CN117057809A - 一种用户行为分析方法、系统、电子设备及介质 - Google Patents
一种用户行为分析方法、系统、电子设备及介质 Download PDFInfo
- Publication number
- CN117057809A CN117057809A CN202311316608.0A CN202311316608A CN117057809A CN 117057809 A CN117057809 A CN 117057809A CN 202311316608 A CN202311316608 A CN 202311316608A CN 117057809 A CN117057809 A CN 117057809A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- bearing capacity
- risk
- obtaining
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012502 risk assessment Methods 0.000 claims abstract description 9
- 230000006399 behavior Effects 0.000 claims description 81
- 238000012545 processing Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 17
- 239000013598 vector Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 4
- 238000003379 elimination reaction Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 6
- 238000013461 design Methods 0.000 description 6
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Computer Security & Cryptography (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于计算机技术领域,其目的在于提供一种用户行为分析方法、系统、电子设备及介质。本发明在实施过程中,通过获取指定用户的用户信息,再根据用户信息得到用户深层信息,随后根据用户深层信息,得到当前指定用户的风险承受能力值以及当前指定用户的所属用户群;然后将风险承受能力值与所属用户群中所有用户的风险承受能力值进行排序,得到排序结果,并根据排序结果,得到当前指定用户的风险承受能力等级;最后根据风险承受能力等级,以及当前指定用户的资产配置信息,得到并输出用户资产配置预警结果。在此过程中,本发明实现了对投资者的风险评估,利于证券公司全面掌握投资者的风险,具备推广应用价值。
Description
技术领域
本发明属于计算机技术领域,具体涉及一种用户行为分析方法、系统、电子设备及介质。
背景技术
证券行业是金融服务领域的重要组成部分之一,主要提供股票、债券、基金等证券产品的发行、交易及投资服务。在证券行业中,为了了解投资者的风险承受能力和潜在风险,证券公司通常通过调查问卷的形式获取用户投资经验、交易风格和风险偏好等,以便于为投资者提供更加精准的投资服务,进而提高投资者使用证券投资服务的满意度。但是,在使用现有技术过程中,发明人发现现有技术中至少存在如下问题:投资者的实际情况往往与问卷中表达的预期存在较大差距,使得证券公司对投资者的风险把控不足的问题,导致证券公司对投资者风险的预警和应对能力存在不足。
发明内容
本发明旨在至少在一定程度上解决上述技术问题,本发明提供了一种用户行为分析方法、系统、电子设备及介质。
为了实现上述目的,本发明采用以下技术方案:
第一方面,本发明提供了一种用户行为分析方法,包括:
获取指定用户的用户信息;
根据用户信息得到用户深层信息;
根据用户深层信息,得到当前指定用户的风险承受能力值以及当前指定用户的所属用户群;
将风险承受能力值与所属用户群中所有用户的风险承受能力值进行排序,得到排序结果;
根据排序结果,得到当前指定用户的风险承受能力等级;
根据风险承受能力等级,以及当前指定用户的资产配置信息,得到并输出用户资产配置预警结果。
本实施例可对投资者进行风险评估,利于实现对投资者的风险预警。具体地,本实施例在实施过程中,通过获取指定用户的用户信息,再根据用户信息得到用户深层信息,随后根据用户深层信息,得到当前指定用户的风险承受能力值以及当前指定用户的所属用户群;然后将风险承受能力值与所属用户群中所有用户的风险承受能力值进行排序,得到排序结果,并根据排序结果,得到当前指定用户的风险承受能力等级;最后根据风险承受能力等级,以及当前指定用户的资产配置信息,得到并输出用户资产配置预警结果。在此过程中,本实施例实现了对投资者的风险评估,利于证券公司全面掌握投资者的风险,具备推广应用价值。
在一个可能的设计中,用户信息包括用户基本信息和用户行为信息;其中,用户基本信息从用户注册信息中提取得到;用户行为信息采用Google analytics工具从目标网站提取得到。
在一个可能的设计中,获取指定用户的用户信息后,方法还包括:
对用户信息进行预处理,得到预处理后用户信息;
对预处理后用户信息进行噪声消除处理,得到除噪后用户信息,以便根据除噪后用户信息得到用户深层信息。
在一个可能的设计中,用户深层信息包括与用户基本信息对应的用户类别深度信息;对应地,根据用户信息得到用户深层信息,包括:
对用户基本信息进行类别划分,得到用户类别特征;
对用户类别特征进行热独编码,将用户类别特征转换为用户类别特征向量;
对用户类别特征向量进行第一卷积操作,得到用户类别深度信息。
在一个可能的设计中,用户深层信息还包括与用户行为信息对应的用户行为深度信息;对应地,根据用户信息得到用户深层信息,还包括:
对用户行为信息进行类别划分,得到用户行为特征;
对用户行为特征进行热独编码,将用户行为特征转换为用户行为特征向量;
对用户行为特征向量进行第二卷积操作,得到用户行为深度信息。
在一个可能的设计中,根据用户深层信息,得到当前指定用户的风险承受能力值以及当前指定用户的所属用户群,包括:
根据用户深层信息,得到当前指定用户的风险承受能力值;
根据风险承受能力值,从预存的采样用户群中提取得到的采样风险承受能力值与风险承受能力值之间的差值小于预设值的所有匹配用户;
将所有匹配用户进行组合,得到当前指定用户的所属用户群。
在一个可能的设计中,得到当前指定用户的风险承受能力等级后,方法还包括:
根据风险承受能力等级,对当前指定用户的资产配置信息进行更新,得到并输出更新后资产配置信息。
第二方面,本发明提供了一种用户行为分析系统,用于实现如上述任一项的用户行为分析方法;用户行为分析系统包括:
用户信息获取模块,用于获取指定用户的用户信息;
用户深层信息生成模块,与用户信息获取模块通信连接,用于根据用户信息得到用户深层信息;
风险评估模块,与用户深层信息生成模块通信连接,用于根据用户深层信息,得到当前指定用户的风险承受能力值以及当前指定用户的所属用户群;用于将风险承受能力值与所属用户群中所有用户的风险承受能力值进行排序,得到排序结果;还用于根据排序结果,得到当前指定用户的风险承受能力等级;
风险预警模块,与风险评估模块通信连接,用于根据风险承受能力等级,以及当前指定用户的资产配置信息,得到并输出用户资产配置预警结果。
第三方面,本发明提供了一种电子设备,包括:
存储器,用于存储计算机程序指令;以及,
处理器,用于执行计算机程序指令从而完成如上述任一项的用户行为分析方法的操作。
第四方面,本发明提供了一种计算机可读存储介质,用于存储计算机可读取的计算机程序指令,计算机程序指令被配置为运行时执行如上述任一项的用户行为分析方法的操作。
附图说明
图1是实施例中一种用户行为分析方法的流程图;
图2是实施例中一种用户行为分析系统的模块框图;
图3是实施例中一种电子设备的模块框图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍,显而易见地,下面关于附图结构的描述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。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。
实施例1:
本实施例公开了一种用户行为分析方法,可以但不限于由具有一定计算资源的计算机设备或虚拟机执行,例如由个人计算机、智能手机、个人数字助理或可穿戴设备等电子设备执行,或者由虚拟机执行。
如图1所示,一种用户行为分析方法,可以但不限于包括有如下步骤:
S1.获取指定用户的用户信息;其中,用户信息包括用户基本信息和用户行为信息;本实施例中,用户基本信息包括如从用户注册信息中提取得到的账号标识信息、用户性别及用户年龄,从用户账户交易信息中提取得到的持仓信息,从第三方征信平台提取得到的用户个人征信信息等个人基本情况信息,用户行为信息包括浏览内容、浏览次数、浏览操作数、浏览时间等,此处亦不予限制。此外,本实施例中,获取指定用户的用户信息可为一周一次、一月一次等,此处不予限制,以便实现对用户风险承受能力的动态评估及风险预警。
本实施例中,用户基本信息从用户注册信息中提取得到;用户行为信息可以但不仅限于采用Google analytics(GA)工具(谷歌公司开发的一种基于用户行为的数据分析工具)从目标网站提取得到。具体地,GA工具的数据分析维度更加详细,应用过程更加灵活,可便于直观地了解目标网站的用户操作数据、目标转换数据等,本实施例中,GA工具可基于Ajax进行用户信息的采集,在收集用户信息时,通过在目标网站页面上插入一端JavaScript统计代码,在用户访问目标网站时,该统计代码即执行,此时可得到用户在目标网站上的用户行为信息。
证券交易数据量等用户行为信息数量巨大,同时其中存在大量的噪声和错误,使得其数据可用度低,导致用户行为分析的准确度低;同时,由于用户行为信息数据量巨大,基于其进行用户行为分析时,数据处理效率较为低下。为解决上述现有问题,本实施例中,获取指定用户的用户信息后,方法还包括:
A1.对用户信息进行预处理,得到预处理后用户信息;需要说明的是,对用户信息进行预处理时,可以但不仅限于对用户信息进行清洗、去重、缺失值填充、异常值处理等预处理,以确保进行用户行为分析时的数据质量和准确性。
A2.对预处理后用户信息进行噪声消除处理,得到除噪后用户信息,以便根据除噪后用户信息得到用户深层信息。
本实施例中,获取指定用户的用户信息后,通过对用户信息进行预处理及噪声消除等处理,得到除噪后用户信息,再根据除噪后用户信息进行后续的数据处理,以便进行用户行为分析,提高了数据的整体质量,可提高用户分析识别的准确率及数据处理效率,进而便于帮助证券公司更好地进行应对用户风险,同时可便于证券公司更好地对用户制定差异化营销策略,以便实现精准营销。
S2.根据用户信息得到用户深层信息;其中,用户深层信息包括与用户基本信息对应的用户类别深度信息和与用户行为信息对应的用户行为深度信息。
对应地,根据用户信息得到用户深层信息,包括:
对用户基本信息进行类别划分,得到用户类别特征;
对用户类别特征进行热独编码(即 One-Hot编码,又称一位有效编码),将用户类别特征转换为用户类别特征向量;
对用户类别特征向量进行第一卷积操作,得到用户类别深度信息。
根据用户信息得到用户深层信息,还包括:
对用户行为信息进行类别划分,得到用户行为特征;
对用户行为特征进行热独编码,将用户行为特征转换为用户行为特征向量;
对用户行为特征向量进行第二卷积操作,得到用户行为深度信息。
需要说明的是,由于用户基本信息和用户行为信息的用户信息为离散、无序的,本实施例中,采用热独编码对用户信息进行处理,可利于提高对用户信息的处理效率,利于后续基于用户信息对用户进行分类等操作。
此外,本实施例中使用预设的卷积网络对用户类别特征向量和用户行为特征向量进行卷积操作,可提取出用户类别特征向量和用户行为特征向量的隐含信息,即用户类别深度信息和用户行为深度信息,进而便于提高后续数据分析处理的准确性。
需要说明的是,本实施例中,通过卷积操作实现对用户信息的数据挖掘处理,由此可以从包含大量冗余信息的用户信息中提取出尽可能多的隐藏信息,便于对海量的用户信息进行快速处理,进而为后续的用户行为分析提供数据基础。应当理解的是,本实施例中,在获取用户深层信息时,也可通过聚类算法实现,具体可按照相似性将不同用户的行为进行聚类,由此实现对用户行为的分类处理,进而便于实现对用户行为的预测。
S3.根据用户深层信息,得到当前指定用户的风险承受能力值以及当前指定用户的所属用户群。
根据用户深层信息,得到当前指定用户的风险承受能力值以及当前指定用户的所属用户群,包括:
S301.根据用户深层信息,得到当前指定用户的风险承受能力值;
S302.根据风险承受能力值,从预存的采样用户群中提取得到的采样风险承受能力值与风险承受能力值之间的差值小于预设值的所有匹配用户;需要说明的是,匹配用户的风险承受能力值与当前指定用户的风险承受能力值之间的差值小于预设值,即表明匹配用户的所属风险承受能力等级与当前指定用户的所属风险承受能力等级相同,可根据所有匹配用户的资产配置情况得到当前指定用户在所有匹配用户中的风险承受能力值排序,进而为当前指定用户的资产配置预警等提供依据。
S303.将所有匹配用户进行组合,得到当前指定用户的所属用户群。
S4.将风险承受能力值与所属用户群中所有用户的风险承受能力值进行排序,得到排序结果。
S5.根据排序结果,得到当前指定用户的风险承受能力等级;需要说明的是,风险承受能力等级如为激进型(如排序结果处于用户群中用户的风险承受能力值的前30%)、平稳型(如排序结果处于用户群中用户的风险承受能力值的30%-70%)、保守型(如排序结果处于用户群中用户的风险承受能力值的后30%)等,此处不予限制。
S6.根据风险承受能力等级,以及当前指定用户的资产配置信息,得到并输出用户资产配置预警结果。本实施例中,用户资产配置预警结果包括预警等级,如当前指定用户的资产配置信息对应的配置方案的风险等级高于风险承受能力等级,则预警等级更高,以便提示用户尽快更改资产配置方案,避免用户承担大于其风险承受能力的投资风险,如当前指定用户的资产配置信息对应的配置方案的风险等级低于风险承受能力等级,则预警等级更低,以便提示用户适当调整其资产配置方案。
本实施例中,得到当前指定用户的风险承受能力等级后,方法还包括:
S7.根据风险承受能力等级,对当前指定用户的资产配置信息进行更新,得到并输出更新后资产配置信息。
本实施例可对投资者进行风险评估,利于实现对投资者的风险预警。具体地,本实施例在实施过程中,通过获取指定用户的用户信息,再根据用户信息得到用户深层信息,随后根据用户深层信息,得到当前指定用户的风险承受能力值以及当前指定用户的所属用户群;然后将风险承受能力值与所属用户群中所有用户的风险承受能力值进行排序,得到排序结果,并根据排序结果,得到当前指定用户的风险承受能力等级;最后根据风险承受能力等级,以及当前指定用户的资产配置信息,得到并输出用户资产配置预警结果。在此过程中,本实施例实现了对投资者的风险评估,利于证券公司全面掌握投资者的风险,还可利于发现投资者在证券交易过程中遇到的问题和痛点,提供更好的用户体验,同时便于更好地了解投资者的投资需求和投资偏好,更加精准地进行市场定位和用户画像,方便证券公司为投资者提供更加精准的投资服务,从而节约营销成本,提高市场竞争力,还可更好地监控投资者的交易行为,预测用户风险并进行用户风险管理,具备推广应用价值。
实施例2:
本实施例公开了一种用户行为分析系统,用于实现实施例1中用户行为分析方法;如图2所示,用户行为分析系统包括:
用户信息获取模块,用于获取指定用户的用户信息;
用户深层信息生成模块,与用户信息获取模块通信连接,用于根据用户信息得到用户深层信息;
风险评估模块,与用户深层信息生成模块通信连接,用于根据用户深层信息,得到当前指定用户的风险承受能力值以及当前指定用户的所属用户群;用于将风险承受能力值与所属用户群中所有用户的风险承受能力值进行排序,得到排序结果;还用于根据排序结果,得到当前指定用户的风险承受能力等级;
风险预警模块,与风险评估模块通信连接,用于根据风险承受能力等级,以及当前指定用户的资产配置信息,得到并输出用户资产配置预警结果。
实施例3:
在实施例1或2的基础上,本实施例公开了一种电子设备,该设备可以是智能手机、平板电脑、笔记本电脑或者台式电脑等。电子设备可能被称为用于终端、便携式终端、台式终端等,如图3所示,电子设备包括:
存储器,用于存储计算机程序指令;以及,
处理器,用于执行计算机程序指令从而完成如实施例1中任一的用户行为分析方法的操作。
具体地,处理器301可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable LogicArray,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(CentralProcessing Unit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器301可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。
存储器302可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器301所执行以实现本申请中实施例1提供的用户行为分析方法。
在一些实施例中,终端还可选包括有:通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地,外围设备包括:射频电路304、显示屏305和电源306中的至少一种。
通信接口303可被用于将I/O(Input/ Output,输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中,处理器301、存储器302和通信接口303被集成在同一芯片或电路板上;在一些其他实施例中,处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路304用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。
显示屏305用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。
电源306用于为电子设备中的各个组件进行供电。
实施例4:
在实施例1至3任一项实施例的基础上,本实施例公开了一种计算机可读存储介质,用于存储计算机可读取的计算机程序指令,计算机程序指令被配置为运行时执行如实施例1的用户行为分析方法的操作。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
最后应说明的是,以上实施例仅用以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。而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用户行为分析方法,其特征在于:包括:
获取指定用户的用户信息;
根据所述用户信息得到用户深层信息;
根据所述用户深层信息,得到当前指定用户的风险承受能力值以及当前指定用户的所属用户群;
将所述风险承受能力值与所述所属用户群中所有用户的风险承受能力值进行排序,得到排序结果;
根据所述排序结果,得到当前指定用户的风险承受能力等级;
根据所述风险承受能力等级,以及当前指定用户的资产配置信息,得到并输出用户资产配置预警结果。
2.根据权利要求1所述的一种用户行为分析方法,其特征在于:所述用户信息包括用户基本信息和用户行为信息;其中,所述用户基本信息从用户注册信息中提取得到;所述用户行为信息采用Google analytics工具从目标网站提取得到。
3.根据权利要求1所述的一种用户行为分析方法,其特征在于:获取指定用户的用户信息后,所述方法还包括:
对所述用户信息进行预处理,得到预处理后用户信息;
对所述预处理后用户信息进行噪声消除处理,得到除噪后用户信息,以便根据所述除噪后用户信息得到用户深层信息。
4.根据权利要求2所述的一种用户行为分析方法,其特征在于:所述用户深层信息包括与所述用户基本信息对应的用户类别深度信息;对应地,根据所述用户信息得到用户深层信息,包括:
对所述用户基本信息进行类别划分,得到用户类别特征;
对所述用户类别特征进行热独编码,将所述用户类别特征转换为用户类别特征向量;
对所述用户类别特征向量进行第一卷积操作,得到用户类别深度信息。
5.根据权利要求4所述的一种用户行为分析方法,其特征在于:所述用户深层信息还包括与所述用户行为信息对应的用户行为深度信息;对应地,根据所述用户信息得到用户深层信息,还包括:
对所述用户行为信息进行类别划分,得到用户行为特征;
对所述用户行为特征进行热独编码,将所述用户行为特征转换为用户行为特征向量;
对所述用户行为特征向量进行第二卷积操作,得到用户行为深度信息。
6.根据权利要求1所述的一种用户行为分析方法,其特征在于:根据所述用户深层信息,得到当前指定用户的风险承受能力值以及当前指定用户的所属用户群,包括:
根据所述用户深层信息,得到当前指定用户的风险承受能力值;
根据所述风险承受能力值,从预存的采样用户群中提取得到的采样风险承受能力值与所述风险承受能力值之间的差值小于预设值的所有匹配用户;
将所有匹配用户进行组合,得到当前指定用户的所属用户群。
7.根据权利要求1所述的一种用户行为分析方法,其特征在于:得到当前指定用户的风险承受能力等级后,所述方法还包括:
根据所述风险承受能力等级,对当前指定用户的资产配置信息进行更新,得到并输出更新后资产配置信息。
8.一种用户行为分析系统,其特征在于:用于实现如权利要求1至7中任一项所述的用户行为分析方法;所述用户行为分析系统包括:
用户信息获取模块,用于获取指定用户的用户信息;
用户深层信息生成模块,与所述用户信息获取模块通信连接,用于根据所述用户信息得到用户深层信息;
风险评估模块,与所述用户深层信息生成模块通信连接,用于根据所述用户深层信息,得到当前指定用户的风险承受能力值以及当前指定用户的所属用户群;用于将所述风险承受能力值与所述所属用户群中所有用户的风险承受能力值进行排序,得到排序结果;还用于根据所述排序结果,得到当前指定用户的风险承受能力等级;
风险预警模块,与所述风险评估模块通信连接,用于根据所述风险承受能力等级,以及当前指定用户的资产配置信息,得到并输出用户资产配置预警结果。
9.一种电子设备,其特征在于:包括:
存储器,用于存储计算机程序指令;以及,
处理器,用于执行所述计算机程序指令从而完成如权利要求1至7中任一项所述的用户行为分析方法的操作。
10.一种计算机可读存储介质,用于存储计算机可读取的计算机程序指令,其特征在于:所述计算机程序指令被配置为运行时执行如权利要求1至7中任一项所述的用户行为分析方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311316608.0A CN117057809A (zh) | 2023-10-12 | 2023-10-12 | 一种用户行为分析方法、系统、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311316608.0A CN117057809A (zh) | 2023-10-12 | 2023-10-12 | 一种用户行为分析方法、系统、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117057809A true CN117057809A (zh) | 2023-11-14 |
Family
ID=88664900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311316608.0A Pending CN117057809A (zh) | 2023-10-12 | 2023-10-12 | 一种用户行为分析方法、系统、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117057809A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109636084A (zh) * | 2018-10-22 | 2019-04-16 | 中国平安人寿保险股份有限公司 | 基于大数据的用户风险类型评估方法、存储介质和设备 |
CN115358878A (zh) * | 2022-08-29 | 2022-11-18 | 中国银行股份有限公司 | 理财用户风险偏好等级分析方法及装置 |
CN115408621A (zh) * | 2022-08-12 | 2022-11-29 | 中国测绘科学研究院 | 顾及辅助信息特征线性及非线性交互的兴趣点推荐方法 |
-
2023
- 2023-10-12 CN CN202311316608.0A patent/CN117057809A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109636084A (zh) * | 2018-10-22 | 2019-04-16 | 中国平安人寿保险股份有限公司 | 基于大数据的用户风险类型评估方法、存储介质和设备 |
CN115408621A (zh) * | 2022-08-12 | 2022-11-29 | 中国测绘科学研究院 | 顾及辅助信息特征线性及非线性交互的兴趣点推荐方法 |
CN115358878A (zh) * | 2022-08-29 | 2022-11-18 | 中国银行股份有限公司 | 理财用户风险偏好等级分析方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111783039B (zh) | 风险确定方法、装置、计算机系统和存储介质 | |
CN111950279A (zh) | 实体关系的处理方法、装置、设备及计算机可读存储介质 | |
CN113377958A (zh) | 一种文档分类方法、装置、电子设备以及存储介质 | |
CN110942392A (zh) | 一种业务数据处理方法、装置、设备和介质 | |
CN113378855A (zh) | 用于处理多任务的方法、相关装置及计算机程序产品 | |
CN113034046A (zh) | 一种数据风险计量方法、装置、电子设备及存储介质 | |
CN113762109B (zh) | 一种文字定位模型的训练方法及文字定位方法 | |
EP3869398A2 (en) | Method and apparatus for processing image, device and storage medium | |
CN116935368A (zh) | 深度学习模型训练方法、文本行检测方法、装置及设备 | |
CN110796551A (zh) | 一种资金管理的自动控制方法、装置和系统 | |
CN117057809A (zh) | 一种用户行为分析方法、系统、电子设备及介质 | |
CN115827994A (zh) | 一种数据处理方法、装置、设备、存储介质 | |
CN115934928A (zh) | 一种信息抽取方法、装置、设备及存储介质 | |
CN113674091A (zh) | 信息填写方法及装置、存储介质及电子设备 | |
CN112434083A (zh) | 一种基于大数据的事件处理方法和装置 | |
CN111429257A (zh) | 一种交易监控方法和装置 | |
CN116339733B (zh) | 一种应用程序页面生成方法、系统、电子设备及介质 | |
CN115221391A (zh) | 对象筛选方法、装置及设备 | |
CN114565470A (zh) | 基于人工智能的金融产品推荐方法、及其相关设备 | |
CN117557058A (zh) | 基于数字化管理的医院智能采购方法、装置、设备及存储介质 | |
CN117056730A (zh) | 数据预测的方法、装置、设备及存储介质 | |
CN117312673A (zh) | 一种企业客户推荐方法、系统、电子设备及介质 | |
CN114565402A (zh) | 信息推荐方法、装置以及电子设备 | |
CN117786087A (zh) | 信息抽取方法、装置、设备及存储介质 | |
CN116562974A (zh) | 对象识别方法、装置、电子设备及存储介质 |
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 |