behavior Effects 0.000 claims abstract description 298
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims description 18
- 230000000977 initiatory effect Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 abstract description 11
- 238000012544 monitoring process Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000009191 jumping Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/17—Details of further file system functions
- G06F16/172—Caching, prefetching or hoarding of files
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请提供一种基于行为预测的业务处理方法、装置及电子设备,通过预先采集并存储历史操作数据的方式,以在用户进行访问时,可从历史操作数据中获得与用户对应的历史操作行为。并基于获得的历史操作行为对用户当前的操作行为进行预测,再与其真实操作行为进行比对。若两者的匹配度高于第一预设阈值,表明用户当前的操作行为与历史操作行为是一致的,则可将历史操作行为对应的目标对象的当前信息提前调取出,以在用户进行进一步操作行为时,及时将提取出的当前信息反馈给用户。如此,可以提高业务响应的速度,并且保障所响应的信息的准确性。
Description
技术领域
本申请涉及监控技术领域,具体而言,涉及基于行为预测的业务处理方法、装置及电子设备。
背景技术
视频监控当前已广泛应用于城市管理之中,可以实现实况或回放查看,实现人脸识别、视频结构化等各种业务功能,以保障城市安全。随着城市的发展,城市内监控系统中的摄像机数量越来越多,业务功能越来越复杂,相关工作人员需要面对海量数据的视频监控信息的管控和查询。在管控和查询的过程中,业务的响应速度以及响应信息的准确度将影响到用户的使用体验。因此,基于海量数据进行业务处理时,如何提高业务的响应速度、响应性能,在监管领域是一个十分重要的问题。
发明内容
为了至少克服现有技术中的上述不足,本申请的目的之一在于提供一种基于行为预测的业务处理方法、装置及电子设备。
第一方面,本发明实施例提供一种基于行为预测的业务处理方法,所述方法包括:
在监测到访问请求时,从预存的历史操作数据中获取与发起所述访问请求的当前用户对应的历史操作行为;
根据获得的历史操作行为对所述当前用户的操作行为进行预测,将得到的预测操作行为与所述当前用户的真实操作行为进行匹配,得到匹配度;
在所述预测操作行为与所述真实操作行为之间的匹配度大于或等于第一预设阈值时,调用与所述历史操作行为对应的目标对象的当前信息,以在所述当前用户进行后续的操作行为时,将所述目标对象的当前信息反馈给所述当前用户。
在可选的实施方式中,所述方法还包括:
获取预先记录的操作已结束的多组操作行为,并获得各组操作行为的时间信息;
针对每组操作行为,将该组操作行为以及发起该操作行为的用户的用户信息以及时间信息进行关联存储,以获得所述历史操作数据。
在可选的实施方式中,所述方法还包括:
在所述预测操作行为与所述真实操作行为之间的匹配度大于第二预设阈值且小于第一预设阈值时,将所述历史操作行为中包含的所述预测操作行为之后的后续操作行为的提示信息显示在操作界面,以供所述当前用户选择;
根据所述当前用户对所述提示信息的选择操作对所述匹配度进行更新,在更新后的匹配度大于或等于所述第一预设阈值时,执行调用与所述历史操作行为对应的目标对象的当前信息的步骤。
在可选的实施方式中,所述方法还包括:
在所述预测操作行为与所述真实操作行为之间的匹配度小于或等于所述第二预设阈值时,继续根据所述历史操作行为对所述当前用户的操作行为进行预测,并将预测操作行为与所述当前用户的真实操作行为进行匹配,根据匹配结果对所述匹配度进行更新;
在根据匹配结果进行更新后的匹配度大于所述第二预设阈值且小于所述第一预设阈值时,执行所述将获得的历史操作行为中包含的所述预测操作行为之后的后续操作行为的提示信息显示在操作界面的步骤。
在可选的实施方式中,所述预测操作行为及真实操作行为分别包括多次,所述将得到的预测操作行为与所述当前用户的真实操作行为进行匹配,得到匹配度的步骤,包括:
将每次得到的预测操作行为与对应的真实操作行为进行匹配;
计算预测操作行为与真实操作行为一致的匹配次数与总的匹配次数的比值,作为所述匹配度。
在可选的实施方式中,所述从预存的历史操作数据中获取与发起所述访问请求的当前用户对应的历史操作行为的步骤,包括:
获取发起所述访问请求的当前用户的用户信息,所述用户信息包括个人信息、用户类型及行业类型;
检测预存的历史操作数据中是否具有与所述当前用户的个人信息对应的历史操作行为;
若具有,则获取与所述当前用户的个人信息对应的历史操作行为;
若不具有,则获取所述历史操作数据中与所述当前用户的行业类型对应的历史操作行为,并从该历史操作行为中获取与所述当前用户的用户类型对应的历史操作行为。
在可选的实施方式中,所述从预存的历史操作数据中获取与发起所述访问请求的当前用户对应的历史操作行为的步骤,包括:
获取发起所述访问请求的当前时间信息,获得所述当前时间信息所属的时间周期;
从预存的历史操作数据中获取与发起所述访问请求的当前用户对应且与所述当前时间信息所属的时间周期对应的历史操作行为。
第二方面,本发明实施例提供一种基于行为预测的业务处理装置,所述装置包括:
获取模块,用于在监测到访问请求时,从预存的历史操作数据中获取与发起所述访问请求的当前用户对应的历史操作行为;
匹配模块,用于根据获得的历史操作行为对所述当前用户的操作行为进行预测,将得到的预测操作行为与所述当前用户的真实操作行为进行匹配,得到匹配度;
调用模块,用于在所述预测操作行为与所述真实操作行为之间的匹配度大于或等于第一预设阈值时,调用与所述历史操作行为对应的目标对象的当前信息,以在所述当前用户进行后续的操作行为时,将所述目标对象的当前信息反馈给所述当前用户。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器及存储在所述存储器上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上述前述实施方式中任一项所述的方法。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述前述实施方式中任一项所述的方法。
相对于现有技术而言,本申请具有以下有益效果:
本申请实施例提供的基于行为预测的业务处理方法、装置及电子设备,通过预先采集并存储历史操作数据的方式,以在用户进行访问时,可从历史操作数据中获得与用户对应的历史操作行为。并基于获得的历史操作行为对用户当前的操作行为进行预测,再与其真实操作行为进行比对。若两者的匹配度高于第一预设阈值,表明用户当前的操作行为与历史操作行为是一致的,则可将历史操作行为对应的目标对象的当前信息提前调取出,以在用户进行进一步操作行为时,及时将提取出的当前信息反馈给用户。如此,可以提高业务响应的速度,并且保障所响应的信息的准确性。
附图说明
为了更清楚地说明本申请实施例的技术方案,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申请的某些实施例,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为本申请实施例提供的基于行为预测的业务处理方法的应用场景示意图。
图2为本申请实施例提供的基于行为预测的业务处理方法的流程图。
图3为本申请实施例提供的历史操作数据的记录示意图。
图4为本申请实施例提供的获取历史操作行为的方法的流程图。
图5为本申请实施例提供的计算匹配度的方法的流程图。
图6为本申请实施例提供的基于行为预测的业务处理方法的另一流程图。
图7为本申请实施例提供的电子设备的示例性组件示意图。
图8为本申请实施例提供的基于行为预测的业务处理装置的功能模块框图。
图标:100-服务器;110-存储介质;120-处理器;130-基于行为预测的业务处理装置;131-获取模块;132-匹配模块;133-调用模块;140-通信接口;200-用户端;300-摄像设备。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
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。
请参阅图1,为本申请实施例提供的一种基于行为预测的业务处理方法的应用场景示意图。该场景包括服务器100、用户端200及摄像设备300,服务器100通过网络分别与用户端200及摄像设备300通信,以进行数据通信或交互。在本实施例中,摄像设备300包括多个,各个摄像设备300安装在城市内的不同区域,以采集不同区域内的监控图像,并将采集到的监控图像发送至服务器100。其中,摄像设备300可以是相机、摄像头等具有图像采集功能的终端设备。本实施例中,用户端200包括多个,多个用户端200与服务器100通信连接,用户端200可以包括,但不限于手机、计算机、平板电脑等终端设备。用户端200上安装有相关的监管应用,用户可以通过用户端200上的监管应用访问服务器100,以实现对监控图像的查询、监控等。所述服务器100为相关监管应用的后台服务器100,可实现对用户的操作行为的分析,以及实现对摄像设备300采集的监控图像的管理等。
请参阅图2,为本申请实施例提供的一种应用于上述服务器100的基于行为预测的业务处理方法的流程图。所应说明的是,本申请提供的方法不以图2及以下所述的具体顺序为限制。下面将对图2中示出的各步骤进行详细说明。
步骤S210,在监测到访问请求时,从预存的历史操作数据中获取与发起所述访问请求的当前用户对应的历史操作行为。
步骤S220,根据获得的历史操作行为对所述当前用户的操作行为进行预测,将得到的预测操作行为与所述当前用户的真实操作行为进行匹配,得到匹配度。
步骤S230,在所述预测操作行为与所述真实操作行为之间的匹配度大于或等于第一预设阈值时,调用与所述历史操作行为对应的目标对象的当前信息,以在所述当前用户进行后续的操作行为时,将所述目标对象的当前信息反馈给所述当前用户。
服务器100中存储有操作已结束的操作行为所构成的历史操作数据,该历史操作数据包含了具体的操作行为以及操作行为所涉及到的目标对象。其中,该目标对象为多个摄像设备300中的一个或多个。例如,某个用户在进行一系列操作行为之后,调取某个摄像设备300的实时监控画面。或者,某个用户在进行一系列操作行为之后,调取某个摄像设备300的前一天或前一个小时的监控图像等。
本实施例通过预先对用户的操作行为进行分析,以形成历史操作数据并存储下来。以在用户发起访问时,可基于历史操作数据中与用户对应的历史操作行为来对用户当前的操作行为进行预测。再将预测操作行为与用户的真实操作行为进行比对,在两者的匹配度高于第一预设阈值时,可将与用户对应的历史操作行为所对应的目标对象的当前信息及时调取出以加载至内存。例如,历史操作行为对应的目标对象为某个摄像设备300,该摄像设备300对应的当前信息可以是该摄像设备300的实时拍摄画面,也可以是需要获取的该摄像设备300的前一个小时所拍摄的监控画面等。可以将摄像设备300实时拍摄画面或前一个小时所拍摄的监控画面加载至内存中,如此,在用户进行进一步操作时,可及时将加载的信息反馈给用户,提高了业务响应速度,提升用户使用体验。
以下首先对预先采集并分析用户的操作行为以得到历史操作数据的过程进行说明。
在监管领域存在不同的用户群体,例如公安用户、交警用户、监所用户、园区用户等。不同行业类型的用户对业务处理的需求不同,在业务功能使用上区别较大,通过监管应用进行信息的查询、监控时,在使用习惯和流程上有较为明显的差异。相同行业类型内的用户,对于监控信息的需求相似,对于监管应用存在较为相同的使用习惯,而相同行业类型内具有不同职能的用户之间又存在一定的差异。
基于上述考虑,本实施例中,在对用户的操作行为进行分析时,将用户所属的行业类型以及在行业内的用户类型(以职能进行划分)纳入考虑,以形成有针对性的行为预测。
服务器100可记录用户的具体操作行为,操作行为往往是连续的一系列的,一系列的操作行为可构成一组操作行为。例如,一组操作行为依次可以是登录至监管应用、进入监管主页、进入某个监管子页面、点击获取某个摄像设备300的实时监控画面等。还可获取每组操作行为的时间信息,该时间信息可以包括具体的时间点(包括年、月、日、时间等)、具体时间点所属的时间周期、星期信息等。
对于预存的操作已结束的多组操作行为,将每组操作行为以及发起该操作行为的用户的用户信息以及时间信息进行关联记录,从而获得上述的历史操作数据。其中,用户信息包括个人信息、行业类型以及用户类型,个人信息可以是用户的姓名、编号等具有唯一性的信息,行业类型可以是上述的例如公安行业、交警行业、监所行业、智能楼宇安防行业等,而用户类型即是相应行业类型内的不同职能部门的用户。
在进行关联记录时,可按不同的行业类型设置不同的数据库表,以单独保存对应行业类型内用户的操作行为数据,例如表1中所示,其中,利用C表示行业类型。而对于具体的用户而言,在保存其操作行为时,可按表2中所示来记录用户的个人信息、用户类型及行业类型,而最终得到的记录信息可如表3中所示,其中,利用R表示用户类型、P表示个人用户、L表示操作行为。
表1
行业类型 | |
公安行业 | C1 |
交警行业 | C2 |
监所行业 | C3 |
智能楼宇安防行业 | C4 |
…… | ...... |
表2
个人信息 | 用户类型 | 行业类型 |
P0001 | R1 | C1 |
P0002 | R1 | C1 |
P0003 | R2 | C2 |
P0004 | R2 | C3 |
…… | …… | …… |
其中,表3中所示的时间周期为将每天划分为多个不同的时间区间所得的时间周期。由于用户每次的操作不可能固定在具体某个时间点,而可能是基本固定在某个时间段内。因此,添加了时间周期这一记录项,以便于后续在查找对应的历史操作行为时,能够获取对应时间周期内的历史操作行为。例如,表3中时间8:31:05,其所属的时间周期为8:30-9:00。
作为一种可能的实施方式,在将上述表格中存储的信息进行记录保存时,可按如下所示的parquet格式进行记录:
GA/R1/year=2019/month=05/Day=28/XXXXXX.parquet
其中,GA表示用户的行业类型,R1表示用户在该行业类型下的用户类型,XXXXXX表示具体的操作行为。
表3
个人信息 | 操作行为 | 时间 | 时间周期 | 月 | 周 |
P0001 | L1 | 2019-5-298:31:05 | 8:30-9:00 | 5 | 周三 |
P0001 | L2 | 2019-5-298:31:20 | 8:30-9:00 | 5 | 周三 |
P0001 | L4 | 2019-5-298:31:36 | 8:30-9:00 | 5 | 周三 |
P0001 | L7 | 2019-5-298:32:16 | 8:30-9:00 | 5 | 周三 |
P0003 | L1 | 2019-5-298:31:16 | 8:30-9:00 | 5 | 周三 |
…… | …… | …… | …… | …… | …… |
最终可得到如图3中所示的逻辑关系的记录信息。其中,L1、L2表示一步操作行为中可选的两项操作,L1-1、L1-2表示在操作行为L1之后的可选的操作。L1-1-1、L1-1-2表示在操作行为L1-1之后的可选的操作。L1-1-1-1、L-1-1-1-2表示在操作行为L1-1-1之后的可选的操作。其中,例如L1、L1-1、L1-1-1、L1-1-1-1则可以表示一组操作行为。
本实施例中预先对大量用户的操作行为进行分析,并从用户所属行业类型、用户类型、时间周期等多维度记录用户的操作行为,以形成历史操作数据,以用于后续用户进行访问时对用户的操作行为进行预测。
请参阅图4,在上述步骤S210中,在监测到访问请求时,可通过以下方式获取发起该访问请求的用户对应的历史操作行为:
步骤S211,获取发起所述访问请求的当前用户的用户信息,所述用户信息包括个人信息、用户类型及行业类型。
步骤S212,检测预存的历史操作数据中是否具有与所述当前用户的个人信息对应的历史操作行为,若具有,则执行步骤S213,若不具有,则执行步骤S214。
步骤S213,获取与所述当前用户的个人信息对应的历史操作行为。
步骤S214,获取所述历史操作数据中与所述当前用户的行业类型对应的历史操作行为,并从该历史操作行为中获取与所述当前用户的用户类型对应的历史操作行为。
本实施例中,若预先存储的历史操作数据中包含发起访问请求的当前用户的历史操作行为,则可直接获得该对应的历史操作行为以用于当前用户的操作行为预测。
而若当前用户为新用户,预先并未存储有该当前用户的历史操作行为,则可获取与该当前用户所属同一个行业类型,且属于同一用户类型的历史操作行为。因为同一行业类型、同一用户类型的用户的工作职责、工作逻辑方式、工作时间等具有普遍性,在操作逻辑上大致相同,例如园区保安,需要定期巡查固定路线的监控画面,派出所民警需要定时查看关键区域的监控情况等。也就是说,即使具有相同用户类型的用户有多个,但该多个用户的工作行为方式存在较为普遍的共性。因此,可基于历史记录的与当前用户所属同一行业类型、同一用户类型的用户的历史操作行为以用于当前用户的操作行为的预测。
由于在不同时间段用户对于业务信息的操作存在不同,因此,在获取当前用户对应的历史操作行为时,还需考虑访问时间。可获取发起访问请求的当前时间信息,获得该当前时间信息所属的时间周期。例如,当前时间信息为周一am8:35时,若设定的时间周期的划分方式为每半个小时为一个时间周期,则当前时间信息所属的时间周期为周一am8:30-am9:00。再基于当前时间信息所属的时间周期,从预先记录的历史操作数据中获取与发起该访问请求的当前用户对应且与当前时间信息所属的时间周期对应的历史操作行为。
在获得与当前用户对应的历史操作行为的基础上,根据历史操作行为对当前用户的操作行为进行预测,再与其真实操作行为进行匹配得到匹配度。请参阅图5,该过程可以通过以下方式实现:
步骤S221,将每次得到的预测操作行为与对应的真实操作行为进行匹配。
步骤S222,计算预测操作行为与真实操作行为一致的匹配次数与总的匹配次数的比值,作为所述匹配度。
用户的操作行为往往是一系列的,本实施例中,可预先设定一个进行匹配的初始次数,例如5次。在该初始次数之内,每次先根据历史操作行为对用户的操作行为进行预测,基于用户的实际操作得到真实操作行为,再比对预测操作行为是否与真实操作行为一致。在完成初始次数的比对之后,计算在该初始次数的比对中,预测操作行为与真实操作行为一致的匹配次数与总的匹配次数的比值。例如,在5次的匹配中,若4次匹配的预测操作行为与真实操作行为均一致,有1次匹配的预测操作行为与真实操作行为不一致,则匹配度为80%。应当理解,此处仅为举例说明,并不限定于此。
请结合参阅图6,在本实施例中,在将预测操作行为与用户真实操作行为进行匹配时,得到的匹配度存在多种不同的情况,在各种不同情形下,对应的处理方式也存在区别。例如,在预测操作行为与真实操作行为之间的匹配度大于或等于第一预设阈值时,例如该第一预设阈值可以是90%,则可确定当前的预测准确率可信,可预先将历史操作行为中涉及到的摄像设备300的当前信息加载至内存中,以便于可快速响应用户的需求。例如,若当前用户是进行一个业务的数据查询操作,则当用户输入查询条件后,由于已预先将相关的目标对象的信息加载至内存,则可快速响应用户的查询操作,避免在获取用户的查询条件后,基于该查询条件进行后台数据的查询,再进行数据的反馈所带来的反馈缓慢的问题。
在实施时,可能由于用户操作行为的更改,或者历史操作行为的不完善,导致利用历史操作行为进行预测得到的预测操作行为与用户的真实操作行为之间的匹配度并不是很高的问题,此种情况下,可采用界面引导的方式,以一定程度上简化用户的操作。
本实施例所提供的基于行为预测的业务处理方法还包括以下步骤:
步骤S240,在预测操作行为与真实操作行为之间的匹配度大于第二预设阈值且小于第一预设阈值时,将获得的与当前用户对应的历史操作行为中包含的预测操作行为之后的后续操作行为的提示信息显示在操作界面。
步骤S250,根据当前用户对所述提示信息的选择操作对得到的匹配度进行更新。
步骤S260,检测更新后的匹配度是否大于或等于第一预设阈值,若更新后的匹配度大于或等于第一预设阈值,则跳转至步骤S230执行调取目标对象的当前信息的步骤。若更新后的匹配度仍然小于第一预设阈值,则返回步骤S240执行界面提示的步骤。
例如第二预设阈值可以是70%,若得到的匹配度大于第二预设阈值且小于第一预设阈值,表明对当前用户的行为预测的准确度并不太高。这种情形下,可通过向用户提供界面提示的形式,以减少用户的输入操作,用户可以直接基于提示信息进行选择操作即可。例如,在操作界面显示“是否需要进行XX操作”,用户可直接基于该提示信息进行选择,若当前用户选择“是”,则执行跳转至下一操作的界面。如此,用户可直接基于操作界面上的提示信息进行选择以继续后续操作,无需进行信息的输入等,操作更为简便。
在当前用户对于提示信息的选择为“是”时,预测操作行为与真实操作行为匹配一致的次数加1,匹配总数相应的加1。若用户选择“否”,则预测操作行为与真实操作行为匹配一致的次数不变,匹配总数加1。基于重新得到的匹配一致的次数以及总的匹配次数重新计算匹配度。
在更新之后的匹配度变为大于或等于第一预设阈值时,则返回执行调用历史操作行为对应的目标对象的当前信息的步骤。
此外,实施时,还可能出现预测操作行为与真实操作行为的匹配度很低的情况,这种情形下,需要避免盲目进行界面提示或者信息的预先加载以造成的用户体验不佳的缺陷。
基于上述考虑,本实施例所提供的基于行为预测的业务处理方法还包括以下步骤:
步骤S270,在预测操作行为与真实操作行为之间的匹配度小于或等于第二预设阈值时,继续根据历史操作行为对当前用户的操作行为进行预测。
步骤S280,将得到的预测操作行为与当前用户的真实操作行为进行匹配,根据匹配结果对得到的匹配度进行更新。
步骤S290,检测根据匹配结果更新后的匹配度是否大于第二预设阈值且小于第一预设阈值,若是,则跳转至步骤S240以执行将获得的历史操作行为中包含的预存操作行为之后的后续操作行为的提示信息显示在操作界面的步骤,若否,则返回步骤S270继续执行操作行为预测的步骤。
本实施例通过以上方式,设置不同的预判阈值以及逻辑处理方式,可让整个用户行为预测逻辑更为智能和精确。
请参阅图7,为本申请实施例提供的电子设备的示例性组件示意图,该电子设备可以为上述的服务器100,该电子设备可包括存储介质110、处理器120、基于行为预测的业务处理装置130及通信接口140。本实施例中,存储介质110与处理器120均位于电子设备中且二者分离设置。然而,应当理解的是,存储介质110也可以是独立于电子设备之外,且可以由处理器120通过总线接口来访问。可替换地,存储介质110也可以集成到处理器120中,例如,可以是高速缓存和/或通用寄存器。
基于行为预测的业务处理装置130可以理解为上述电子设备,或电子设备的处理器120,也可以理解为独立于上述电子设备或处理器120之外的在电子设备控制下实现上述基于行为预测的业务处理方法的软件功能模块。
如图8所示,上述基于行为预测的业务处理装置130可以包括获取模块131、匹配模块132及调用模块133,下面分别对该基于行为预测的业务处理装置130的各个功能模块的功能进行详细阐述。
获取模块131,用于在监测到访问请求时,从预存的历史操作数据中获取与发起所述访问请求的当前用户对应的历史操作行为。可以理解,该获取模块131可以用于执行上述步骤S210,关于该获取模块131的详细实现方式可以参照上述对步骤S210有关的内容。
匹配模块132,用于根据获得的历史操作行为对所述当前用户的操作行为进行预测,将得到的预测操作行为与所述当前用户的真实操作行为进行匹配,得到匹配度。可以理解,该匹配模块132可以用于执行上述步骤S220,关于该匹配模块132的详细实现方式可以参照上述对步骤S220有关的内容。
调用模块133,用于在所述预测操作行为与所述真实操作行为之间的匹配度大于或等于第一预设阈值时,调用与所述历史操作行为对应的目标对象的当前信息,以在所述当前用户进行后续的操作行为时,将所述目标对象的当前信息反馈给所述当前用户。可以理解,该调用模块133可以用于执行上述步骤S230,关于该调用模块133的详细实现方式可以参照上述对步骤S230有关的内容。
进一步地,本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质存储有机器可执行指令,机器可执行指令被执行时实现上述实施例提供的基于行为预测的业务处理方法。
综上所述,本申请实施例提供的基于行为预测的业务处理方法、装置及电子设备,通过预先采集并存储历史操作数据的方式,以在用户进行访问时,可从历史操作数据中获得与用户对应的历史操作行为。并基于获得的历史操作行为对用户当前的操作行为进行预测,再与其真实操作行为进行比对。若两者的匹配度高于第一预设阈值,表明用户当前的操作行为与历史操作行为是一致的,则可将历史操作行为对应的目标对象的当前信息提前调取出,以在用户进行进一步操作行为时,及时将提取出的当前信息反馈给用户。如此,可以提高业务响应的速度,并且保障所响应的信息的准确性。
以上所述,仅为本申请的各种实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种基于行为预测的业务处理方法,其特征在于,所述方法包括:
在监测到访问请求时,从预存的历史操作数据中获取与发起所述访问请求的当前用户对应的历史操作行为;
根据获得的历史操作行为对所述当前用户的操作行为进行预测,将得到的预测操作行为与所述当前用户的真实操作行为进行匹配,得到匹配度;
在所述预测操作行为与所述真实操作行为之间的匹配度大于或等于第一预设阈值时,调用与所述历史操作行为对应的目标对象的当前信息,以在所述当前用户进行后续的操作行为时,将所述目标对象的当前信息反馈给所述当前用户。
2.根据权利要求1所述的基于行为预测的业务处理方法,其特征在于,所述方法还包括:
获取预先记录的操作已结束的多组操作行为,并获得各组操作行为的时间信息;
针对每组操作行为,将该组操作行为以及发起该操作行为的用户的用户信息以及时间信息进行关联存储,以获得所述历史操作数据。
3.根据权利要求1所述的基于行为预测的业务处理方法,其特征在于,所述方法还包括:
在所述预测操作行为与所述真实操作行为之间的匹配度大于第二预设阈值且小于第一预设阈值时,将所述历史操作行为中包含的所述预测操作行为之后的后续操作行为的提示信息显示在操作界面,以供所述当前用户选择;
根据所述当前用户对所述提示信息的选择操作对所述匹配度进行更新,在更新后的匹配度大于或等于所述第一预设阈值时,执行调用与所述历史操作行为对应的目标对象的当前信息的步骤。
4.根据权利要求3所述的基于行为预测的业务处理方法,其特征在于,所述方法还包括:
在所述预测操作行为与所述真实操作行为之间的匹配度小于或等于所述第二预设阈值时,继续根据所述历史操作行为对所述当前用户的操作行为进行预测,并将预测操作行为与所述当前用户的真实操作行为进行匹配,根据匹配结果对所述匹配度进行更新;
在根据匹配结果进行更新后的匹配度大于所述第二预设阈值且小于所述第一预设阈值时,执行将获得的历史操作行为中包含的所述预测操作行为之后的后续操作行为的提示信息显示在操作界面的步骤。
5.根据权利要求1所述的基于行为预测的业务处理方法,其特征在于,所述预测操作行为及真实操作行为分别包括多次,所述将得到的预测操作行为与所述当前用户的真实操作行为进行匹配,得到匹配度的步骤,包括:
将每次得到的预测操作行为与对应的真实操作行为进行匹配;
计算预测操作行为与真实操作行为一致的匹配次数与总的匹配次数的比值,作为所述匹配度。
6.根据权利要求1-5任意一项所述的基于行为预测的业务处理方法,其特征在于,所述从预存的历史操作数据中获取与发起所述访问请求的当前用户对应的历史操作行为的步骤,包括:
获取发起所述访问请求的当前用户的用户信息,所述用户信息包括个人信息、用户类型及行业类型;
检测预存的历史操作数据中是否具有与所述当前用户的个人信息对应的历史操作行为;
若具有,则获取与所述当前用户的个人信息对应的历史操作行为;
若不具有,则获取所述历史操作数据中与所述当前用户的行业类型对应的历史操作行为,并从该历史操作行为中获取与所述当前用户的用户类型对应的历史操作行为。
7.根据权利要求1-5任意一项所述的基于行为预测的业务处理方法,其特征在于,所述从预存的历史操作数据中获取与发起所述访问请求的当前用户对应的历史操作行为的步骤,包括:
获取发起所述访问请求的当前时间信息,获得所述当前时间信息所属的时间周期;
从预存的历史操作数据中获取与发起所述访问请求的当前用户对应且与所述当前时间信息所属的时间周期对应的历史操作行为。
8.一种基于行为预测的业务处理装置,其特征在于,所述装置包括:
获取模块,用于在监测到访问请求时,从预存的历史操作数据中获取与发起所述访问请求的当前用户对应的历史操作行为;
匹配模块,用于根据获得的历史操作行为对所述当前用户的操作行为进行预测,将得到的预测操作行为与所述当前用户的真实操作行为进行匹配,得到匹配度;
调用模块,用于在所述预测操作行为与所述真实操作行为之间的匹配度大于或等于第一预设阈值时,调用与所述历史操作行为对应的目标对象的当前信息,以在所述当前用户进行后续的操作行为时,将所述目标对象的当前信息反馈给所述当前用户。
9.一种电子设备,其特征在于,包括存储器、处理器及存储在所述存储器上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上述权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现上述权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910603857.5A CN112182295B (zh) | 2019-07-05 | 2019-07-05 | 基于行为预测的业务处理方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910603857.5A CN112182295B (zh) | 2019-07-05 | 2019-07-05 | 基于行为预测的业务处理方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112182295A true CN112182295A (zh) | 2021-01-05 |
CN112182295B CN112182295B (zh) | 2023-11-24 |
Family
ID=73915520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910603857.5A Active CN112182295B (zh) | 2019-07-05 | 2019-07-05 | 基于行为预测的业务处理方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182295B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818364A (zh) * | 2021-01-29 | 2021-05-18 | 北京钢研新材科技有限公司 | 一种满足fair原则的材料数据区块链共享系统 |
CN114826806A (zh) * | 2022-03-16 | 2022-07-29 | 杭州华橙软件技术有限公司 | 业务处理方法、系统、装置和可读存储介质 |
CN114925273A (zh) * | 2022-05-23 | 2022-08-19 | 天津众群科技有限公司 | 基于大数据分析的用户行为预测方法及ai预测分析系统 |
CN117112628A (zh) * | 2023-09-08 | 2023-11-24 | 廊坊丛林科技有限公司 | 一种物流数据的更新方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549700A (zh) * | 2018-04-17 | 2018-09-18 | 携程旅游网络技术(上海)有限公司 | 页面的预搜索方法及其系统、存储介质、电子设备 |
CN108763453A (zh) * | 2018-05-28 | 2018-11-06 | 浙江口碑网络技术有限公司 | 基于行为预测的页面数据处理方法及装置 |
CN109818839A (zh) * | 2019-02-03 | 2019-05-28 | 三星电子(中国)研发中心 | 应用于智能家居的个性化行为预测方法、装置和系统 |
-
2019
- 2019-07-05 CN CN201910603857.5A patent/CN112182295B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108549700A (zh) * | 2018-04-17 | 2018-09-18 | 携程旅游网络技术(上海)有限公司 | 页面的预搜索方法及其系统、存储介质、电子设备 |
CN108763453A (zh) * | 2018-05-28 | 2018-11-06 | 浙江口碑网络技术有限公司 | 基于行为预测的页面数据处理方法及装置 |
CN109818839A (zh) * | 2019-02-03 | 2019-05-28 | 三星电子(中国)研发中心 | 应用于智能家居的个性化行为预测方法、装置和系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818364A (zh) * | 2021-01-29 | 2021-05-18 | 北京钢研新材科技有限公司 | 一种满足fair原则的材料数据区块链共享系统 |
CN114826806A (zh) * | 2022-03-16 | 2022-07-29 | 杭州华橙软件技术有限公司 | 业务处理方法、系统、装置和可读存储介质 |
CN114925273A (zh) * | 2022-05-23 | 2022-08-19 | 天津众群科技有限公司 | 基于大数据分析的用户行为预测方法及ai预测分析系统 |
CN117112628A (zh) * | 2023-09-08 | 2023-11-24 | 廊坊丛林科技有限公司 | 一种物流数据的更新方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112182295B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112182295B (zh) | 基于行为预测的业务处理方法、装置及电子设备 | |
US11074560B2 (en) | Tracking processed machine data | |
US10884891B2 (en) | Interactive detection of system anomalies | |
US11288283B2 (en) | Identifying metrics related to data ingestion associated with a defined time period | |
US8756593B2 (en) | Map generator for representing interrelationships between app features forged by dynamic pointers | |
US9883035B1 (en) | Methods and systems for automatically recognizing actions in a call center environment using screen capture technology | |
CN109672741A (zh) | 微服务监控方法、装置、计算机设备和存储介质 | |
KR20100037040A (ko) | 시간-기반 행위 정보의 수집 및 제공 | |
WO2018112722A1 (zh) | 一种视频巡检方法及其系统 | |
CN110471945B (zh) | 活跃数据的处理方法、系统、计算机设备和存储介质 | |
CN110225407B (zh) | 一种播放数据的获取方法和装置及计算机可读存储介质 | |
US20210326381A1 (en) | Systems and methods for efficiently sending video metadata | |
CN110837582A (zh) | 数据关联方法、装置、电子设备和计算机可读存储介质 | |
CN110851473A (zh) | 一种数据处理方法、装置和系统 | |
CN113014623A (zh) | 埋点实时流数据处理方法、装置、计算机设备和存储介质 | |
CN117271177A (zh) | 基于链路数据的根因定位方法、装置、电子设备及存储介质 | |
CN111104915B (zh) | 一种同行分析方法、装置、设备和介质 | |
CN112836124A (zh) | 一种画像数据获取方法、装置、电子设备及存储介质 | |
CN109218062B (zh) | 基于置信区间的互联网业务报警方法和装置 | |
CN115223076A (zh) | 行为告警方法、装置、设备及存储介质 | |
CN112363940A (zh) | 一种数据处理方法、装置、存储介质及服务器 | |
US11599575B2 (en) | Systems and methods for identifying events within video content using intelligent search query | |
CN114022183A (zh) | 广告信息归因方法、系统、设备和存储介质 | |
CN117193883B (zh) | 一种基于人工智能的应用程序信息管控系统及方法 | |
CN113542796B (zh) | 视频评测方法、装置、计算机设备和存储介质 |
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 |