CN115062226A

CN115062226A - 用户行为积分分析方法、装置、计算机设备和存储介质

Info

Publication number: CN115062226A
Application number: CN202210752456.8A
Authority: CN
Inventors: 陈华亮; 刘文坡; 王超; 蔡益平
Original assignee: Hangzhou Hailiang Youzhi Technology Co ltd
Current assignee: Hangzhou Hailiang Youzhi Technology Co ltd
Priority date: 2022-06-29
Filing date: 2022-06-29
Publication date: 2022-09-16

Abstract

本申请涉及一种用户行为积分分析方法、装置、计算机设备和存储介质。所述方法包括：响应于目标用户的当前行为，获取所述目标用户的当前行为数据；确定所述目标用户的当前行为与历史行为的时间间隔；基于所述时间间隔以及所述目标用户的历史活跃积分确定历史行为积分，基于所述当前行为数据获取当前行为积分；基于所述历史行为积分以及当前行为积分确定所述目标用户的用户行为积分。上述用户行为积分分析方法、装置、计算机设备和存储介质，通过历史活跃积分以及时间间隔确定历史行为积分，并在历史行为积分的基础上累加当前行为积分进行计算，无需对所有用户数据重新进行统计计算，大大提高了计算效率。

Description

用户行为积分分析方法、装置、计算机设备和存储介质

技术领域

本申请涉及网络通信技术领域，特别是涉及一种用户行为积分分析方法、装置、计算机设备和存储介质。

背景技术

如今互联网广泛应用，用户在使用各种不同业务的同时产生并积累了大量的历史数据。海量用户数据中蕴藏着丰富的客户信息，是企业运营中的宝贵资源。用户数据中包含用户行为特征，而用户行为通常和多种社会因素和技术参数相关，这些会影响不同场景下用户的角色及特征规律。衡量用户行为的一个很重要的准则是用户活动水平，即用户活跃程度。

用户行为积分体系可以用于衡量用户活跃程度，是激励用户使用软件产品的有效手段，在设计用户行为积分模型时往往采用随时间衰减的积分统计方法以保障激励的时效性。例如：假设用户注册距今N天，用户K天前获得当日行为积分为Sk，则

其中r为衰减系数。

在传统针对此类计算场景的技术方案中，通常是在结构化数据表中按天汇总每个用户当天的行为积分，随后代入衰减系数累加计算得到最终积分结果。但这种方案，在每次进行计算时均需要对目标周期内的所有用户数据进行统计并计算，随着时间推移，周期变长，计算量会不断变大，大大降低计算效率。

发明内容

基于此，有必要针对上述技术问题，提供一种用户行为积分分析方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种用户行为积分分析方法。所述方法包括：

响应于目标用户的当前行为，获取所述目标用户的当前行为数据；

确定所述目标用户的当前行为与历史行为的时间间隔；

基于所述时间间隔以及所述目标用户的历史活跃积分确定历史行为积分，基于所述当前行为数据获取当前行为积分；

基于所述历史行为积分以及当前行为积分确定所述目标用户的用户行为积分。

在其中一个实施例中，所述基于所述时间间隔以及所述目标用户的历史活跃积分确定历史行为积分包括：

在目标缓存中查询所述目标用户的历史活跃积分，基于所述时间间隔确定衰减系数，所述目标缓存与所述目标用户对应；

基于所述衰减系数对所述目标用户的历史活跃积分进行衰减，得到所述历史行为积分。

在其中一个实施例中，所述确定所述目标用户的当前行为与历史行为的时间间隔包括：

在目标缓存中查询所述目标用户的上一次用户行为，确定所述上一次用户行为的时间，所述目标缓存与所述目标用户对应；

基于所述当前行为的时间以及上一次用户行为的时间确定所述时间间隔。

在其中一个实施例中，所述获取所述目标用户的当前行为数据包括：

接收消息队列推送的所述目标用户的当前行为数据，所述消息队列用于响应于所述目标用户的当前行为，将所述当前行为数据进行存储并主动推送给处理器。

在其中一个实施例中，所述基于所述历史行为积分以及当前行为积分确定所述目标用户的用户行为积分之后还包括：

将所述目标用户的用户行为积分以及所述当前行为数据存入目标缓存中，所述目标缓存与所述目标用户对应。

在其中一个实施例中，所述方法还包括：

在预设时间段内，对缓存中所有用户的历史活跃积分进行衰减，并基于当前时间对用户的所述历史行为的时间进行更新。

在其中一个实施例中，所述当前行为数据包括行为类型以及行为时间。

第二方面，本申请还提供了一种用户行为积分分析装置。所述装置包括：

获取模块，用于响应于目标用户的当前行为，获取所述目标用户的当前行为数据；

时间间隔确定模块，用于确定所述目标用户的当前行为与历史行为的时间间隔；

第一积分确定模块，用于基于所述时间间隔以及所述目标用户的历史行为数据确定历史行为积分，基于所述当前行为数据获取当前行为积分；

第二积分确定模块，用于基于所述历史行为积分以及当前行为积分确定所述目标用户的用户行为积分。

在其中一个实施例中，所述第一积分确定模块还用于：

在其中一个实施例中，所述时间间隔确定模块还用于：

在其中一个实施例中，所述获取模块还用于：

在其中一个实施例中，还包括存储模块，所述存储模块用于将所述目标用户的用户行为积分以及所述当前行为数据存入目标缓存中，所述目标缓存与所述目标用户对应。

在其中一个实施例中，还包括定时衰减模块，所述定时衰减模块用于在预设时间段内，对缓存中所有用户的历史活跃积分进行衰减，并基于当前时间对用户的所述历史行为的时间进行更新。

第三方面，本申请还提供了一种计算机设备。所述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以下步骤：

确定所述目标用户的当前行为与历史行为的时间间隔；

第四方面，本申请还提供了一种计算机可读存储介质。所述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以下步骤：

确定所述目标用户的当前行为与历史行为的时间间隔；

上述用户行为积分分析方法、装置、计算机设备和存储介质，通过响应于目标用户的当前行为，获取所述目标用户的当前行为数据；确定所述目标用户的当前行为与历史行为的时间间隔；基于所述时间间隔以及所述目标用户的历史活跃积分确定历史行为积分，基于所述当前行为数据获取当前行为积分；基于所述历史行为积分以及当前行为积分确定所述目标用户的用户行为积分的方式，通过历史活跃积分以及时间间隔确定历史行为积分，并在历史行为积分的基础上累加当前行为积分进行计算，无需对所有用户数据重新进行统计计算，大大提高了计算效率。

附图说明

图1为本发明一个实施例中的用户行为积分分析方法的应用环境图；

图2为本发明一个实施例中的用户行为积分分析方法的流程示意图；

图3为本发明另一个实施例中的用户行为积分分析方法的流程示意图；

图4为本发明一个实施例中的用户行为积分分析装置的结构框图；

图5为本发明一个实施例中的计算机设备的内部结构图。

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。

用户行为积分体系可以用于衡量用户活跃程度，是激励用户使用软件产品的有效手段，在设计用户行为积分模型时往往采用随时间衰减的积分统计方法以保障激励的时效性。

在传统针对此类计算场景的技术方案中，通常是在结构化数据表中按天汇总每个用户当天的行为积分，随后代入衰减系数累加计算得到最终积分结果。这类技术方案需要依赖数据库及数据表中的全量用户行为数据进行计算，随着用户行为数据越来越多，计算速度会越来越慢，单次计算速度慢又导致了无法在发生高频用户行为时进行实时计算。

本申请实施例提供的用户行为积分分析方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。用户在终端102上做出当前行为，终端102将当前行为数据传输给服务器104，服务器104确定所述目标用户的当前行为与历史行为的时间间隔；基于所述时间间隔以及所述目标用户的历史活跃积分确定历史行为积分，基于所述当前行为数据获取当前行为积分；基于所述历史行为积分以及当前行为积分确定所述目标用户的用户行为积分。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，提供了一种用户行为积分分析方法，包括以下步骤：

步骤S201，响应于目标用户的当前行为，获取所述目标用户的当前行为数据。

可以理解的，用户在网站、APP等社交系统中做出当前行为，具体地，可以为发文章、评论、登录等体现用户活跃情况的行为。用户做出当前行为后，终端102通知服务器104，服务器104可以向终端102发送数据获取请求，并接收基于数据获取请求返回的目标用户的当前行为数据，也可以由终端102在通知服务器104时直接将当前行为数据发送给服务器104，此处不做具体限定，其中，当前行为数据即为用户做出的当前行为的相关信息。

步骤S202，确定所述目标用户的当前行为与历史行为的时间间隔。

示例性地，目标用户可能是持续活跃用户，也可能是已经消失一段时间的用户，根据当前行为发生的当前时间以及历史行为发生的历史时间确定时间间隔，可以体现目标用户的活跃状态，并作为历史行为积分计算的基础。

步骤S203，基于所述时间间隔以及所述目标用户的历史活跃积分确定历史行为积分，基于所述当前行为数据获取当前行为积分。

可以理解的，目标用户的历史活跃积分为用户前一次或前几次活跃时，由服务器104计算得到的用户活跃情况，但根据用户近期的活跃状态，这一活跃情况需要进行适当调整，才能得到符合当前实际的历史活跃情况，因此引入时间间隔对目标的历史活跃积分进行调整，得到历史行为积分；再根据用户当前做出的当前行为计算当前行为积分，当前行为积分可以根据用户的当前行为的活跃时间、行为类型等参数进行计算。

步骤S204，基于所述历史行为积分以及当前行为积分确定所述目标用户的用户行为积分。

在本实施例中，历史行为积分用于表征目标用户的历史活跃情况，且历史活跃情况已基于用户活跃的时间间隔进行调整，当前行为积分用于表征目标用户当前的当前行为对应的活跃情况，两者结合，即可得到目标用户当前实际的用户行为积分，用于表征目标用户当前的活跃度。

上述用户行为积分分析方法，通过响应于目标用户的当前行为，获取所述目标用户的当前行为数据；确定所述目标用户的当前行为与历史行为的时间间隔；基于所述时间间隔以及所述目标用户的历史活跃积分确定历史行为积分，基于所述当前行为数据获取当前行为积分；基于所述历史行为积分以及当前行为积分确定所述目标用户的用户行为积分的方式，通过历史活跃积分以及时间间隔确定历史行为积分，并在历史行为积分的基础上累加当前行为积分进行计算，无需对所有用户数据重新进行统计计算，大大提高了计算效率。

在另一个实施例中，所述基于所述时间间隔以及所述目标用户的历史活跃积分确定历史行为积分包括：

步骤1，在目标缓存中查询所述目标用户的历史活跃积分，基于所述时间间隔确定衰减系数，所述目标缓存与所述目标用户对应；

步骤2，基于所述衰减系数对所述目标用户的历史活跃积分进行衰减，得到所述历史行为积分。

可以理解的，服务器中对应每个用户设置有一缓存，缓存以用户的ID命名，存储有该用户的历史活跃积分以及历史行为信息，其中，历史行为信息可以包括历史行为发生的时间。

缓存是可以进行高速数据交换的存储器，以键值对的方式存储数据，远快于基于硬盘的数据库存储，但其容量有限，不适合存储特别大量的数据。

示例性地，时间间隔越长，说明历史活跃积分需要进行更多次的衰减，因此根据时间间隔得到的衰减系数会越大，以对历史活跃积分进行适当的衰减。

上述实施例，通过从缓存中直接获取历史活跃积分进行计算，基于时间间隔确定衰减系数以对历史活跃积分进行衰减，以获取历史行为积分，数据的获取速度更快，且无需根据之前的用户行为数据重新进行计算，大大提高了计算效率。

在另一个实施例中，所述确定所述目标用户的当前行为与历史行为的时间间隔包括：

步骤1，在目标缓存中查询所述目标用户的上一次用户行为，确定所述上一次用户行为的时间，所述目标缓存与所述目标用户对应；

步骤2，基于所述当前行为的时间以及上一次用户行为的时间确定所述时间间隔。

示例性地，所述时间间隔为用户当前的当前行为与上一次用户行为之间的时间差，该时间差可体现用户近期的活跃状态。如上所述，用户对应的缓存中还存储有用户的历史行为信息，可以理解的，缓存中可以存储多个历史行为信息，也可以仅存储上一次用户行为的行为信息，由于缓存的存储空间较小，优选地，缓存中仅存储有上一次用户行为的行为信息。

在本实施例中，缓存中存储的历史行为信息包含历史行为的行为时间，当前行为数据中包含当前行为的行为时间，因此可以计算得到当前行为与上一次用户行为之间的时间差，作为时间间隔。

上述实施例，将用户当前的当前行为与上一次用户行为之间的时间差作为时间间隔，可以体现用户近期的活跃状态，以此确定衰减系数，对历史活跃积分进行衰减，可以得到更加准确的历史行为积分。同时，缓存中仅需存储上一次用户行为的行为信息，可节省缓存空间。

在另一个实施例中，所述获取所述目标用户的当前行为数据包括如下步骤：

接收消息队列推送的所述目标用户的当前行为数据，所述消息队列用于响应于所述目标用户的当前行为，将所述当前行为数据进行存储并主动推送给处理器。。

示例性的，消息队列是在消息的传输过程中保存消息的容器，队列的主要目的是提供路由并保证消息的传递；如果发送消息时接收者不可用，消息队列会保留消息，直到可以成功地传递它。

在本实施例中，当用户做出当前行为时，终端102将当前行为数据发送给消息队列，消息队列将当前行为数据进行保存，并在服务器104可接收时，将当前行为数据主动推送给服务器104。可以理解的，此处服务器104即为执行上述用户行为积分分析方法的处理器。

上述实施例，通过消息队列作为中介传输当前行为数据，能够有效避免服务器104临时不可用导致的数据丢失，保证数据传输的可靠性。且通过消息队列不断接收新的用户行为数据并与旧计算结果累加，实现了实时计算。当前行为数据由消息队列进行存储并主动推送，无需处理器主动从消息队列处获取，减轻了处理器的处理压力，提高了计算效率。同时，通过将用户行为事件在消息队列中排队，有序进行计算，能够缓解突发的高频用户行为给服务器带来的并发计算压力，提升积分计算服务的负载用户量。

在另一个实施例中，所述基于所述历史行为积分以及当前行为积分确定所述目标用户的用户行为积分之后还包括如下步骤：

示例性的，目标缓存中原本存储有上一次用户行为的行为信息以及历史活跃积分，当基于当前目标用户的当前行为计算得到用户行为积分后，则将用户行为积分存入缓存中，替代历史活跃积分，成为下次计算用户用户行为积分时新的历史活跃积分，将当前行为数据存入缓存中，替代历史行为信息，成为下次计算用户用户行为积分时新的历史行为信息。在其他实施例中，也可以仅是将用户行为积分以及当前行为数据存入缓存中，而不删除历史活跃积分以及历史行为信息，此处不做具体限定。

上述实施例，在计算得到用户行为积分后，则对缓存中的数据进行更新，以当前的行为数据和活跃度作为下次计算的基础，采用增量迭代式计算方法，就不再需要通过查询数据库中的大量用户行为数据产生耗时的计算，直接在缓存中获得数据并不断增量累加，大大提升了计算效率。

在另一个实施例中，所述方法还包括如下步骤：

示例性地，在每天0点从缓存中查找出所有前一次行为时间不是当天的用户，全部进行一次衰减，并将这些用户的前一次用户行为时间更新为当天。可以理解的，即使当天不发生用户行为的用户，其历史活跃积分也应当随时间而衰减，但当天未发生用户行为的用户，并不会进行衰减计算，会导致整体统计的偏差。

可以理解的，每天0点的定时衰减的处理后，前述计算的当前行为的时间以及上一次用户行为的时间的时间间隔仍可能为1天及以上。第一种原因是定时衰减的批量处理需要时间，有可能在开始新的一天后先发生用户行为，之后才进行定时衰减；第二种原因是意外情况导致的定时衰减中断，此时上述用户行为积分分析方法仍能够对用户进行单独的活跃度衰减和更新，以避免遗漏，保障了系统的运行稳定。

上述实施例，通过对当天未发生用户行为的用户进行整体定时衰减的方式，避免因不活跃用户未发生用户行为，历史活跃积分不衰减导致的误差。

在另一个实施例中，所述当前行为数据包括行为类型以及行为时间。

可以理解的，行为类型可用于计算当前行为积分，行为时间可用于确定时间间隔。在其它实施例中，当前行为数据还可以包括其他参数，此处不做具体限定。

请参阅图3，图3为本发明另一实施例的用户行为积分分析方法的流程示意图。

在本实施例中，所述用户行为积分分析方法包括：

步骤一，用户发生用户行为。

步骤二，通过消息队列推送用户行为数据。

示例性地，发生用户行为时，通过消息队列推送用户行为数据，用户行为数据中包含用于计算单次行为积分的用户行为数据及行为发生时间。

步骤三，计算处理程序接收用户行为数据。

具体地，计算处理程序通过消息队列实时接收用户行为数据。

步骤四，计算处理程序基于上一次积分计算结果及本次行为数据计算积分。

在本实施例中，步骤四具体包括，以发生用户行为的用户ID为键，查询此用户缓存中的「前一次行为时间」。然后判断「前一次行为时间」是否存在，如果未查到此用户，「前一次行为时间」不存在，说明用户此前未发生任何行为，则认为「距上一次行为间隔天数」K为0，从零开始作为新的行为累计用户积分，无需衰减；若「前一次行为时间」存在，则与「此次行为时间」比较，算出「距上一次行为间隔天数」K，如果前一次行为时间与此次行为时间为同一天，说明仍是同一天(当天)发生的行为，则K为0直接累加用户积分无需衰减；若K不为0，说明K天前计算生成的数据需要经过K次衰减，即进行计算，公式为：积分＝「累计积分计算结果」*衰减系数^K+「此次行为积分结果」，得到积分计算结果。

步骤五，将积分计算结果作为「累计积分计算结果」，此次用户行为时间作为「前一次行为时间」更新至缓存。

具体地，将积分计算结果作为「累计积分计算结果」，此次用户行为时间作为「前一次行为时间」更新至以当前用户ID为键的缓存中。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的用户行为积分分析方法的用户行为积分分析装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个用户行为积分分析装置实施例中的具体限定可以参见上文中对于用户行为积分分析方法的限定，在此不再赘述。

在一个实施例中，如图4所示，提供了一种用户行为积分分析装置，包括：获取模块410、时间间隔确定模块420、第一积分确定模块430和第二积分确定模块440，其中：

获取模块410，用于响应于目标用户的当前行为，获取所述目标用户的当前行为数据。

获取模块410，还用于接收消息队列推送的所述目标用户的当前行为数据，所述消息队列用于响应于所述目标用户的当前行为，将所述当前行为数据进行存储并主动推送给处理器。

时间间隔确定模块420，用于确定所述目标用户的当前行为与历史行为的时间间隔。

时间间隔确定模块420，还用于：

第一积分确定模块430，用于基于所述时间间隔以及所述目标用户的历史行为数据确定历史行为积分，基于所述当前行为数据获取当前行为积分。

第一积分确定模块430，还用于：

第二积分确定模块440，用于基于所述历史行为积分以及当前行为积分确定所述目标用户的用户行为积分。

用户行为积分分析装置，还包括：存储模块。

存储模块，用于：

用户行为积分分析装置，还包括：定时衰减模块。

定时衰减模块，用于：

上述用户行为积分分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5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、通信接口、显示屏和输入装置。其中，该计算机设备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和计算机程序。该内存储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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种用户行为积分分析方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

确定所述目标用户的当前行为与历史行为的时间间隔；

在一个实施例中，提供了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以下步骤：

确定所述目标用户的当前行为与历史行为的时间间隔；

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

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，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims

1.一种用户行为积分分析方法，其特征在于，所述方法包括：

确定所述目标用户的当前行为与历史行为的时间间隔；

2.根据权利要求1所述的方法，其特征在于，所述基于所述时间间隔以及所述目标用户的历史活跃积分确定历史行为积分包括：

3.根据权利要求1所述的方法，其特征在于，所述确定所述目标用户的当前行为与历史行为的时间间隔包括：

4.根据权利要求1所述的方法，其特征在于，所述获取所述目标用户的当前行为数据包括：

5.根据权利要求1所述的方法，其特征在于，所述基于所述历史行为积分以及当前行为积分确定所述目标用户的用户行为积分之后还包括：

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

7.根据权利要求1所述的方法，其特征在于，所述当前行为数据包括行为类型以及行为时间。

8.一种用户行为积分分析装置，其特征在于，所述装置包括：

第一积分确定模块，用于基于所述时间间隔以及所述目标用户的历史活跃积分确定历史行为积分，基于所述当前行为数据获取当前行为积分；

9.根据权利要求8所述的装置，其特征在于，所述第一积分确定模块还用于：

10.根据权利要求8所述的装置，其特征在于，所述时间间隔确定模块还用于：

11.根据权利要求8所述的装置，其特征在于，所述获取模块还用于：

12.根据权利要求8所述的装置，其特征在于，还包括存储模块，所述存储模块用于将所述目标用户的用户行为积分以及所述当前行为数据存入目标缓存中，所述目标缓存与所述目标用户对应。

13.根据权利要求8所述的装置，其特征在于，还包括定时衰减模块，所述定时衰减模块用于在预设时间段内，对缓存中所有用户的历史活跃积分进行衰减，并基于当前时间对用户的所述历史行为的时间进行更新。

14.根据权利要求8所述的装置，其特征在于，所述当前行为数据包括行为类型以及行为时间。

15.一种计算机设备，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中任一项所述的方法的步骤。

16.一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。