CN113537634A - 用户行为预测方法、装置、电子设备和存储介质 - Google Patents

Abstract

本发明公开了用户行为的预测方法、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：接收用户行为的分析请求；获取虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率；基于单位净值的变化率和预设指数的累计收益率，分别计算各历史时间段内用户行为对应的收益率，以确定第一时间点；对各历史时间段内用户行为对应的收益率进行拟合，得到拟合结果，确定第二时间点；将第一时间点和第二时间点之间的时间段确定为用户行为的预测结果，发送预测结果。该实施方式能够解决通过人工经验很难准确的对用户行为进行预测，降低避免发生设备故障准确性的问题。

Description

用户行为预测方法、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预测方法、装置、电子设备和存储介质。

背景技术

对于基金等虚拟资产，用户通常会基于市场变化、个人情况等因素执行购买或赎回的操作行为。在一些场景中，例如虚拟资产价值变化较大时，可能会出现大量用户短时间内发生对虚拟资产执行购买或赎回的操作行为，导致交易数量过大，从而给为虚拟资产的提供服务的设备带来巨大的压力，甚至引起设备故障。现有技术中，通常是通过人工经验来对用户行为进行预测，以避免发生设备故障，但是通过人工经验很难准确的对用户行为进行预测，从而降低避免发生设备故障的准确性。

发明内容

有鉴于此，本发明实施例提供一种用户行为的预测方法、装置、电子设备和存储介质，能够解决通过人工经验很难准确的对用户行为进行预测，降低避免发生设备故障准确性的问题。

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的预测方法。

本发明实施例的一种用户行为的预测方法包括：接收用户行为的分析请求，所述分析请求包括虚拟资产标识；基于所述虚拟资产标识，获取所述虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率；调用预设的收益率计算模型，基于所述单位净值的变化率和所述预设指数的累计收益率，分别计算各所述历史时间段内用户行为对应的收益率，以基于所述用户行为对应收益率的大小确定第一时间点；以预设函数为拟合目标，对各历史时间段内用户行为对应的收益率进行拟合，得到拟合结果，基于所述拟合结果确定第二时间点；将所述第一时间点和所述第二时间点之间的时间段确定为用户行为的预测结果，发送所述预测结果，以执行所述预测结果对应的服务端控制程序。

在一个实施例中，基于所述用户行为对应收益率的大小确定第一时间点，包括：

筛选所述用户行为对应收益率的最小值，以基于所述最小值对应历史时间段确定第一时间点。

在又一个实施例中，所述拟合结果包括拟合曲线；

基于所述拟合结果确定第二时间点，包括：

将所述拟合曲线的峰值或对称轴确定为所述第二时间点。

在又一个实施例中，基于所述虚拟资产标识，获取所述虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率，包括：

基于所述虚拟资产标识，从数据库中获取所述虚拟资产在各预设的历史时间段内的单位净值和预设指数收益率，以计算各所述历史时间段内单位净值的变化率和预设指数的累计收益率。

在又一个实施例中，执行所述预测结果对应的服务端控制程序，包括：

调用预设的设备控制接口，以基于所述预测结果向所述虚拟资产标识对应的备用设备发送打开或关闭指令。

在又一个实施例中，所述调用预设的设备控制接口，以基于所述预测结果向所述虚拟资产标识对应的备用设备发送打开或关闭指令，包括：

监控所述虚拟资产标识对应服务端的运行状态参数；

在当前时间属于所述预测结果时，判断所述运行状态参数是否大于预设阈值，若是，则调用预设的设备控制接口，以向所述虚拟资产标识对应的备用设备发送打开指令；若否，则不做处理。

在又一个实施例中，基于所述虚拟资产标识，获取所述虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率之前，还包括：

获取所述分析请求中的历史时间段，将所述分析请求中历史时间段确定为各预设的历史时间段。

为实现上述目的，根据本发明实施例的另一方面，提供了一种用户行为的预测装置。

本发明实施例的一种用户行为的预测装置包括：接收单元，用于接收用户行为的分析请求，所述分析请求包括虚拟资产标识；获取单元，用于基于所述虚拟资产标识，获取所述虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率；计算单元，用于调用预设的收益率计算模型，基于所述单位净值的变化率和所述预设指数的累计收益率，分别计算各所述历史时间段内用户行为对应的收益率，以基于所述用户行为对应收益率的大小确定第一时间点；所述计算单元，还用于以预设函数为拟合目标，对各历史时间段内用户行为对应的收益率进行拟合，得到拟合结果，基于所述拟合结果确定第二时间点；发送单元，用于将所述第一时间点和所述第二时间点之间的时间段确定为用户行为的预测结果，发送所述预测结果，以执行所述预测结果对应的服务端控制程序。

在一个实施例中，所述计算单元具体用于：

筛选所述用户行为对应收益率的最小值，以基于所述最小值对应历史时间段确定第一时间点。

在又一个实施例中，所述拟合结果包括拟合曲线；

所述计算单元具体用于将所述拟合曲线的峰值或对称轴确定为所述第二时间点。

在又一个实施例中，所述获取单元具体用于：

基于所述虚拟资产标识，从数据库中获取所述虚拟资产在各预设的历史时间段内的单位净值和预设指数收益率，以计算各所述历史时间段内单位净值的变化率和预设指数的累计收益率。

在又一个实施例中，所述发送单元具体用于：

调用预设的设备控制接口，以基于所述预测结果向所述虚拟资产标识对应的备用设备发送打开或关闭指令。

在又一个实施例中，所述发送单元具体用于：

监控所述虚拟资产标识对应服务端的运行状态参数；

在当前时间属于所述预测结果时，判断所述运行状态参数是否大于预设阈值，若是，则调用预设的设备控制接口，以向所述虚拟资产标识对应的备用设备发送打开指令；若否，则不做处理。

在又一个实施例中，所述获取单元具体用于：

获取所述分析请求中的历史时间段，将所述分析请求中历史时间段确定为各预设的历史时间段。

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的预测方法。

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的预测方法。

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，对虚拟资产，基于其各预设的历史时间段内单位净值的变化率和预设指数的累计收益率，可以计算各历史时间段内用户行为对应的收益率，进而可以基于用户行为对应收益率的大小确定第一时间点，以及基于用户行为对应收益率的拟合结果确定第二时间点，第一时间点和第二时间点之间的时间段，即为用户行为会发生变化的时间段，也就是用户行为的预测结果，如此通过虚拟资产的历史数据实现对用户行为的分析，以确定用户行为发生变化的时间段，从而可以提高对用户行为进行预测的准确性，进而提高避免发生设备故障的准确性。

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预测的系统的一种系统架构的示意图；

图2是根据本发明实施例的用户行为的预测方法的一种主要流程的示意图；

图3是根据本发明实施例的参数Z计算结果的一种示意图；

图4是根据本发明实施例的参数m和n计算结果的一种示意图；

图5是根据本发明实施例的监控运行状态参数的一种示意图；

图6是根据本发明实施例的用户行为的预测方法的又一种主要流程的示意图；

图7是根据本发明实施例的用户行为的预测装置的主要单元的示意图；

图8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9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。

本发明实施例提供一种用户行为预测的系统，该系统可以用于对大量用户对虚拟资产进行操作的行为的发生时间进行预测的场景。虚拟资产可以包括多种，例如基金、股票等等，用户可以根据需求对虚拟资产进行购买和赎回等操作行为。用户对虚拟资产的操作行为可以基于情绪划分为情绪高涨期、平稳期及恐惧期，一般在情绪高涨期和恐惧期会发生购买或赎回的操作行为，为了避免因大量用户短时间内对虚拟资产执行购买或赎回等操作行为，导致虚拟资产对应的设备出现故障，本发明实施例中可以及时预测用户行为发生的高峰期，即对大量用户的操作行为发生的时间进行预测，以便于及时对虚拟资产对应设备执行运维，保证设备系统稳定运行。本发明实施例中虚拟资产可以具体为公募基金。

具体的，图1所示为本发明实施例中用户行为预测系统的一种架构示意图，可以包括终端和服务端，终端和服务端可以通过服务总线连接，以进行数据传输。终端表示请求进行用户行为预测的设备，可以基于用户输入的指令向服务端发送请求，终端可以包括笔记本电脑、PC和平板电脑等设备，需要对用户行为进行预测的用户可以包括市场分析员、应用服务管理员、市场分析员等等。服务端可以包括WEB服务器、计算服务器、TA数据库和市场咨询服务器，WEB服务器与终端侧连接，可以进行数据显示和数据传输，计算服务器可以用于对用户行为预测的计算，TA数据库可以用于存储虚拟资产的参数(如基金净值)，市场咨询服务器可以存储虚拟资产对应市场指数的值，计算服务器可以从TA数据库和市场咨询服务器中获取数据以用于对用户行为的预测。

本发明实施例提供了一种用户行为的预测方法，该方法可由服务端执行，如图2所示，该方法包括：

S201：接收用户行为的分析请求。

其中，分析请求可以为终端发送的，分析请求包括虚拟资产标识，例如虚拟资产的编号等。

S202：基于虚拟资产标识，获取虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率。

其中，虚拟资产对应的各项数据通常会以虚拟资产标识为索引进行存储，所以基于虚拟资产标识可以查询到虚拟资产对应的数据，如本步骤中单位净值的变化率和预设指数的累计收益率等，进而可以获取到虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率。预设指数可以基于需求确定，如可以包括上证指数。

如果单位净值的变化率和预设指数的累计收益率在数据库中已经存储，则可以直接获取；如果数据库未直接存储单位净值的变化率和预设指数的累计收益率，则可以先获取虚拟资产的历史数据再进行计算。

具体的，本步骤可以执行为：基于虚拟资产标识，从数据库中获取虚拟资产在各预设的历史时间段内的单位净值和预设指数收益率，以计算各历史时间段内单位净值的变化率和预设指数的累计收益率。

各预设的历史时间段内的单位净值可以从TA数据库中获取，各预设的历史时间段内预设指数收益率可以从市场咨询服务器中获取。历史时间段可以基于需求确定。本发明实施例中可以以单位净值和预设指数收益率的变换趋势进行分析，所以各预设时间段通常为连续的，例如可以以天为时间段长度，预设的历史时间段可以为历史一年内每天设置为一个历史时间段。

所以本步骤中可以先获取各预设历史时间段所对应历史时间内虚拟资产的单位净值和预设指数收益率，进而再计算虚拟资产在各预设的历史时间段内的单位净值和预设指数收益率。例如，设置各预设历史时间段所对应历史时间为T，则可以先从数据库中获取T时间内虚拟资产的单位净值和预设指数收益率，以各预设历史时间段为T中的每一天为例，则可以从T时间内虚拟资产的单位净值和预设指数收益率中计算出T时间内虚拟资产每天的单位净值和每天预设指数收益率。以i表示T时间内的任一天，其中i为大于0且小于等于T所包括总天数N的整数。虚拟资产在第i天单位净值的变化率为第i天的单位净值除以T时间内前i天的累计单位净值，虚拟资产在第i天预设指数的累计收益率为T时间内前i天预设指数收益率的累计值。通过上述过程即可计算出虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率。

S203：调用预设的收益率计算模型，基于单位净值的变化率和预设指数的累计收益率，分别计算各历史时间段内用户行为对应的收益率，以基于用户行为对应收益率的大小确定第一时间点。

其中，收益率计算模型为预先设置和训练的模型。本步骤中收益率计算模型对应的计算函数可以如公式1所示。将步骤S201中获取的参数输入训练的收益率计算模型，即可计算出各历史时间段内用户行为对应的收益率。

y＝kX+Z (1)

其中，y表示虚拟资产在预设的历史时间段内单位净值的变化率，X表示虚拟资产在预设的历史时间段内预设指数的累计收益率，k表示回归系数，如通过huber回归之后得到的回归系数，Z表示为虚拟资产在预设的历史时间段内用户行为对应的收益率，即在预设的历史时间段内用户因情绪变化引起购买或赎回操作行为所带来的收益率。

在计算出各历史时间段内用户行为对应的收益率后，可以筛选出用户行为对应收益率的最小值，通常用户行为对应收益率越小说明用户行为所对应的数据量越大，所以本步骤中可以基于用户行为对应收益率的最小值所对应的历史时间段确定第一时间点。具体可以为将各历史时间段沿固定的时间窗口平滑，从而可以确定出最小值所对应的历史时间段与当前时间之间的关系，即可确定出第一时间点；或者还可以将最小值所对应的历史时间段在T时间段内的位置，如属于T时间段内的第几天来确定出第一时间点。

如图3所示，为调用预设的收益率计算模型后输出结果的曲线示意图。其中，横坐标为时间，单位为天；线1对应图中右侧纵坐标轴，表示Z的值随时间的变化曲线，最小值(图中线3对应值)对应横坐标为24，即为第24天；线2对应图中左侧纵坐标轴，表示收益率计算模型的可信度。图中竖线对应Z的最小值，即为第一时间点。

S204：以预设函数为拟合目标，对各历史时间段内用户行为对应的收益率进行拟合，得到拟合结果，基于拟合结果确定第二时间点。

其中，在计算出各历史时间段内用户行为对应的收益率后，可以对其进行拟合，然后基于拟合结果确定第二时间点。用于拟合的函数为预先设置，具体可以为一元二次函数，如Z＝m×T²+n×T+e，其中，Z表示为虚拟资产在预设的历史时间段内用户行为对应的收益率，T表示各预设历史时间段所对应历史时间段，e表示对方程做最小二乘的回归残差，m和n为系数。以预设函数为拟合目标，对各历史时间段内用户行为对应的收益率进行拟合后，可以得到拟合结果。本发明实施例中拟合结果为一个一元二次函数，所以得出的曲线包括峰值，同时该峰值也是曲线的对称轴，所以可以将拟合曲线的峰值或对称轴确定为第二时间点。具体的，也可以基于h＝-n/(2m)的公式计算出第二时间点，即h。

例如，以T为过去5天到过去60天为例，设置变量i为T内的第i(i大于0且小于等于N的整数)天，则可以计算出对应公式1中的Yi和Xi，然后逐日做滚动，确定N组数据。

随机将N组Yi、Xi分成训练组和测试组，基于训练组对公式1构建的模型进行训练，以测试组对训练的模型进行测试，测试得分(r方)使用最小二乘法，可以得出没出训练的r方均值和Z。

对Z进行拟合可以得出参数m、n，最后计算出h＝-n/(2m)。拟合Z＝mT^2+nT+e过程中，Ti依次为第i天，Zi为第i天对应的Z值，结果求出m、n。如Z5＝m5^2+n 5+e、Z6＝m6^2+n 6+e、Z7＝m7^2+n 7+e、……、Z60＝m60^2+n 60+e，从而得出m和n。

如图4所示，为与图3通过步骤S202获取的相同数据执行后得出的m和n的结果示意图，其中上侧框内为R2，表达本次拟合度为0.465，拟合度较好，下侧框内x1和x2分别代表m和n，则可以计算出h＝-n/(2m)＝-2.457e-05/(2*3.967e-07)＝30.9679858835392，该数字表示30天左右，和图3中24天很接近，所以本次预测结果具有可信性。

S205：将第一时间点和第二时间点之间的时间段确定为用户行为的预测结果，发送预测结果，以执行预测结果对应的服务端控制程序。

其中，通过上述步骤得出第一时间点和第二时间点之后，将两个时间点之间的时间段确定为预测结果，表示在该时间段内发生大量的用户行为，进而对应的操作数据量较大。如以图3和图4所示结果为例，可以预测虚拟资产在经过24-30天左右用户对虚拟资产进行大量的操作行为。

本步骤确定出预测结果后，可以将其发送给终端，以执行预测结果对应的服务端控制程序。服务端控制程序可以表示为虚拟资产提供服务的服务端的控制程序。具体的，为了避免因用户操作的数据量过大导致设备故障，本发明实施例中可以设置备用设备，在数据量过大时可以打开备用设备，在数据量降低时可以关闭备用设备，所以本步骤中将预测结果发送至终端后，终端侧可以调用预设的设备控制接口，以基于预测结果向虚拟资产标识对应的备用设备发送打开或关闭指令。

具体的，本发明实施例中，还可以对虚拟资产标识对应服务端的运行状态参数进行实时监控，如图5所示为一种对运行状态参数监控的示意图。在当前时间属于预测结果时，说明进入预测的用户行为发生变化的时间，此时可以基于实时监控的运行状态参数来确定对备用设备的处理。例如本发明实施例预先设置运行状态参数的阈值，超过阈值说明服务端压力过大，则在当前时间属于预测结果时，判断运行状态参数是否大于预设阈值，若是，则调用预设的设备控制接口，以向虚拟资产标识对应的备用设备发送打开指令；若否，则不做处理。从而可以避免设备故障。

本发明实施例中，对目标虚拟资产，基于其各预设的历史时间段内单位净值的变化率和预设指数的累计收益率，可以计算各历史时间段内用户行为对应的收益率，进而可以基于用户行为对应收益率的大小确定第一时间点，以及基于用户行为对应收益率的拟合结果确定第二时间点，第一时间点和第二时间点之间的时间段，即为用户行为会发生变化的时间段，也就是用户行为的预测结果，如此通过虚拟资产的历史数据实现对用户行为的分析，以确定用户行为发生变化的时间段，从而可以提高对用户行为进行预测的准确性，进而提高避免发生设备故障的准确性。

下面结合图6所示的实施例，对本发明实施例中用户行为的预测方法进行具体说明，如图6所示，该方法包括：

S601：接收终端发送的用户行为的分析请求。

其中，分析请求包括虚拟资产标识。

S602：基于虚拟资产标识，从数据库中获取虚拟资产在各预设的历史时间段内的单位净值和预设指数收益率，以计算各历史时间段内单位净值的变化率和预设指数的累计收益率。

S603：调用预设的收益率计算模型，基于单位净值的变化率和预设指数的累计收益率，分别计算各历史时间段内用户行为对应的收益率，以基于用户行为对应收益率的大小确定第一时间点。

S604：以预设函数为拟合目标，对各历史时间段内用户行为对应的收益率进行拟合，得到拟合结果，基于拟合结果确定第二时间点。

S605：将第一时间点和第二时间点之间的时间段确定为用户行为的预测结果。

S606：发送预测结果，以使终端调用预设的设备控制接口，以基于预测结果向虚拟资产标识对应的备用设备发送打开或关闭指令。

需要说明的是，本发明实施例中各步骤的数据处理原理与图2所示实施例中对应的数据处理原理相同，在此不再赘述。

本发明实施例中，对目标虚拟资产，基于其各预设的历史时间段内单位净值的变化率和预设指数的累计收益率，可以计算各历史时间段内用户行为对应的收益率，进而可以基于用户行为对应收益率的大小确定第一时间点，以及基于用户行为对应收益率的拟合结果确定第二时间点，第一时间点和第二时间点之间的时间段，即为用户行为会发生变化的时间段，也就是用户行为的预测结果，如此通过虚拟资产的历史数据实现对用户行为的分析，以确定用户行为发生变化的时间段，从而可以提高对用户行为进行预测的准确性，进而提高避免发生设备故障的准确性。

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的预测装置700，如图7所示，该装置700包括：

接收单元701，用于接收用户行为的分析请求，所述分析请求包括虚拟资产标识；

获取单元702，用于基于所述虚拟资产标识，获取所述虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率；

计算单元703，用于调用预设的收益率计算模型，基于所述单位净值的变化率和所述预设指数的累计收益率，分别计算各所述历史时间段内用户行为对应的收益率，以基于所述用户行为对应收益率的大小确定第一时间点；

所述计算单元703，还用于以预设函数为拟合目标，对各历史时间段内用户行为对应的收益率进行拟合，得到拟合结果，基于所述拟合结果确定第二时间点；

发送单元704，用于将所述第一时间点和所述第二时间点之间的时间段确定为用户行为的预测结果，发送所述预测结果，以执行所述预测结果对应的服务端控制程序。。

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703，具体用于：

筛选所述用户行为对应收益率的最小值，以基于所述最小值对应历史时间段确定第一时间点。

本发明实施例的又一种实现方式中，所述拟合结果包括拟合曲线；

所述计算单元703具体用于将所述拟合曲线的峰值或对称轴确定为所述第二时间点。

本发明实施例的又一种实现方式中，所述获取单元702具体用于：

基于所述虚拟资产标识，从数据库中获取所述虚拟资产在各预设的历史时间段内的单位净值和预设指数收益率，以计算各所述历史时间段内单位净值的变化率和预设指数的累计收益率。

本发明实施例的又一种实现方式中，所述发送单元704具体用于：

调用预设的设备控制接口，以基于所述预测结果向所述虚拟资产标识对应的备用设备发送打开或关闭指令。

本发明实施例的又一种实现方式中，所述发送单元704具体用于：

监控所述虚拟资产标识对应服务端的运行状态参数；

在当前时间属于所述预测结果时，判断所述运行状态参数是否大于预设阈值，若是，则调用预设的设备控制接口，以向所述虚拟资产标识对应的备用设备发送打开指令；若否，则不做处理。

本发明实施例的又一种实现方式中，所述获取单元702具体用于：

获取所述分析请求中的历史时间段，将所述分析请求中历史时间段确定为各预设的历史时间段。

应理解的是，实施本发明实施例的方式与实施图2、6所示实施例的方式相同，在此不再赘述。

本发明实施例中，对目标虚拟资产，基于其各预设的历史时间段内单位净值的变化率和预设指数的累计收益率，可以计算各历史时间段内用户行为对应的收益率，进而可以基于用户行为对应收益率的大小确定第一时间点，以及基于用户行为对应收益率的拟合结果确定第二时间点，第一时间点和第二时间点之间的时间段，即为用户行为会发生变化的时间段，也就是用户行为的预测结果，如此通过虚拟资产的历史数据实现对用户行为的分析，以确定用户行为发生变化的时间段，从而可以提高对用户行为进行预测的准确性，进而提高避免发生设备故障的准确性。

根据本发明的实施例，本发明实施例还提供了一种电子设备和一种可读存储介质。

本发明实施例的电子设备包括：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的预测方法。

图8示出了可以应用本发明实施例的用户行为的预测方法或用户行为的预测装置的示例性系统架构800。

如图8所示，系统架构800可以包括终端设备801、802、803，网络804和服务器805。网络804用以在终端设备801、802、803和服务器805之间提供通信链路的介质。网络804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801、802、803通过网络804与服务器805交互，以接收或发送消息等。终端设备801、802、803上可以安装有各种客户端应用。

终端设备801、802、803可以是但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器805可以是提供各种服务的服务器，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的预测方法一般由服务器805执行，相应地，用户行为的预测装置一般设置于服务器805中。

应该理解，图8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9，其示出了适于用来实现本发明实施例的计算机系统900的结构示意图。图9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9所示，计算机系统900包括中央处理单元(CPU)901，其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中，还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。

以下部件连接至I/O接口905：包括键盘、鼠标等的输入部分906；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907；包括硬盘等的存储部分908；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909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911，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910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908。

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909从网络上被下载和安装，和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901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：一种处理器包括接收单元、获取单元、计算单元和发送单元。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，接收单元还可以被描述为“接收单元的功能的单元”。

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的预测方法。

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)

1.一种用户行为的预测方法，其特征在于，包括：

接收用户行为的分析请求，所述分析请求包括虚拟资产标识；

基于所述虚拟资产标识，获取所述虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率；

调用预设的收益率计算模型，基于所述单位净值的变化率和所述预设指数的累计收益率，分别计算各所述历史时间段内用户行为对应的收益率，以基于所述用户行为对应收益率的大小确定第一时间点；

以预设函数为拟合目标，对各历史时间段内用户行为对应的收益率进行拟合，得到拟合结果，基于所述拟合结果确定第二时间点；

将所述第一时间点和所述第二时间点之间的时间段确定为用户行为的预测结果，发送所述预测结果，以执行所述预测结果对应的服务端控制程序。

2.根据权利要求1所述的方法，其特征在于，基于所述用户行为对应收益率的大小确定第一时间点，包括：

筛选所述用户行为对应收益率的最小值，以基于所述最小值对应历史时间段确定第一时间点。

3.根据权利要求1所述的方法，其特征在于，所述拟合结果包括拟合曲线；

基于所述拟合结果确定第二时间点，包括：

将所述拟合曲线的峰值或对称轴确定为所述第二时间点。

4.根据权利要求1所述的方法，其特征在于，基于所述虚拟资产标识，获取所述虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率，包括：

基于所述虚拟资产标识，从数据库中获取所述虚拟资产在各预设的历史时间段内的单位净值和预设指数收益率，以计算各所述历史时间段内单位净值的变化率和预设指数的累计收益率。

5.根据权利要求1所述的方法，其特征在于，执行所述预测结果对应的服务端控制程序，包括：

调用预设的设备控制接口，以基于所述预测结果向所述虚拟资产标识对应的备用设备发送打开或关闭指令。

6.根据权利要求1所述的方法，其特征在于，所述调用预设的设备控制接口，以基于所述预测结果向所述虚拟资产标识对应的备用设备发送打开或关闭指令，包括：

监控所述虚拟资产标识对应服务端的运行状态参数；

在当前时间属于所述预测结果时，判断所述运行状态参数是否大于预设阈值，若是，则调用预设的设备控制接口，以向所述虚拟资产标识对应的备用设备发送打开指令；若否，则不做处理。

7.根据权利要求1所述的方法，其特征在于，基于所述虚拟资产标识，获取所述虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率之前，还包括：

获取所述分析请求中的历史时间段，将所述分析请求中历史时间段确定为各预设的历史时间段。

8.一种用户行为的预测装置，其特征在于，包括：

接收单元，用于接收用户行为的分析请求，所述分析请求包括虚拟资产标识；

获取单元，用于基于所述虚拟资产标识，获取所述虚拟资产在各预设的历史时间段内单位净值的变化率和预设指数的累计收益率；

计算单元，用于调用预设的收益率计算模型，基于所述单位净值的变化率和所述预设指数的累计收益率，分别计算各所述历史时间段内用户行为对应的收益率，以基于所述用户行为对应收益率的大小确定第一时间点；

所述计算单元，还用于以预设函数为拟合目标，对各历史时间段内用户行为对应的收益率进行拟合，得到拟合结果，基于所述拟合结果确定第二时间点；

发送单元，用于将所述第一时间点和所述第二时间点之间的时间段确定为用户行为的预测结果，发送所述预测结果，以执行所述预测结果对应的服务端控制程序。

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