CN114936237A - 行为数据分析方法、装置、设备及存储介质 - Google Patents

行为数据分析方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN114936237A
CN114936237A CN202210583276.1A CN202210583276A CN114936237A CN 114936237 A CN114936237 A CN 114936237A CN 202210583276 A CN202210583276 A CN 202210583276A CN 114936237 A CN114936237 A CN 114936237A
Authority
CN
China
Prior art keywords
behavior
target
data
parameter
event
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.)
Pending
Application number
CN202210583276.1A
Other languages
English (en)
Inventor
石大文
李彧
钱玉森
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.)
Ping An Bank Co Ltd
Original Assignee
Ping An Bank 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 Ping An Bank Co Ltd filed Critical Ping An Bank Co Ltd
Priority to CN202210583276.1A priority Critical patent/CN114936237A/zh
Publication of CN114936237A publication Critical patent/CN114936237A/zh
Pending legal-status Critical Current

Links

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Technology Law (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Fuzzy Systems (AREA)
  • Strategic Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本申请涉及人工智能技术领域，揭示了一种行为数据分析方法、装置、设备及存储介质，其中方法包括：获取目标行为数据；从所述目标行为数据中解析出行为要素数据；将所述行为要素数据生成原子事件，作为目标原子事件；将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果；根据各个所述状态匹配结果确定行为数据分析结果。通过根据从行为数据中实时解析出的行为要素数据生成的原子事件进行复杂事件的状态匹配，将行为数据融合到统一的处理体系，从而能对用户行为数据和应用行为数据进行行为数据分析，使行为数据得到充分应用，充分挖掘了用户行为数据和应用行为数据的数据价值。

Description

行为数据分析方法、装置、设备及存储介质
技术领域
本申请涉及到人工智能技术领域，特别是涉及到一种行为数据分析方法、装置、设备及存储介质。
背景技术
行为数据分为用户行为数据和应用行为数据，用户行为数据用于描述用户的行为，应用行为数据用于描述应用的行为。传统的行为数据分析主要是针对用户行为数据中的埋点数据，埋点数据有一套统一的规范和标准，但是对于其他类型的行为数据的分析较少。比如，在金融行业中还有大量的交易行为数据、理财行为数据以及围绕金融相关的埋点数据以外的行为数据，这些行为数据跟埋点数据的规范不一致，而且使用频率和应用场景存在差异，导致埋点数据以外的行为数据难以得到充分应用，难以挖掘埋点数据以外的行为数据的数据价值。
发明内容
本申请的主要目的为提供一种行为数据分析方法、装置、设备及存储介质，旨在解决现有技术的行为数据分析主要是针对用户行为数据中的埋点数据，因埋点数据以外的行为数据跟埋点数据的规范、使用频率和应用场景存在差异，导致埋点数据以外的行为数据难以得到充分应用，难以挖掘埋点数据以外的行为数据的数据价值的技术问题。
为了实现上述发明目的，本申请提出一种行为数据分析方法，所述方法包括：
获取目标行为数据；
从所述目标行为数据中解析出行为要素数据；
将所述行为要素数据生成原子事件，作为目标原子事件；
将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果；
根据各个所述状态匹配结果确定行为数据分析结果。
进一步的，所述从所述目标行为数据中解析出行为要素数据的步骤，包括：
从所述目标行为数据中解析出每个行为要素参数对应的参数初始值，所述行为要素参数包括：主体标识、行为时间、行为地点、行为方式和行为内容；
获取一个所述行为要素参数作为待处理参数，将所述待处理参数对应的所述参数初始值作为待分析初始值；
从预设的转换类型表中获取与所述待处理参数对应的转换类型，作为目标转换类型；
当所述目标转换类型为格式转换时，从所述转换类型表中获取与所述待处理参数对应的转换格式，作为目标转换格式，将所述待分析初始值按照所述目标转换格式进行转换，得到所述待处理参数对应的参数目标值；
当所述目标转换类型为数据映射时，获取与所述待处理参数对应的映射表，作为目标映射表，将所述待分析初始值在所述目标映射表中进行原始值查找，将在所述目标映射表中查找到的所述原始值对应的映射值作为所述待处理参数对应的所述参数目标值；
当所述目标转换类型为数据查询时，获取与所述待处理参数对应的查询配置数据，通过所述查询配置数据，从预设的目标数据库中获取与所述待分析初始值对应的数据，作为所述待处理参数对应的所述参数目标值；
重复执行所述获取一个所述行为要素参数作为待处理参数的步骤，直至完成确定每个所述行为要素参数对应的所述参数目标值；
将各个所述参数目标值作为所述行为要素数据。
进一步的，所述目标行为数据是JSON消息格式，所述从所述目标行为数据中解析出每个行为要素参数对应的参数初始值的步骤，包括：
从所述目标行为数据中解析出每个所述行为要素参数对应的JSON原始变量；
将每个所述JSON原始变量进行预设格式转换，得到每个所述行为要素参数对应的所述参数初始值。
进一步的，所述将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果的步骤，包括：
从预设的复杂事件列表中查找与所述目标原子事件对应的复杂事件标识，作为复杂事件标识集；
根据所述目标原子事件和所述复杂事件标识集中的每个所述复杂事件标识进行关键字生成，得到所述复杂事件标识集对应的各个检索关键字；
将每个所述检索关键字在所述复杂事件状态库中查找，得到查找结果；
当存在为失败的所述查找结果时，将与为失败的每个所述查找结果对应的所述复杂事件和所述检索关键字作为关联数据添加到所述复杂事件状态库中，将所述目标原子事件输入至所述复杂事件状态库中的与为失败的所述查找结果对应的每个所述复杂事件中进行状态匹配，得到所述状态匹配结果；
当存在为成功的所述查找结果时，将所述复杂事件状态库中的与为成功的所述查找结果对应的每个所述复杂事件作为待匹配复杂事件，将所述目标原子事件输入至每个所述待匹配复杂事件中进行状态匹配，得到所述状态匹配结果。
进一步的，所述根据各个所述状态匹配结果确定行为数据分析结果的步骤，包括：
将在所述复杂事件状态库中的与为成功的所述状态匹配结果对应的每个所述复杂事件作为命中复杂事件；
将各个所述命中复杂事件各自输出的命中主体标识和事件属性输出结果作为所述行为数据分析结果。
进一步的，所述根据各个所述状态匹配结果确定行为数据分析结果的步骤之后，还包括：
获取订阅配置数据集；
将订阅配置数据集中的每个订阅配置数据的筛选条件，从所述行为数据分析结果中筛选数据，得到每个所述订阅配置数据对应的待下发分析结果；
将所述待下发分析结果发送给所述订阅配置数据对应的下游应用。
进一步的，所述根据各个所述状态匹配结果确定行为数据分析结果的步骤之后，还包括：
获取预设的复杂事件列表对应的历史订阅配置数据集；
通过所述历史订阅配置数据集，对所述预设复杂事件列表对应的每个所述复杂事件进行在预设时长内是否被订阅的判断；
若否，则将在所述预设时长内未被订阅的所述复杂事件从所述复杂事件列表中删除。
本申请还提出了一种行为数据分析装置，所述装置包括：
数据获取模块，用于获取目标行为数据；
行为要素数据确定模块，用于从所述目标行为数据中解析出行为要素数据；
目标原子事件确定模块，用于将所述行为要素数据生成原子事件，作为目标原子事件；
状态匹配结果确定模块，用于将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果；
行为数据分析结果确定模块，用于根据各个所述状态匹配结果确定行为数据分析结果。
本申请还提出了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请还提出了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的行为数据分析方法、装置、设备及存储介质，其中方法通过获取目标行为数据；从所述目标行为数据中解析出行为要素数据；将所述行为要素数据生成原子事件，作为目标原子事件；将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果；根据各个所述状态匹配结果确定行为数据分析结果。通过根据从行为数据中实时解析出的行为要素数据生成的原子事件进行复杂事件的状态匹配，将行为数据融合到统一的处理体系，从而能对用户行为数据和应用行为数据进行行为数据分析，使行为数据得到充分应用，充分挖掘了用户行为数据和应用行为数据的数据价值。
附图说明
图1为本申请一实施例的行为数据分析方法的流程示意图；
图2为本申请一实施例的行为数据分析装置的结构示意框图；
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参照图1，本申请实施例中提供一种行为数据分析方法，所述方法包括：
S1：获取目标行为数据；
S2：从所述目标行为数据中解析出行为要素数据；
S3：将所述行为要素数据生成原子事件，作为目标原子事件；
S4：将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果；
S5：根据各个所述状态匹配结果确定行为数据分析结果。
本实施例通过根据从行为数据中实时解析出的行为要素数据生成的原子事件进行复杂事件的状态匹配，将行为数据融合到统一的处理体系，从而能对用户行为数据和应用行为数据进行行为数据分析，使行为数据得到充分应用，充分挖掘了用户行为数据和应用行为数据的数据价值。
对于S1，可以从消息队列中获取行为数据作为目标行为数据，也可以是获取目标应用直接发送的行为数据作为目标行为数据。
目标应用包括：客户端、应用插件、应用系统中的一种或多种。
消息队列包括：RocketMQ(分布式消息中间件)、RabbitMQ(面向消息的中间件)、Kafka(高吞吐量的分布式发布订阅消息系统)中的一种或多种。
可以理解的是，本申请可以应用于金融领域。
行为数据包括：用户行为数据和/或应用行为数据。用户行为数据包括：埋点数据、非埋点行为数据。当本申请应用于金融领域时，非埋点行为数据包括但不限于：交易行为数据、理财行为数据以及围绕金融相关的行为数据。
应用行为数据包括但不限于：数据同步行为数据。
可选的，从消息队列中获取格式为JSON(轻量级的数据交换格式)消息格式的行为数据作为所述目标行为数据。
对于S2，行为要素数据表述为4W1H数据。
从所述目标行为数据中解析出主体标识、行为时间、行为地点、行为方式、行为内容，将解析出的主体标识(也就是4W1H的WHO)、行为时间(也就是4W1H的WHEN)、行为地点(也就是4W1H的WERE)、行为方式(也就是4W1H的HOW)和行为内容(也就是4W1H的WHAT)作为行为要素数据。主体标识可以是主体名称、主体ID等唯一标识一个主体的数据，主体可以是用户，也可以是应用。
比如，所述目标行为数据是转帐行为数据时，从所述目标行为数据中解析出主体标识(也就是转出款项的账号标识)、行为时间(也就是转账成功的时间)、行为地点(也就是转账使用的设备所在的经度和纬度)、行为方式(也就是自助转款机A11)、行为内容(也就是转账交易)作为行为要素数据，在此举例不做具体限定。
对于S3，采用预设的原子事件生成规则，将所述行为要素数据生成原子事件，将生成的原子事件作为目标原子事件。
原子事件，又称为基本事件或简单事件，是一个仅在样本空间中单个结果的事件。
原子事件包括：原子事件标识和原子事件描述数据。原子事件描述数据也就是对行为要素数据的描述数据。
对于S4，将所述目标原子事件输入复杂事件状态库中的与所述目标原子事件相关的每个复杂事件进行状态匹配，得到与所述目标原子事件相关的每个复杂事件对应的状态匹配结果。当复杂事件的事件描述信息中的各个原子事件之间的逻辑操作关系以及窗口计算关系得到满足时，则确定状态匹配结果为成功，否则，确定状态匹配结果为失败。
复杂事件，是对行为模式的总结和探索，针对多种行为模式进行比较和反馈，发现典型的行为模式或针对已发现的行为模式进行应用，或指定特定的行为模式进行运用，最后发出命中的主体标识。复杂事件，是原子事件集合，其中，原子事件集合中包括多个原子事件。复杂事件的处理，是在原子事件集合中识别用户定义的有意义事件。原子事件集合中的原子事件不包括具体的参数值。
复杂事件包括：复杂事件标识、事件描述信息和属性输出配置数据。复杂事件标识可以是复杂事件名称、复杂事件ID等唯一标识一个复杂事件的数据。事件描述信息中描述了各个原子事件之间的与、或、非的逻辑操作关系以及窗口计算关系。属性输出配置数据是需要输出的属性的配置数据，需要输出的属性来自原子事件。
复杂事件状态库包括：事件关键字和复杂事件状态数据。复杂事件状态数据，是一个复杂事件的状态满足情况数据。
对于S5，根据各个所述状态匹配结果确定命中的复杂事件，根据各个命中的复杂事件输出的命中主体标识和事件属性输出结果确定行为数据分析结果。
命中的复杂事件，也就是事件描述信息中的各个原子事件之间的逻辑操作关系以及窗口计算关系得到满足的复杂事件。
在一个实施例中，上述从所述目标行为数据中解析出行为要素数据的步骤，包括：
S21：从所述目标行为数据中解析出每个行为要素参数对应的参数初始值，所述行为要素参数包括：主体标识、行为时间、行为地点、行为方式和行为内容；
S22：获取一个所述行为要素参数作为待处理参数，将所述待处理参数对应的所述参数初始值作为待分析初始值；
S23：从预设的转换类型表中获取与所述待处理参数对应的转换类型，作为目标转换类型；
S24：当所述目标转换类型为格式转换时，从所述转换类型表中获取与所述待处理参数对应的转换格式，作为目标转换格式，将所述待分析初始值按照所述目标转换格式进行转换，得到所述待处理参数对应的参数目标值；
S25：当所述目标转换类型为数据映射时，获取与所述待处理参数对应的映射表，作为目标映射表，将所述待分析初始值在所述目标映射表中进行原始值查找，将在所述目标映射表中查找到的所述原始值对应的映射值作为所述待处理参数对应的所述参数目标值；
S26：当所述目标转换类型为数据查询时，获取与所述待处理参数对应的查询配置数据，通过所述查询配置数据，从预设的目标数据库中获取与所述待分析初始值对应的数据，作为所述待处理参数对应的所述参数目标值；
S27：重复执行所述获取一个所述行为要素参数作为待处理参数的步骤，直至完成确定每个所述行为要素参数对应的所述参数目标值；
S28：将各个所述参数目标值作为所述行为要素数据。
本实施例通过先从目标行为数据中解析出每个行为要素参数对应的参数初始值，然后根据行为要素参数的转换类型对参数初始值进行转换，为生成统一处理规范的行为要素数据提供了基础，为能对用户行为数据和应用行为数据进行行为数据分析提供了基础。
对于S21，将每个行为要素参数对应的关键字标识从所述目标行为数据中进行关键字标识查找，将查找到的每个关键字标识对应的值作为参数初始值。
参数初始值是主体标识初始值、行为时间初始值、行为地点初始值、行为方式初始值和行为内容初始值中的任一个。
对于S22，获取任一个所述行为要素参数作为待处理参数。将所述待处理参数对应的所述参数初始值作为待分析初始值，从而为后续对所述待处理参数对应的所述参数初始值进行格式转换提供了基础。
对于S23，从预设的转换类型表中获取与所述待处理参数对应的转换类型，将获取的转换类型作为目标转换类型。
转换类型表包括：行为要素参数、转换类型和转换格式。转换类型的取值范围包括：格式转换、数据映射和数据查询。转换格式的取值范围包括但不限于：时间格式和货币格式。
对于S24，当所述目标转换类型为格式转换时，意味着待分析初始值需要进行格式转换，因此从所述转换类型表中获取与所述待处理参数对应的转换格式，将获取的转换格式作为目标转换格式，将所述待分析初始值按照所述目标转换格式进行转换，将转换得到的数据作为所述待处理参数对应的参数目标值。
比如，当所述待处理参数为行为时间时，所述待处理参数对应的转换格式为时间格式，需要将所述待分析初始值转换成时间格式的数据，将转换得到的时间格式的数据作为所述待处理参数对应的参数目标值，在此举例不做具体限定。
对于S25，当所述目标转换类型为数据映射时，意味着待分析初始值需要查找到映射值，因此从数据库中获取与所述待处理参数对应的映射表，将获取的映射表作为目标映射表，将所述待分析初始值在所述目标映射表中进行原始值查找，将在所述目标映射表中查找到的所述原始值对应的映射值作为所述待处理参数对应的所述参数目标值，从而实现将所述待分析初始值的映射值作为所述待处理参数对应的所述参数目标值。
映射表包括：原始值和映射值。
对于S26，当所述目标转换类型为数据查询时，意味着需要根据待分析初始值查询数据，将查询的数据作为所述待处理参数对应的所述参数目标值，因此，从配置数据库中获取与所述待处理参数对应的配置数据作为查询配置数据。通过所述查询配置数据，从所述查询配置数据的数据库链接地址对应的目标数据库中获取与所述待分析初始值对应的数据，将获取到的数据作为所述待处理参数对应的所述参数目标值。
查询配置数据包括：数据库链接地址、数据表标识、查询字段标识和输出字段标识集。数据表标识可以是数据表名称、数据表ID等唯一标识一张数据表的数据。查询字段标识是需要查询的字段的字段标识。字段标识可以是字段名称、字段ID等唯一标识一个字段的数据。输出字段标识集中包括字段标识集和字段组装规则，用于描述需要输出的字段和字段值的组装规则，其中，字段标识集中包括一个或多个字段标识。
对于S27，重复执行所述获取一个所述行为要素参数作为待处理参数的步骤，也就是重复执行步骤S22至步骤S27，直至完成确定每个所述行为要素参数对应的所述参数目标值。
在一个实施例中，上述目标行为数据是JSON消息格式，所述从所述目标行为数据中解析出每个行为要素参数对应的参数初始值的步骤，包括：
S211：从所述目标行为数据中解析出每个所述行为要素参数对应的JSON原始变量；
S212：将每个所述JSON原始变量进行预设格式转换，得到每个所述行为要素参数对应的所述参数初始值。
本实施例目标行为数据是JSON消息格式，JSON消息格式数据量较小，从而有利于提高行为数据的传输速度。
对于S211，通过JSON解析器，从所述目标行为数据中解析出每个所述行为要素参数对应的JSON参数值，对每个JSON参数值创建原始变量以作为所述JSON原始变量。
对于S212，将每个所述JSON原始变量由JSON消息格式转换为字符格式，将格式转换后的得到的数据作为每个所述行为要素参数对应的所述参数初始值。
在一个实施例中，上述将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果的步骤，包括：
S41：从预设的复杂事件列表中查找与所述目标原子事件对应的复杂事件标识，作为复杂事件标识集；
S42：根据所述目标原子事件和所述复杂事件标识集中的每个所述复杂事件标识进行关键字生成，得到所述复杂事件标识集对应的各个检索关键字；
S43：将每个所述检索关键字在所述复杂事件状态库中查找，得到查找结果；
S44：当存在为失败的所述查找结果时，将与为失败的每个所述查找结果对应的所述复杂事件和所述检索关键字作为关联数据添加到所述复杂事件状态库中，将所述目标原子事件输入至所述复杂事件状态库中的与为失败的所述查找结果对应的每个所述复杂事件中进行状态匹配，得到所述状态匹配结果；
S45：当存在为成功的所述查找结果时，将所述复杂事件状态库中的与为成功的所述查找结果对应的每个所述复杂事件作为待匹配复杂事件，将所述目标原子事件输入至每个所述待匹配复杂事件中进行状态匹配，得到所述状态匹配结果。
本实施例从复杂事件列表中查找与所述目标原子事件对应的复杂事件标识，然后根据查找到的复杂事件标识进行检索关键字生成，最后根据检索关键字，将所述目标原子事件输入复杂事件状态库进行复杂事件的状态匹配，为确定命中的复杂事件提供了基础。
对于S41，复杂事件列表包括：复杂事件标识和原子事件标识集合，其中，原子事件标识集合中包括一个或多个原子事件标识。
其中，将所述目标原子事件对应的原子事件标识，从预设的复杂事件列表的各个原子事件标识集合中进行查找，将查找到的包含所述目标原子事件对应的原子事件标识的各个原子事件标识集合各自对应的复杂事件标识作为复杂事件标识集。
对于S42，根据所述目标原子事件的主体标识和所述复杂事件标识集中的每个所述复杂事件标识进行关键字生成，将生成的每个关键字作为一个检索关键字。也就是说，检索关键字的数量和所述复杂事件标识集中的复杂事件标识的数量相同。
对于S43，将每个所述检索关键字在所述复杂事件状态库的各个事件关键字中查找，将查找到事件关键字的所述检索关键字对应的查找结果确定为成功，确定没有查找到事件关键字的所述检索关键字对应的查找结果确定为失败。
对于S44，当存在为失败的所述查找结果时，意味着与为失败的每个所述查找结果对应的所述复杂事件未被添加到所述复杂事件状态库中，因此，首先将与为失败的每个所述查找结果对应的所述复杂事件和所述检索关键字作为关联数据添加到所述复杂事件状态库中，然后将所述目标原子事件输入至所述复杂事件状态库中的与为失败的所述查找结果对应的每个所述复杂事件对应的复杂事件状态数据中进行状态匹配，得到所述状态匹配结果，以实现对刚添加的复杂事件进行状态匹配。
对于S45，当存在为成功的所述查找结果时，意味着与为成功的所述查找结果对应的每个所述复杂事件已经存在所述复杂事件状态库中，因此，将所述复杂事件状态库中的与为成功的所述查找结果对应的每个所述复杂事件作为待匹配复杂事件，以找出所述复杂事件状态库中的与所述目标原子事件对应的各个复杂事件；将所述目标原子事件输入至每个所述待匹配复杂事件对应的复杂事件状态数据中进行状态匹配，得到所述状态匹配结果，为确定命中的复杂事件提供了基础。
在一个实施例中，上述根据各个所述状态匹配结果确定行为数据分析结果的步骤，包括：
S51：将在所述复杂事件状态库中的与为成功的所述状态匹配结果对应的每个所述复杂事件作为命中复杂事件；
S52：将各个所述命中复杂事件各自输出的命中主体标识和事件属性输出结果作为所述行为数据分析结果。
本实施例先将在所述复杂事件状态库中的与为成功的所述状态匹配结果对应的每个所述复杂事件作为命中复杂事件，然后将各个命中复杂事件的输出作为所述行为数据分析结果，实现根据从行为数据中实时解析出的行为要素数据生成的原子事件进行复杂事件的状态匹配和命中复杂事件的确定，使行为数据得到充分应用，充分挖掘了用户行为数据和应用行为数据的数据价值。
对于S52，采用预设的结果组合规则，将各个所述命中复杂事件各自输出的命中主体标识和事件属性输出结果进行结果组合，将组合得到的数据作为所述行为数据分析结果。
事件属性输出结果，是根据命中复杂事件中的属性输出配置数据，从命中复杂事件对应的复杂事件状态数据中获取数据，将获取的数据进行组合得到的结果。
可选的，结果组合规则为根据命中顺序生成列表。
可选的，所述将各个所述命中复杂事件各自输出的命中主体标识和事件属性输出结果作为所述行为数据分析结果的步骤之后，包括：将各个所述命中复杂事件从所述复杂事件状态库中删除。
在一个实施例中，上述根据各个所述状态匹配结果确定行为数据分析结果的步骤之后，还包括：
S61：获取订阅配置数据集；
S62：将订阅配置数据集中的每个订阅配置数据的筛选条件，从所述行为数据分析结果中筛选数据，得到每个所述订阅配置数据对应的待下发分析结果；
S63：将所述待下发分析结果发送给所述订阅配置数据对应的下游应用。
本实施例实现了根据筛选条件从所述行为数据分析结果中筛选数据进行下发，从而提高了下发的准确性，提高了用户满意度。
对于S61，可以从数据库中获取订阅配置数据集。
订阅配置数据集包括一条或多条订阅配置数据。
订阅配置数据包括：应用标识和筛选条件。应用标识可以是应用名称、应用ID等唯一标识一个应用的数据。
对于S62，将订阅配置数据集中的每个订阅配置数据的筛选条件，从所述行为数据分析结果中筛选数据，将针对每个订阅配置数据筛选得到的数据作为一个待下发分析结果。
对于S63，将所述待下发分析结果发送给该所述待下发分析结果对应的所述订阅配置数据的应用标识对应的下游应用。
在一个实施例中，上述根据各个所述状态匹配结果确定行为数据分析结果的步骤之后，还包括：
S71：获取预设的复杂事件列表对应的历史订阅配置数据集；
S72：通过所述历史订阅配置数据集，对所述预设复杂事件列表对应的每个所述复杂事件进行在预设时长内是否被订阅的判断；
S73：若否，则将在所述预设时长内未被订阅的所述复杂事件从所述复杂事件列表中删除。
本实施例实现了将长期无人订阅的复杂事件自动化删除，节约了计算资源。
对于S71，可以从数据库中获取预设的复杂事件列表对应的历史订阅配置数据集。
历史订阅配置数据集，历史的订阅配置数据集。
对于S72，将预设的所述复杂事件列表对应的每个所述复杂事件对应的复杂事件标识，从所述历史订阅配置数据集中进行事件标识查找，将在所述历史订阅配置数据集中查找到的事件标识对应的订阅配置数据的失效时间作为单配置失效时间；将所述预设复杂事件列表对应的每个所述复杂事件对应的各个单配置失效时间的最晚时间，作为所述预设复杂事件列表对应的每个所述复杂事件对应的最晚订阅时间；将最晚订阅时间距离当前时间的间隔时长在预设时长内的所述复杂事件确定为在预设时长内被订阅；将最晚订阅时间距离当前时间的间隔时长在预设时长外的所述复杂事件确定为在预设时长内未被订阅。
对于S73，若否，也就是在预设时长内未被订阅，则将在所述预设时长内未被订阅的所述复杂事件从所述复杂事件列表中删除，从而使所述复杂事件列表中始终保存活跃的复杂事件。
参照图2，本申请还提出了一种行为数据分析装置，所述装置包括：
数据获取模块100，用于获取目标行为数据；
行为要素数据确定模块200，用于从所述目标行为数据中解析出行为要素数据；
目标原子事件确定模块300，用于将所述行为要素数据生成原子事件，作为目标原子事件；
状态匹配结果确定模块400，用于将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果；
行为数据分析结果确定模块500，用于根据各个所述状态匹配结果确定行为数据分析结果。
本实施例通过根据从行为数据中实时解析出的行为要素数据生成的原子事件进行复杂事件的状态匹配，将行为数据融合到统一的处理体系，从而能对用户行为数据和应用行为数据进行行为数据分析，使行为数据得到充分应用，充分挖掘了用户行为数据和应用行为数据的数据价值。
在一个实施例中，上述行为要素数据确定模块200包括：参数初始值确定子模块和
从所述目标行为数据中解析出每个行为要素参数对应的参数初始值，所述行为要素参数包括：主体标识、行为时间、行为地点、行为方式和行为内容；
获取一个所述行为要素参数作为待处理参数，将所述待处理参数对应的所述参数初始值作为待分析初始值；
从预设的转换类型表中获取与所述待处理参数对应的转换类型，作为目标转换类型；
当所述目标转换类型为格式转换时，从所述转换类型表中获取与所述待处理参数对应的转换格式，作为目标转换格式，将所述待分析初始值按照所述目标转换格式进行转换，得到所述待处理参数对应的参数目标值；
当所述目标转换类型为数据映射时，获取与所述待处理参数对应的映射表，作为目标映射表，将所述待分析初始值在所述目标映射表中进行原始值查找，将在所述目标映射表中查找到的所述原始值对应的映射值作为所述待处理参数对应的所述参数目标值；
当所述目标转换类型为数据查询时，获取与所述待处理参数对应的查询配置数据，通过所述查询配置数据，从预设的目标数据库中获取与所述待分析初始值对应的数据，作为所述待处理参数对应的所述参数目标值；
重复执行所述获取一个所述行为要素参数作为待处理参数的步骤，直至完成确定每个所述行为要素参数对应的所述参数目标值；
将各个所述参数目标值作为所述行为要素数据。
在一个实施例中，上述目标行为数据是JSON消息格式，所述从所述目标行为数据中解析出每个行为要素参数对应的参数初始值的步骤，包括：
从所述目标行为数据中解析出每个所述行为要素参数对应的JSON原始变量；
将每个所述JSON原始变量进行预设格式转换，得到每个所述行为要素参数对应的所述参数初始值。
在一个实施例中，上述将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果的步骤，包括：
从预设的复杂事件列表中查找与所述目标原子事件对应的复杂事件标识，作为复杂事件标识集；
根据所述目标原子事件和所述复杂事件标识集中的每个所述复杂事件标识进行关键字生成，得到所述复杂事件标识集对应的各个检索关键字；
将每个所述检索关键字在所述复杂事件状态库中查找，得到查找结果；
当存在为失败的所述查找结果时，将与为失败的每个所述查找结果对应的所述复杂事件和所述检索关键字作为关联数据添加到所述复杂事件状态库中，将所述目标原子事件输入至所述复杂事件状态库中的与为失败的所述查找结果对应的每个所述复杂事件中进行状态匹配，得到所述状态匹配结果；
当存在为成功的所述查找结果时，将所述复杂事件状态库中的与为成功的所述查找结果对应的每个所述复杂事件作为待匹配复杂事件，将所述目标原子事件输入至每个所述待匹配复杂事件中进行状态匹配，得到所述状态匹配结果。
在一个实施例中，上述根据各个所述状态匹配结果确定行为数据分析结果的步骤，包括：
将在所述复杂事件状态库中的与为成功的所述状态匹配结果对应的每个所述复杂事件作为命中复杂事件；
将各个所述命中复杂事件各自输出的命中主体标识和事件属性输出结果作为所述行为数据分析结果。
在一个实施例中，上述根据各个所述状态匹配结果确定行为数据分析结果的步骤之后，还包括：
获取订阅配置数据集；
将订阅配置数据集中的每个订阅配置数据的筛选条件，从所述行为数据分析结果中筛选数据，得到每个所述订阅配置数据对应的待下发分析结果；
将所述待下发分析结果发送给所述订阅配置数据对应的下游应用。
在一个实施例中，上述根据各个所述状态匹配结果确定行为数据分析结果的步骤之后，还包括：
获取预设的复杂事件列表对应的历史订阅配置数据集；
通过所述历史订阅配置数据集，对所述预设复杂事件列表对应的每个所述复杂事件进行在预设时长内是否被订阅的判断；
若否，则将在所述预设时长内未被订阅的所述复杂事件从所述复杂事件列表中删除。
参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于储存行为数据分析方法等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种行为数据分析方法。所述行为数据分析方法，包括：获取目标行为数据；从所述目标行为数据中解析出行为要素数据；将所述行为要素数据生成原子事件，作为目标原子事件；将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果；根据各个所述状态匹配结果确定行为数据分析结果。
本实施例通过根据从行为数据中实时解析出的行为要素数据生成的原子事件进行复杂事件的状态匹配，将行为数据融合到统一的处理体系，从而能对用户行为数据和应用行为数据进行行为数据分析，使行为数据得到充分应用，充分挖掘了用户行为数据和应用行为数据的数据价值。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种行为数据分析方法，包括步骤：获取目标行为数据；从所述目标行为数据中解析出行为要素数据；将所述行为要素数据生成原子事件，作为目标原子事件；将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果；根据各个所述状态匹配结果确定行为数据分析结果。
上述执行的行为数据分析方法，通过根据从行为数据中实时解析出的行为要素数据生成的原子事件进行复杂事件的状态匹配，将行为数据融合到统一的处理体系，从而能对用户行为数据和应用行为数据进行行为数据分析，使行为数据得到充分应用，充分挖掘了用户行为数据和应用行为数据的数据价值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种行为数据分析方法，其特征在于，所述方法包括：
获取目标行为数据；
从所述目标行为数据中解析出行为要素数据；
将所述行为要素数据生成原子事件，作为目标原子事件；
将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果；
根据各个所述状态匹配结果确定行为数据分析结果。
2.根据权利要求1所述的行为数据分析方法，其特征在于，所述从所述目标行为数据中解析出行为要素数据的步骤，包括：
从所述目标行为数据中解析出每个行为要素参数对应的参数初始值，所述行为要素参数包括：主体标识、行为时间、行为地点、行为方式和行为内容；
获取一个所述行为要素参数作为待处理参数，将所述待处理参数对应的所述参数初始值作为待分析初始值；
从预设的转换类型表中获取与所述待处理参数对应的转换类型，作为目标转换类型；
当所述目标转换类型为格式转换时，从所述转换类型表中获取与所述待处理参数对应的转换格式，作为目标转换格式，将所述待分析初始值按照所述目标转换格式进行转换，得到所述待处理参数对应的参数目标值；
当所述目标转换类型为数据映射时，获取与所述待处理参数对应的映射表，作为目标映射表，将所述待分析初始值在所述目标映射表中进行原始值查找，将在所述目标映射表中查找到的所述原始值对应的映射值作为所述待处理参数对应的所述参数目标值；
当所述目标转换类型为数据查询时，获取与所述待处理参数对应的查询配置数据，通过所述查询配置数据，从预设的目标数据库中获取与所述待分析初始值对应的数据，作为所述待处理参数对应的所述参数目标值；
重复执行所述获取一个所述行为要素参数作为待处理参数的步骤，直至完成确定每个所述行为要素参数对应的所述参数目标值；
将各个所述参数目标值作为所述行为要素数据。
3.根据权利要求1所述的行为数据分析方法，其特征在于，所述目标行为数据是JSON消息格式，所述从所述目标行为数据中解析出每个行为要素参数对应的参数初始值的步骤，包括：
从所述目标行为数据中解析出每个所述行为要素参数对应的JSON原始变量；
将每个所述JSON原始变量进行预设格式转换，得到每个所述行为要素参数对应的所述参数初始值。
4.根据权利要求1所述的行为数据分析方法，其特征在于，所述将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果的步骤，包括：
从预设的复杂事件列表中查找与所述目标原子事件对应的复杂事件标识，作为复杂事件标识集；
根据所述目标原子事件和所述复杂事件标识集中的每个所述复杂事件标识进行关键字生成，得到所述复杂事件标识集对应的各个检索关键字；
将每个所述检索关键字在所述复杂事件状态库中查找，得到查找结果；
当存在为失败的所述查找结果时，将与为失败的每个所述查找结果对应的所述复杂事件和所述检索关键字作为关联数据添加到所述复杂事件状态库中，将所述目标原子事件输入至所述复杂事件状态库中的与为失败的所述查找结果对应的每个所述复杂事件中进行状态匹配，得到所述状态匹配结果；
当存在为成功的所述查找结果时，将所述复杂事件状态库中的与为成功的所述查找结果对应的每个所述复杂事件作为待匹配复杂事件，将所述目标原子事件输入至每个所述待匹配复杂事件中进行状态匹配，得到所述状态匹配结果。
5.根据权利要求1所述的行为数据分析方法，其特征在于，所述根据各个所述状态匹配结果确定行为数据分析结果的步骤，包括：
将在所述复杂事件状态库中的与为成功的所述状态匹配结果对应的每个所述复杂事件作为命中复杂事件；
将各个所述命中复杂事件各自输出的命中主体标识和事件属性输出结果作为所述行为数据分析结果。
6.根据权利要求1所述的行为数据分析方法，其特征在于，所述根据各个所述状态匹配结果确定行为数据分析结果的步骤之后，还包括：
获取订阅配置数据集；
将订阅配置数据集中的每个订阅配置数据的筛选条件，从所述行为数据分析结果中筛选数据，得到每个所述订阅配置数据对应的待下发分析结果；
将所述待下发分析结果发送给所述订阅配置数据对应的下游应用。
7.根据权利要求1所述的行为数据分析方法，其特征在于，所述根据各个所述状态匹配结果确定行为数据分析结果的步骤之后，还包括：
获取预设的复杂事件列表对应的历史订阅配置数据集；
通过所述历史订阅配置数据集，对所述预设复杂事件列表对应的每个所述复杂事件进行在预设时长内是否被订阅的判断；
若否，则将在所述预设时长内未被订阅的所述复杂事件从所述复杂事件列表中删除。
8.一种行为数据分析装置，其特征在于，所述装置包括：
数据获取模块，用于获取目标行为数据；
行为要素数据确定模块，用于从所述目标行为数据中解析出行为要素数据；
目标原子事件确定模块，用于将所述行为要素数据生成原子事件，作为目标原子事件；
状态匹配结果确定模块，用于将所述目标原子事件输入预设的复杂事件状态库进行复杂事件的状态匹配，得到状态匹配结果；
行为数据分析结果确定模块，用于根据各个所述状态匹配结果确定行为数据分析结果。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202210583276.1A 2022-05-25 2022-05-25 行为数据分析方法、装置、设备及存储介质 Pending CN114936237A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210583276.1A CN114936237A (zh) 2022-05-25 2022-05-25 行为数据分析方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210583276.1A CN114936237A (zh) 2022-05-25 2022-05-25 行为数据分析方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114936237A true CN114936237A (zh) 2022-08-23

Family

ID=82863876

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210583276.1A Pending CN114936237A (zh) 2022-05-25 2022-05-25 行为数据分析方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114936237A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117273243A (zh) * 2023-11-21 2023-12-22 数据空间研究院 一种用于时序事件预测的数据处理方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117273243A (zh) * 2023-11-21 2023-12-22 数据空间研究院 一种用于时序事件预测的数据处理方法及装置
CN117273243B (zh) * 2023-11-21 2024-02-09 数据空间研究院 一种用于时序事件预测的数据处理方法及装置

Similar Documents

Publication Publication Date Title
US12112144B2 (en) API specification generation
CN111666401B (zh) 基于图结构的公文推荐方法、装置、计算机设备及介质
CN111310427A (zh) 业务数据配置处理方法、装置、计算机设备和存储介质
US20060288015A1 (en) Electronic content classification
JP2009059353A (ja) 選択的に情報を検索しその後その情報の表示を可能にする装置および方法
CN110135888B (zh) 产品信息推送方法、装置、计算机设备和存储介质
CN110109656B (zh) 接口模拟方法、装置、计算机设备和存储介质
CN110609852A (zh) 流式数据处理方法、装置、计算机设备和存储介质
CN112131295A (zh) 基于Elasticsearch的数据处理方法及设备
CN112732742B (zh) 查询页面创建方法、装置、计算机设备和存储介质
KR102532216B1 (ko) Esg 보조 툴을 이용하여 정형화된 esg 데이터로 이루어진 esg 데이터베이스를 구축하는 방법 및 이를 수행하는 esg 서비스 제공 시스템
CN114936237A (zh) 行为数据分析方法、装置、设备及存储介质
CN113064584A (zh) 幂等的实现方法、装置、设备及介质
CN113742456A (zh) 基于人工智能的消息触达方法、装置、设备及存储介质
US20150248500A1 (en) Documentation parser
CN111026972A (zh) 物联网中的订阅数据推送方法、装置、设备及存储介质
CN113472915B (zh) 域名解析方法、装置、设备及存储介质
CN113032836B (zh) 数据脱敏方法和装置
CN114048367A (zh) 元数据信息查询方法、装置、设备及存储介质
CN114610973A (zh) 信息的搜索匹配方法、装置、计算机设备及存储介质
CN113961811A (zh) 基于事件图谱的话术推荐方法、装置、设备及介质
CN117473070B (zh) 智能机器人的多渠道应用方法、智能机器人和存储介质
CN109032952B (zh) 一种基于规则的智能外呼服务模拟方法及系统
CN118377850B (zh) 基于综合数据处理的企业数字管理方法及系统、电子设备
CN111309572B (zh) 测试分析方法、装置、计算机设备及存储介质

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