CN116186585B - 基于大数据分析的用户行为意图挖掘方法及装置 - Google Patents

Abstract

本发明公开了基于大数据分析的用户行为意图挖掘方法及装置，该方法包括：对于当前场景中的任一目标用户，采集目标用户对应的第一多维度用户信息；确定与当前场景对应的用户行为意图挖掘模型集合；对第一多维度用户信息进行分类，得到每个用户行为意图挖掘模型所对应的多维度子用户信息；对于每个用户行为意图挖掘模型，将用户行为意图挖掘模型所对应的多维度子用户信息输入至用户行为意图挖掘模型，得到用户行为意图挖掘模型的输出结果；根据所有用户行为意图挖掘模型的输出结果，综合评估目标用户的目标行为意图。可见，本发明能够基于采集到的用户多维度信息智能化的实现用户行为意图的挖识别，有利于提高用户行为意图的识别效率及识别准确率。

Description

基于大数据分析的用户行为意图挖掘方法及装置

技术领域

本发明涉及大数据分析技术领域，尤其涉及一种基于大数据分析的用户行为意图挖掘方法及装置。

背景技术

随着用户需求越来越多样化，各个行业(尤其是服务行业)的竞争也越来越激烈，如何识别出用户的行为意图以便于为其提供满足其需求的服务进而提高行业竞争力是各个行业的相关人员需要考虑的问题。

当前，通常通过问询或观察的方式识别相关用户的行为意图，这种方式不仅存在行为意图识别效率低的问题，而且还存在行为意图识别准确率低的问题。

可见，如何提供一种用户行为意图挖掘方法以提高用户行为意图的识别效率及识别准确率显得尤为重要。

发明内容

本发明所要解决的技术问题在于，提供一种基于大数据分析的用户行为意图挖掘方法及装置，能够基于采集到的用户多维度信息智能化的实现用户行为意图的挖识别，有利于提高用户行为意图的识别效率及识别准确率。

为了解决上述技术问题，本发明实施例第一方面公开了基于大数据分析的用户行为意图挖掘方法，所述方法包括：

对于当前场景中存在的任一目标用户，采集所述目标用户对应的第一多维度用户信息；

确定与所述当前场景对应的用户行为意图挖掘模型集合，所述用户行为意图挖掘模型集合包括多个不同类型的用户行为意图挖掘模型，不同类型的所述用户行为意图挖掘模型用于挖掘不同类型的用户行为意图；

对所述第一多维度用户信息进行分类，得到每个所述用户行为意图挖掘模型所对应的多维度子用户信息；

对于每个所述用户行为意图挖掘模型，将所述用户行为意图挖掘模型所对应的多维度子用户信息输入至所述用户行为意图挖掘模型，得到所述用户行为意图挖掘模型的输出结果；所述用户行为意图挖掘模型的输出结果包括所述用户行为意图挖掘模型的用户行为意图预测结果及所述用户行为意图预测结果对应的预测概率；

根据所有所述用户行为意图挖掘模型的输出结果，综合评估所述目标用户的目标行为意图。

作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所有所述用户行为意图挖掘模型的输出结果，综合评估所述目标用户的目标行为意图，包括：

将所有所述用户行为意图挖掘模型的输出结果输入至行为意图综合评估模型，得到所述行为意图综合评估模型的输出结果；

基于所述行为意图综合评估模型的输出结果，综合评估所述目标用户的目标行为意图。

作为一种可选的实施方式，在本发明实施例第一方面中，所述根据所有所述用户行为意图挖掘模型的输出结果，综合评估所述目标用户的目标行为意图之后，所述方法还包括：

采集所述目标用户对应的第二多维度用户信息；

基于所述第二多维度用户信息，分析所述目标用户针对所述目标行为意图的主观意图概率值及客观意图概率值；

基于所述当前场景的场景信息，分析所述主观意图概率值对应的第一场景影响因子以及所述客观意图概率值对应的第二场景影响因子；

根据所述目标用户在所述当前场景下针对所述目标行为意图的意图极性，从所述第一场景影响因子及所述第二场景影响因子中确定待调节场景因子；

根据所述意图极性对所述待调节场景影响因子执行调节操作；

其中，所述意图极性用于表示所述目标行为意图为正向行为意图或反向行为意图。

作为一种可选的实施方式，在本发明实施例第一方面中，所述方法还包括：

基于采集到的所述目标用户在所述当前场景下的用户社交行为，判断所述目标用户是否存在协同用户；

当判断出所述目标用户存在所述协同用户时，基于所述目标用户与所述协同用户在所述当前场景下的用户行为信息，从所述目标用户与所述协同用户中确定意图主导用户；

当所述意图主导用户不为所述目标用户时，生成行为意图调整参数，并基于所述行为意图调整参数对所述目标行为意图执行校准操作，以校准所述目标行为意图。

作为一种可选的实施方式，在本发明实施例第一方面中，所述方法还包括：

当所述意图极性表示所述目标行为意图为所述反向行为意图时，预测所述目标行为意图对所述当前场景的负向影响程度；

当所述负向影响程度的绝对值大于等于预设影响程度阈值时，生成所述反向行为意图对应的应急引导预案，所述应急引导预案用于对所述目标行为意图进行引导，以将所述目标行为意图引导至非反向行为意图。

作为一种可选的实施方式，在本发明实施例第一方面中，所述方法还包括：

根据当前时段所述当前场景下存在的所有所述目标用户的目标行为意图，分析出现频次超过第一预设频次阈值的正向行为意图集合，所述正向行为意图集合包括至少一个正向行为意图；

对于所述正向行为意图集合中的每个所述正向行为意图，根据所述当前场景下的当前场景参数，判断所述当前场景与所述正向行为意图的意图匹配度；若所述意图匹配度小于预设匹配度阈值，则生成场景参数优化方案，基于所述场景参数优化方案对所述当前场景参数进行优化，得到优化后场景参数。

作为一种可选的实施方式，在本发明实施例第一方面中，所述生成场景参数优化方案之后，所述方法还包括：

预判执行所述场景参数优化方案之后的场景参数优化结果对所述正向行为意图集合中的剩余正向行为意图的第一影响度以及对所有所述目标行为意图中出现频次超过第二预设阈值的所有负向行为意图的第二影响度；

基于所述第一影响度及所述第二影响度，判断所述场景参数优化方案是否满足预设执行条件，若是，则触发执行所述的基于所述场景参数优化方案对所述当前场景参数进行优化，得到优化后场景参数的步骤。

本发明实施例第二方面公开了一种基于大数据分析的用户行为意图挖掘装置，所述装置包括：

采集模块，用于对于当前场景中存在的任一目标用户，采集所述目标用户对应的第一多维度用户信息；

确定模块，用于确定与所述当前场景对应的用户行为意图挖掘模型集合，所述用户行为意图挖掘模型集合包括多个不同类型的用户行为意图挖掘模型，不同类型的所述用户行为意图挖掘模型用于挖掘不同类型的用户行为意图；

分类模块，用于对所述第一多维度用户信息进行分类，得到每个所述用户行为意图挖掘模型所对应的多维度子用户信息；

意图挖掘模块，用于对于每个所述用户行为意图挖掘模型，将所述用户行为意图挖掘模型所对应的多维度子用户信息输入至所述用户行为意图挖掘模型，得到所述用户行为意图挖掘模型的输出结果；所述用户行为意图挖掘模型的输出结果包括所述用户行为意图挖掘模型的用户行为意图预测结果及所述用户行为意图预测结果对应的预测概率；

所述意图挖掘模块，还用于根据所有所述用户行为意图挖掘模型的输出结果，综合评估所述目标用户的目标行为意图。

作为一种可选的实施方式，在本发明实施例第二方面中，所述意图挖掘模块根据所有所述用户行为意图挖掘模型的输出结果，综合评估所述目标用户的目标行为意图的具体方式为：

将所有所述用户行为意图挖掘模型的输出结果输入至行为意图综合评估模型，得到所述行为意图综合评估模型的输出结果；

基于所述行为意图综合评估模型的输出结果，综合评估所述目标用户的目标行为意图。

作为一种可选的实施方式，在本发明实施例第二方面中，所述采集模块，还用于在所述意图挖掘模块根据所有所述用户行为意图挖掘模型的输出结果，综合评估所述目标用户的目标行为意图之后，采集所述目标用户对应的第二多维度用户信息；

其中，所述装置还包括：

场景调整控制模块，用于基于所述第二多维度用户信息，分析所述目标用户针对所述目标行为意图的主观意图概率值及客观意图概率值；基于所述当前场景的场景信息，分析所述主观意图概率值对应的第一场景影响因子以及所述客观意图概率值对应的第二场景影响因子；根据所述目标用户在所述当前场景下针对所述目标行为意图的意图极性，从所述第一场景影响因子及所述第二场景影响因子中确定待调节场景因子；根据所述意图极性对所述待调节场景影响因子执行调节操作；其中，所述意图极性用于表示所述目标行为意图为正向行为意图或反向行为意图。

作为一种可选的实施方式，在本发明实施例第二方面中，所述装置还包括：

意图校准模块，用于基于采集到的所述目标用户在所述当前场景下的用户社交行为，判断所述目标用户是否存在协同用户；当判断出所述目标用户存在所述协同用户时，基于所述目标用户与所述协同用户在所述当前场景下的用户行为信息，从所述目标用户与所述协同用户中确定意图主导用户；当所述意图主导用户不为所述目标用户时，生成行为意图调整参数，并基于所述行为意图调整参数对所述目标行为意图执行校准操作，以校准所述目标行为意图。

作为一种可选的实施方式，在本发明实施例第二方面中，所述装置还包括：

意图引导模块，用于当所述意图极性表示所述目标行为意图为所述反向行为意图时，预测所述目标行为意图对所述当前场景的负向影响程度；当所述负向影响程度的绝对值大于等于预设影响程度阈值时，生成所述反向行为意图对应的应急引导预案，所述应急引导预案用于对所述目标行为意图进行引导，以将所述目标行为意图引导至非反向行为意图。

作为一种可选的实施方式，在本发明实施例第二方面中，所述装置还包括：

场景优化模块，用于根据当前时段所述当前场景下存在的所有所述目标用户的目标行为意图，分析出现频次超过第一预设频次阈值的正向行为意图集合，所述正向行为意图集合包括至少一个正向行为意图；对于所述正向行为意图集合中的每个所述正向行为意图，根据所述当前场景下的当前场景参数，判断所述当前场景与所述正向行为意图的意图匹配度；若所述意图匹配度小于预设匹配度阈值，则生成场景参数优化方案，基于所述场景参数优化方案对所述当前场景参数进行优化，得到优化后场景参数。

作为一种可选的实施方式，在本发明实施例第二方面中，所述场景优化模块，还用于在生成场景参数优化方案之后，预判执行所述场景参数优化方案之后的场景参数优化结果对所述正向行为意图集合中的剩余正向行为意图的第一影响度以及对所有所述目标行为意图中出现频次超过第二预设阈值的所有负向行为意图的第二影响度；基于所述第一影响度及所述第二影响度，判断所述场景参数优化方案是否满足预设执行条件，若是，则触发执行所述的基于所述场景参数优化方案对所述当前场景参数进行优化，得到优化后场景参数的操作。

本发明第三方面公开了另一种基于大数据分析的用户行为意图挖掘装置，所述装置包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于大数据分析的用户行为意图挖掘方法。

本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于大数据分析的用户行为意图挖掘方法。

与现有技术相比，本发明实施例具有以下有益效果：

本发明实施例中，对于当前场景中的任一目标用户，采集目标用户对应的第一多维度用户信息；确定与当前场景对应的用户行为意图挖掘模型集合；对第一多维度用户信息进行分类，得到每个用户行为意图挖掘模型所对应的多维度子用户信息；对于每个用户行为意图挖掘模型，将用户行为意图挖掘模型所对应的多维度子用户信息输入至用户行为意图挖掘模型，得到用户行为意图挖掘模型的输出结果；根据所有用户行为意图挖掘模型的输出结果，综合评估目标用户的目标行为意图。可见，本发明能够基于采集到的用户多维度信息智能化的实现用户行为意图的挖识别，有利于提高用户行为意图的识别效率及识别准确率。此外，在进行用户行为意图挖掘时，先进行细粒度的行为意图挖掘，再基于细粒度的行为意图挖掘结果综合评估最终的用户行为意图，有利于提高综合评估出的用户行为意图的准确性。此外，在综合评估出用户行为意图之后，还可以基于第二多维度信息分析用户针对评估出的行为意图的主观意图概率及客观意图概率，并基于当前场景的场景信息智能化的分析待调节场景因子，进而用户行为意图极性对待调节场景因子进行调整操作，有利于提高正向行为意图的成功率、减少反向行为意图发生的概率。此外，还能够在初步评估出某一用户的行为意图之后，进一步判断其是否存在协同用户，若存在且协同用户为意图主导用户的情况下对某一用户的行为意图执行校准，有利于在评估用户行为意图时减少其协同用户对评估结果的影响，有利于提高评估出的行为意图的准确性。此外，当评估出的用户意图的意图极性表示用户意图为反向行为意图时，进一步分析其对当前场景的负向影响程度，若负向影响程度较大，则生成对应的应急引导预案，有利于降低负向行为意图对当前场景中其它用户的影响概率。此外，还能够对出现频次较高的正向行为意图与当前场景进行意图匹配度判断，若意图匹配度较低时，自动实现对当前场景的场景参数进行优化，有利于提高当前场景与正向行为意图所对应的需求的匹配度，进而有利于为用户提供满足其正向行为意图所对应需求的服务，有利于提高服务成功率。此外，在基于正向行为意图与当前场景的意图匹配度对当前场景进行优化时，进一步预估优化结果对其它正向行为意图的影响度以及对负向行为意图的影响度，进而基于该两个维度的影响度对是否执行场景参数优化方案进行判断，提高了场景参数优化方案的执行准确性与可靠性，有利于减少执行场景参数优化方案而导致“得不偿失”的情况发生。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。

图1是本发明实施例公开的一种基于大数据分析的用户行为意图挖掘方法的流程示意图；

图2是本发明实施例公开的一种基于大数据分析的用户行为意图挖掘装置的结构示意图；

图3是本发明实施例公开的另一种基于大数据分析的用户行为意图挖掘装置的结构示意图；

图4是本发明实施例公开的又一种基于大数据分析的用户行为意图挖掘装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

本发明公开了一种基于大数据分析的用户行为意图挖掘方法及装置，基于采集到的用户多维度信息智能化的实现用户行为意图的挖识别，有利于提高用户行为意图的识别效率及识别准确率，此外，在进行用户行为意图挖掘时，先进行细粒度的行为意图挖掘，再基于细粒度的行为意图挖掘结果综合评估最终的用户行为意图，有利于提高综合评估出的用户行为意图的准确性。以下分别进行详细说明。

实施例一

请参阅图1，图1是本发明实施例公开的一种基于大数据分析的用户行为意图挖掘方法的流程示意图，其中，图1所描述的方法可以应用于用户意图挖掘装置中，该装置可以集成在相应场景对应的管理服务器中，该管理服务器可以为云端服务器，也可以为本地服务器，本发明实施例不做限定。如图1所示，该基于大数据分析的用户行为意图挖掘方法可以包括如下步骤：

101、对于当前场景中存在的任一目标用户，采集目标用户对应的第一多维度用户信息。

本发明实施例中，该目标用户可以为当前场景中存在的任一用户，也可以是当前场景中对应的用户参数满足预设参数条件的任一用户。可选的，用户所对应的用户参数可以包括用户在当前场景中所处的位置参数、用户在当前场景中所停留的时长参数、用户历史出现在当前场景中的次数参数、用户在当前场景中所购买的物品参数中的至少一种，物品参数可以包括实体物品参数和/或虚拟服务参数，本发明实施例不做限定。例如，当用户参数包括停留的时长参数时，用户参数满足预设参数条件可以为在当前场景中所停留的时长参数所对应的停留时长大于等于预设时长阈值。需要说明的是：在实际应用中，目标用户优选为当前场景中对应的用户参数满足预设参数条件的任一用户，也即只针对部分特定用户进行用户行为意图挖掘，既能够减少用户行为意图挖掘所需的数据处理量，还能够有利于提高用户行为意图挖掘的准确性。

进一步可选的，目标用户对应的第一多维度信息至少包括目标用户的年龄、性别、本次在当前场景中的停留时长、目标用户历史出现在该当前场景下所对应的历史用户信息(如历史购买记录等)、目标用户本次在当前场景中的行动轨迹、目标用户在当前场景中所处区域的区域服务类别、目标用户在不同区域的区域停留时长、目标用户出现在当前场景中的累计次数、目标用户本次在当前场景中不同区域的出现频次等中的一种或多种。如：目标用户在相应区域的区域停留时长越长，表示目标用户对该区域对应的服务内容感兴趣。

102、确定与当前场景对应的用户行为意图挖掘模型集合，用户行为意图挖掘模型集合包括多个不同类型的用户行为意图挖掘模型，不同类型的用户行为意图挖掘模型用于挖掘不同类型的用户行为意图。

本发明实施例中，不同类型的场景对应不同的用户行为意图挖掘模型集合，且在不同类别的场景下，同一个用户行为意图挖掘模型所需的用户信息也不同，有利于在不同场景下实现用户行为意图的针对性挖掘。举例来说，与当前场景对应的用户行为意图挖掘模型集合可以包括实体商品购买意图的用户行为意图挖掘模型、虚拟服务购买意图的用户行为意图挖掘模型、已购实体商品退货/退款意图的用户行为意图挖掘模型、已购虚拟服务退货/退款意图的用户行为意图挖掘模型、商品/服务比较意图的用户行为意图挖掘模型等，本发明实施例不做限定。

可选的，针对每个场景对应的用户行为意图挖掘模型集合，其包括的多个不同类型的用户行为意图挖掘模型是基于每个场景下的行为意图挖掘需求及训练用多维度用户信息对初始行为识别模型进行训练并在将初始行为识别模型训练至收敛之后得到的。

103、对第一多维度用户信息进行分类，得到每个用户行为意图挖掘模型所对应的多维度子用户信息。

需要说明的是，不同用户行为意图挖掘模型所对应的多维度子用户信息可以存在信息交叉，但是不完全相同。

104、对于每个用户行为意图挖掘模型，将用户行为意图挖掘模型所对应的多维度子用户信息输入至用户行为意图挖掘模型，得到用户行为意图挖掘模型的输出结果。

其中，用户行为意图挖掘模型的用户行为意图预测结果及用户行为意图预测结果对应的预测概率。需要说明的是，用户行为意图预测结果对应的预测概率越大，对应的用户行为意图预测结果中的预测行为意图越强烈。

105、根据所有用户行为意图挖掘模型的输出结果，综合评估目标用户的目标行为意图。

作为一种可选的实施方式，根据所有用户行为意图挖掘模型的输出结果，综合评估目标用户的目标行为意图，可以包括：

将所有用户行为意图挖掘模型的输出结果输入至行为意图综合评估模型，得到行为意图综合评估模型的输出结果；

基于行为意图综合评估模型的输出结果，综合评估目标用户的目标行为意图。

进一步的，将所有用户行为意图挖掘模型的输出结果输入至行为意图综合评估模型，得到行为意图综合评估模型的输出结果之前，可以先剔除对应的预测概率小于等于预设概率阈值的输出结果，有利于提高综合评估结果的准确性。

可见，实施本发明实施例所描述的方法能够基于采集到的用户多维度信息智能化的实现用户行为意图的挖识别，有利于提高用户行为意图的识别效率及识别准确率。此外，在进行用户行为意图挖掘时，先进行细粒度的行为意图挖掘，再基于细粒度的行为意图挖掘结果综合评估最终的用户行为意图，有利于提高综合评估出的用户行为意图的准确性。

在一个可选的实施例中，在执行上述步骤105之后，该方法还可以包括以下操作：

采集目标用户对应的第二多维度用户信息；

基于第二多维度用户信息，分析目标用户针对目标行为意图的主观意图概率值及客观意图概率值；

基于当前场景的场景信息，分析主观意图概率值对应的第一场景影响因子以及客观意图概率值对应的第二场景影响因子；

根据目标用户在当前场景下针对目标行为意图的意图极性，从第一场景影响因子及第二场景影响因子中确定待调节场景因子；

根据意图极性对待调节场景影响因子执行调节操作。

其中，意图极性用于表示目标行为意图为正向行为意图或反向行为意图。

可选的，第二多维度用户信息可以包括目标用户的年龄、目标用户的性别、目标用户的消费习惯、目标用户的消费等级、目标用户对应的协同用户中的至少一种或者多种。进一步可选的，主观意图可以理解为目标用户个人的喜好，客观意图可以理解为目标用户的刚需。进一步可选的，第一场景影响因子具体为当前场景中能够影响目标用户个人喜好的影响因子，如场景环境等，第二场景影响因子具体为当前场景中能够影响目标用户刚需的影响因子，如服务质量、物品性能、物品折扣等。

又进一步可选的，若意图极性表示目标用户的目标行为意图为正向行为意图，将主观意图概率值、客观意图概率值中小于对应的预设概率阈值的目标概率值所对应的场景影响因子作为待调节场景因子，且对待调节场景影响因子执行调节操作用于进一步提升目标行为目标用户针对目标行为意图的主观意图概率值及客观意图概率值。

可见，该可选的实施例还能够在综合评估出用户行为意图之后，还可以基于第二多维度信息分析用户针对评估出的行为意图的主观意图概率及客观意图概率，并基于当前场景的场景信息智能化的分析待调节场景因子，进而用户行为意图极性对待调节场景因子进行调整操作，有利于提高正向行为意图的成功率、减少反向行为意图发生的概率。

在另一个可选的实施例中，该方法还可以包括以下操作：

基于采集到的目标用户在当前场景下的用户社交行为，判断目标用户是否存在协同用户；

当判断出目标用户存在协同用户时，基于目标用户与协同用户在当前场景下的用户行为信息，从目标用户与协同用户中确定意图主导用户；

当意图主导用户不为目标用户时，生成行为意图调整参数，并基于行为意图调整参数对目标行为意图执行校准操作，以校准目标行为意图。

可见，该可选的实施例还能够在初步评估出某一用户的行为意图之后，进一步判断其是否存在协同用户，若存在且协同用户为意图主导用户的情况下对某一用户的行为意图执行校准，有利于在评估用户行为意图时减少其协同用户对评估结果的影响，有利于提高评估出的行为意图的准确性。

在又一个可选的实施例中，该方法还可以包括：

当意图极性表示目标行为意图为反向行为意图时，预测目标行为意图对当前场景的负向影响程度；

当负向影响程度的绝对值大于等于预设影响程度阈值时，生成反向行为意图对应的应急引导预案，应急引导预案用于对目标行为意图进行引导，以将目标行为意图引导至非反向行为意图。

可见，该可选的实施例还能够当评估出的用户意图的意图极性表示用户意图为反向行为意图时，进一步分析其对当前场景的负向影响程度，若负向影响程度较大，则生成对应的应急引导预案，有利于降低负向行为意图对当前场景中其它用户的影响概率。

在又一个可选的实施例中，该方法还可以包括：

根据当前时段当前场景下存在的所有目标用户的目标行为意图，分析出现频次超过第一预设频次阈值的正向行为意图集合，正向行为意图集合包括至少一个正向行为意图；

对于正向行为意图集合中的每个正向行为意图，根据当前场景下的当前场景参数，判断当前场景与正向行为意图的意图匹配度；若意图匹配度小于预设匹配度阈值，则生成场景参数优化方案，基于场景参数优化方案对当前场景参数进行优化，得到优化后场景参数。

可见，该可选的实施例还能够对出现频次较高的正向行为意图与当前场景进行意图匹配度判断，若意图匹配度较低时，自动实现对当前场景的场景参数进行优化，有利于提高当前场景与正向行为意图所对应的需求的匹配度，进而有利于为用户提供满足其正向行为意图所对应需求的服务，有利于提高服务成功率。

在又一个可选的实施例中，在生成场景参数优化方案之后，该方法还包括：

预判执行场景参数优化方案之后的场景参数优化结果对正向行为意图集合中的剩余正向行为意图的第一影响度以及对所有目标行为意图中出现频次超过第二预设阈值的所有负向行为意图的第二影响度；

基于第一影响度及第二影响度，判断场景参数优化方案是否满足预设执行条件，若是，则触发执行上述的基于场景参数优化方案对当前场景参数进行优化，得到优化后场景参数的步骤。

可见，该可选的实施例还能够在基于正向行为意图与当前场景的意图匹配度对当前场景进行优化时，进一步预估优化结果对其它正向行为意图的影响度以及对负向行为意图的影响度，进而基于该两个维度的影响度对是否执行场景参数优化方案进行判断，提高了场景参数优化方案的执行准确性与可靠性，有利于减少执行场景参数优化方案而导致“得不偿失”的情况发生。

实施例二

请参阅图2，图2是本发明实施例公开的一种基于大数据分析的用户行为意图挖掘装置的结构示意图。其中，图2所描述的装置可以集成在相应场景对应的管理服务器中，该管理服务器可以为云端服务器，也可以为本地服务器，本发明实施例不做限定。如图2所示，该装置可以包括：

采集模块201，用于对于当前场景中存在的任一目标用户，采集目标用户对应的第一多维度用户信息；

确定模块202，用于确定与当前场景对应的用户行为意图挖掘模型集合，用户行为意图挖掘模型集合包括多个不同类型的用户行为意图挖掘模型，不同类型的用户行为意图挖掘模型用于挖掘不同类型的用户行为意图；

分类模块203，用于对第一多维度用户信息进行分类，得到每个用户行为意图挖掘模型所对应的多维度子用户信息；

意图挖掘模块204，用于对于每个用户行为意图挖掘模型，将用户行为意图挖掘模型所对应的多维度子用户信息输入至用户行为意图挖掘模型，得到用户行为意图挖掘模型的输出结果，其中，用户行为意图挖掘模型的用户行为意图预测结果及用户行为意图预测结果对应的预测概率；

意图挖掘模块204，还用于根据所有用户行为意图挖掘模型的输出结果，综合评估目标用户的目标行为意图。

本发明实施例中，该目标用户可以为当前场景中存在的任一用户，也可以是当前场景中对应的用户参数满足预设参数条件的任一用户。可选的，用户所对应的用户参数可以包括用户在当前场景中所处的位置参数、用户在当前场景中所停留的时长参数、用户历史出现在当前场景中的次数参数、用户在当前场景中所购买的物品参数中的至少一种，物品参数可以包括实体物品参数和/或虚拟服务参数，本发明实施例不做限定。例如，当用户参数包括停留的时长参数时，用户参数满足预设参数条件可以为在当前场景中所停留的时长参数所对应的停留时长大于等于预设时长阈值。需要说明的是：在实际应用中，目标用户优选为当前场景中对应的用户参数满足预设参数条件的任一用户，也即只针对部分特定用户进行用户行为意图挖掘，既能够减少用户行为意图挖掘所需的数据处理量，还能够有利于提高用户行为意图挖掘的准确性。

进一步可选的，目标用户对应的第一多维度信息至少包括目标用户的年龄、性别、本次在当前场景中的停留时长、目标用户历史出现在该当前场景下所对应的历史用户信息(如历史购买记录等)、目标用户本次在当前场景中的行动轨迹、目标用户在当前场景中所处区域的区域服务类别、目标用户在不同区域的区域停留时长、目标用户出现在当前场景中的累计次数、目标用户本次在当前场景中不同区域的出现频次等中的一种或多种。如：目标用户在相应区域的区域停留时长越长，表示目标用户对该区域对应的服务内容感兴趣。

可见，实施图2所描述的装置能够基于采集到的用户多维度信息智能化的实现用户行为意图的挖识别，有利于提高用户行为意图的识别效率及识别准确率。

在一个可选的实施例中，意图挖掘模块204根据所有用户行为意图挖掘模型的输出结果，综合评估目标用户的目标行为意图的具体方式为：

将所有用户行为意图挖掘模型的输出结果输入至行为意图综合评估模型，得到行为意图综合评估模型的输出结果；

基于行为意图综合评估模型的输出结果，综合评估目标用户的目标行为意图。

进一步的，将所有用户行为意图挖掘模型的输出结果输入至行为意图综合评估模型，得到行为意图综合评估模型的输出结果之前，可以先剔除对应的预测概率小于等于预设概率阈值的输出结果，有利于提高综合评估结果的准确性。

可见，该可选的实施例还能够在进行用户行为意图挖掘时，先进行细粒度的行为意图挖掘，再基于细粒度的行为意图挖掘结果综合评估最终的用户行为意图，有利于提高综合评估出的用户行为意图的准确性。

在另一个可选的实施例中，采集模块201，还用于在意图挖掘模块204根据所有用户行为意图挖掘模型的输出结果，综合评估目标用户的目标行为意图之后，采集目标用户对应的第二多维度用户信息。

其中，如图3所示，该装置还包括：

场景调整控制模块205，用于基于第二多维度用户信息，分析目标用户针对目标行为意图的主观意图概率值及客观意图概率值；基于当前场景的场景信息，分析主观意图概率值对应的第一场景影响因子以及客观意图概率值对应的第二场景影响因子；根据目标用户在当前场景下针对目标行为意图的意图极性，从第一场景影响因子及第二场景影响因子中确定待调节场景因子；根据意图极性对待调节场景影响因子执行调节操作。

其中，意图极性用于表示目标行为意图为正向行为意图或反向行为意图。

可选的，第二多维度用户信息可以包括目标用户的年龄、目标用户的性别、目标用户的消费习惯、目标用户的消费等级、目标用户对应的协同用户中的至少一种或者多种。进一步可选的，主观意图可以理解为目标用户个人的喜好，客观意图可以理解为目标用户的刚需。进一步可选的，第一场景影响因子具体为当前场景中能够影响目标用户个人喜好的影响因子，如场景环境等，第二场景影响因子具体为当前场景中能够影响目标用户刚需的影响因子，如服务质量、物品性能、物品折扣等。

又进一步可选的，若意图极性表示目标用户的目标行为意图为正向行为意图，将主观意图概率值、客观意图概率值中小于对应的预设概率阈值的目标概率值所对应的场景影响因子作为待调节场景因子，且对待调节场景影响因子执行调节操作用于进一步提升目标行为目标用户针对目标行为意图的主观意图概率值及客观意图概率值。

可见，该可选的实施例还能够在综合评估出用户行为意图之后，还可以基于第二多维度信息分析用户针对评估出的行为意图的主观意图概率及客观意图概率，并基于当前场景的场景信息智能化的分析待调节场景因子，进而用户行为意图极性对待调节场景因子进行调整操作，有利于提高正向行为意图的成功率、减少反向行为意图发生的概率。

在又一个可选的实施例中，如图3所示，该装置还包括：

意图校准模块206，用于基于采集到的目标用户在当前场景下的用户社交行为，判断目标用户是否存在协同用户；当判断出目标用户存在协同用户时，基于目标用户与协同用户在当前场景下的用户行为信息，从目标用户与协同用户中确定意图主导用户；当意图主导用户不为目标用户时，生成行为意图调整参数，并基于行为意图调整参数对目标行为意图执行校准操作，以校准目标行为意图。

可见，该可选的实施例还能够在初步评估出某一用户的行为意图之后，进一步判断其是否存在协同用户，若存在且协同用户为意图主导用户的情况下对某一用户的行为意图执行校准，有利于在评估用户行为意图时减少其协同用户对评估结果的影响，有利于提高评估出的行为意图的准确性。

在又一个可选的实施例中，如图3所示，该装置还包括：

意图引导模块207，用于当意图极性表示目标行为意图为反向行为意图时，预测目标行为意图对当前场景的负向影响程度；当负向影响程度的绝对值大于等于预设影响程度阈值时，生成反向行为意图对应的应急引导预案，应急引导预案用于对目标行为意图进行引导，以将目标行为意图引导至非反向行为意图。

可见，该可选的实施例还能够当评估出的用户意图的意图极性表示用户意图为反向行为意图时，进一步分析其对当前场景的负向影响程度，若负向影响程度较大，则生成对应的应急引导预案，有利于降低负向行为意图对当前场景中其它用户的影响概率。

在又一个可选的实施例中，如图3所示，该装置还包括：

场景优化模块208，用于根据当前时段当前场景下存在的所有目标用户的目标行为意图，分析出现频次超过第一预设频次阈值的正向行为意图集合，正向行为意图集合包括至少一个正向行为意图；对于正向行为意图集合中的每个正向行为意图，根据当前场景下的当前场景参数，判断当前场景与正向行为意图的意图匹配度；若意图匹配度小于预设匹配度阈值，则生成场景参数优化方案，基于场景参数优化方案对当前场景参数进行优化，得到优化后场景参数。

可见，该可选的实施例还能够对出现频次较高的正向行为意图与当前场景进行意图匹配度判断，若意图匹配度较低时，自动实现对当前场景的场景参数进行优化，有利于提高当前场景与正向行为意图所对应的需求的匹配度，进而有利于为用户提供满足其正向行为意图所对应需求的服务，有利于提高服务成功率。

在该可选的实施例中，进一步可选的，场景优化模块208，还用于在生成场景参数优化方案之后，预判执行场景参数优化方案之后的场景参数优化结果对正向行为意图集合中的剩余正向行为意图的第一影响度以及对所有目标行为意图中出现频次超过第二预设阈值的所有负向行为意图的第二影响度；基于第一影响度及第二影响度，判断场景参数优化方案是否满足预设执行条件，若是，则触发执行上述的基于场景参数优化方案对当前场景参数进行优化，得到优化后场景参数的操作。

可见，该可选的实施例还能够在基于正向行为意图与当前场景的意图匹配度对当前场景进行优化时，进一步预估优化结果对其它正向行为意图的影响度以及对负向行为意图的影响度，进而基于该两个维度的影响度对是否执行场景参数优化方案进行判断，提高了场景参数优化方案的执行准确性与可靠性，有利于减少执行场景参数优化方案而导致“得不偿失”的情况发生。

实施例三

请参阅图4，图4是本发明实施例公开的又一种基于大数据分析的用户行为意图挖掘装置的结构示意图。其中，图4所描述的装置可以集成在相应场景对应的管理服务器中，该管理服务器可以为云端服务器，也可以为本地服务器，本发明实施例不做限定。如图4所示，该装置可以包括：

存储有可执行程序代码的301存储器；

与存储器耦合的处理器302；

处理器302调用存储器301中存储的可执行程序代码，执行实施例一中所描述的任一基于大数据分析的用户行为意图挖掘方法的部分或全部步骤。

实施例四

本发明实施例公开了一种计算机存储介质，其存储用于电子数据交换的计算机程序，其中，该计算机程序使得计算机执行实施例一中所描述的任一基于大数据分析的用户行为意图挖掘方法的部分或全部步骤。

实施例五

本发明实施例公开了一种计算机程序产品，该计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，且该计算机程序可操作来使计算机执行实施例一中所描述的任一基于大数据分析的用户行为意图挖掘方法的部分或全部步骤。

以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。

最后应说明的是：本发明实施例公开的一种基于大数据分析的用户行为意图挖掘方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离奔放各项实施例技术方案的精神和范围。

Claims (9)

1.一种基于大数据分析的用户行为意图挖掘方法，其特征在于，所述方法包括：

对于当前场景中存在的任一目标用户，采集所述目标用户对应的第一多维度用户信息；

确定与所述当前场景对应的用户行为意图挖掘模型集合，所述用户行为意图挖掘模型集合包括多个不同类型的用户行为意图挖掘模型，不同类型的所述用户行为意图挖掘模型用于挖掘不同类型的用户行为意图；

对所述第一多维度用户信息进行分类，得到每个所述用户行为意图挖掘模型所对应的多维度子用户信息；

对于每个所述用户行为意图挖掘模型，将所述用户行为意图挖掘模型所对应的多维度子用户信息输入至所述用户行为意图挖掘模型，得到所述用户行为意图挖掘模型的输出结果；所述用户行为意图挖掘模型的输出结果包括所述用户行为意图挖掘模型的用户行为意图预测结果及所述用户行为意图预测结果对应的预测概率；

根据所有所述用户行为意图挖掘模型的输出结果，综合评估所述目标用户的目标行为意图；

以及，所述根据所有所述用户行为意图挖掘模型的输出结果，综合评估所述目标用户的目标行为意图之后，所述方法还包括：

采集所述目标用户对应的第二多维度用户信息；

基于所述第二多维度用户信息，分析所述目标用户针对所述目标行为意图的主观意图概率值及客观意图概率值；

基于所述当前场景的场景信息，分析所述主观意图概率值对应的第一场景影响因子以及所述客观意图概率值对应的第二场景影响因子；

根据所述目标用户在所述当前场景下针对所述目标行为意图的意图极性，从所述第一场景影响因子及所述第二场景影响因子中确定待调节场景因子；

根据所述意图极性对所述待调节场景影响因子执行调节操作；

其中，所述意图极性用于表示所述目标行为意图为正向行为意图或反向行为意图。

2.根据权利要求1所述的基于大数据分析的用户行为意图挖掘方法，其特征在于，所述根据所有所述用户行为意图挖掘模型的输出结果，综合评估所述目标用户的目标行为意图，包括：

将所有所述用户行为意图挖掘模型的输出结果输入至行为意图综合评估模型，得到所述行为意图综合评估模型的输出结果；

基于所述行为意图综合评估模型的输出结果，综合评估所述目标用户的目标行为意图。

3.根据权利要求1所述的基于大数据分析的用户行为意图挖掘方法，其特征在于，所述方法还包括：

基于采集到的所述目标用户在所述当前场景下的用户社交行为，判断所述目标用户是否存在协同用户；

当判断出所述目标用户存在所述协同用户时，基于所述目标用户与所述协同用户在所述当前场景下的用户行为信息，从所述目标用户与所述协同用户中确定意图主导用户；

当所述意图主导用户不为所述目标用户时，生成行为意图调整参数，并基于所述行为意图调整参数对所述目标行为意图执行校准操作，以校准所述目标行为意图。

4.根据权利要求3所述的基于大数据分析的用户行为意图挖掘方法，其特征在于，所述方法还包括：

当所述意图极性表示所述目标行为意图为所述反向行为意图时，预测所述目标行为意图对所述当前场景的负向影响程度；

当所述负向影响程度的绝对值大于等于预设影响程度阈值时，生成所述反向行为意图对应的应急引导预案，所述应急引导预案用于对所述目标行为意图进行引导，以将所述目标行为意图引导至非反向行为意图。

5.根据权利要求4所述的基于大数据分析的用户行为意图挖掘方法，其特征在于，所述方法还包括：

根据当前时段所述当前场景下存在的所有所述目标用户的目标行为意图，分析出现频次超过第一预设频次阈值的正向行为意图集合，所述正向行为意图集合包括至少一个正向行为意图；

对于所述正向行为意图集合中的每个所述正向行为意图，根据所述当前场景下的当前场景参数，判断所述当前场景与所述正向行为意图的意图匹配度；若所述意图匹配度小于预设匹配度阈值，则生成场景参数优化方案，基于所述场景参数优化方案对所述当前场景参数进行优化，得到优化后场景参数。

6.根据权利要求5所述的基于大数据分析的用户行为意图挖掘方法，其特征在于，所述生成场景参数优化方案之后，所述方法还包括：

预判执行所述场景参数优化方案之后的场景参数优化结果对所述正向行为意图集合中的剩余正向行为意图的第一影响度以及对所有所述目标行为意图中出现频次超过第二预设阈值的所有负向行为意图的第二影响度；

基于所述第一影响度及所述第二影响度，判断所述场景参数优化方案是否满足预设执行条件，若是，则触发执行所述的基于所述场景参数优化方案对所述当前场景参数进行优化，得到优化后场景参数的步骤。

7.一种基于大数据分析的用户行为意图挖掘装置，其特征在于，所述装置包括：

采集模块，用于对于当前场景中存在的任一目标用户，采集所述目标用户对应的第一多维度用户信息；

确定模块，用于确定与所述当前场景对应的用户行为意图挖掘模型集合，所述用户行为意图挖掘模型集合包括多个不同类型的用户行为意图挖掘模型，不同类型的所述用户行为意图挖掘模型用于挖掘不同类型的用户行为意图；

分类模块，用于对所述第一多维度用户信息进行分类，得到每个所述用户行为意图挖掘模型所对应的多维度子用户信息；

意图挖掘模块，用于对于每个所述用户行为意图挖掘模型，将所述用户行为意图挖掘模型所对应的多维度子用户信息输入至所述用户行为意图挖掘模型，得到所述用户行为意图挖掘模型的输出结果；所述用户行为意图挖掘模型的输出结果包括所述用户行为意图挖掘模型的用户行为意图预测结果及所述用户行为意图预测结果对应的预测概率；

所述意图挖掘模块，还用于根据所有所述用户行为意图挖掘模型的输出结果，综合评估所述目标用户的目标行为意图；

以及，所述采集模块，还用于在所述意图挖掘模块根据所有所述用户行为意图挖掘模型的输出结果，综合评估所述目标用户的目标行为意图之后，采集所述目标用户对应的第二多维度用户信息；

其中，所述装置还包括：

场景调整控制模块，用于基于所述第二多维度用户信息，分析所述目标用户针对所述目标行为意图的主观意图概率值及客观意图概率值；基于所述当前场景的场景信息，分析所述主观意图概率值对应的第一场景影响因子以及所述客观意图概率值对应的第二场景影响因子；根据所述目标用户在所述当前场景下针对所述目标行为意图的意图极性，从所述第一场景影响因子及所述第二场景影响因子中确定待调节场景因子；根据所述意图极性对所述待调节场景影响因子执行调节操作；其中，所述意图极性用于表示所述目标行为意图为正向行为意图或反向行为意图。

8.一种基于大数据分析的用户行为意图挖掘装置，其特征在于，所述装置包括：

存储有可执行程序代码的存储器；

与所述存储器耦合的处理器；

所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-6任一项所述的基于大数据分析的用户行为意图挖掘方法。

9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-6任一项所述的基于大数据分析的用户行为意图挖掘方法。