CN118195707A - 用户行为分析方法、系统、装置及计算机可读存储介质 - Google Patents
用户行为分析方法、系统、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN118195707A CN118195707A CN202410617188.8A CN202410617188A CN118195707A CN 118195707 A CN118195707 A CN 118195707A CN 202410617188 A CN202410617188 A CN 202410617188A CN 118195707 A CN118195707 A CN 118195707A
- Authority
- CN
- China
- Prior art keywords
- behavior
- user
- analysis
- preset
- day
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000009825 accumulation Methods 0.000 claims abstract description 20
- 238000013459 approach Methods 0.000 claims abstract description 20
- 230000003203 everyday effect Effects 0.000 claims abstract description 14
- 230000006399 behavior Effects 0.000 claims description 242
- 238000012545 processing Methods 0.000 claims description 40
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 24
- 230000008447 perception Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000016776 visual perception Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/13—Differential equations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Debugging And Monitoring (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用户行为分析方法、系统、装置及计算机可读存储介质，该方法包括获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数以及反馈需求指数，并且形成相对应的序列，确定所有序列包含的参数值进行标准化处理，对所有序列经过标准化处理的参数值进行累加统计处理，构建经过标准化参数值累加统计的使用行为频率、出现故障次数以及反馈需求指数对应的一阶微分方程，当值趋近等于1时，则分析判断为行为属于用户经常使用行为，以此预测并调度相关内容至用户终端应用App中相对应的预设功能模块。精准有效获取用户行为数据进行高效能分析，增强用户的体验感，同时提高业务转化率，从而提升企业的收益。
Description
技术领域
本发明涉及计算机技术领域，特别是涉及一种用户行为分析方法、系统、装置及计算机可读存储介质。
背景技术
用户行为分析，是指在获得应用App访问量基本数据的情况下，对有关数据进行统计、分析，从中发现用户访问该应用App的规律，并将这些规律与网络营销策略等相结合，从而发现网络营销活动中可能存在的问题，并为进一步修正或重新制定网络营销策略提供依据。
例如，用户在游戏应用App中操作某项功能，如购买某项虚拟商品时，交易购买树分析方法可以显示用户在购买虚拟商品时会至少购买一个商品的交易信息，通过交易信息分析用户行为之间的关联性，而这其中需要关系到一个计算效率的问题，目前多数传统方法对于小规模、低纬度的数据获取和分析的性能比较好，但是在游戏应用App这种极度舒适体验感的应用中，在数据规模比较大和维度升高时，传统的方法处理显得性能不足或下降，容易导致用户体验感差，不利于企业发掘高转化率页面，让企业的营销更加精准、有效，提高业务转化率，从而提升企业的收益。
发明内容
针对上述现有技术存在的缺陷，本发明的目的在于提供一种用户行为分析方法、系统、装置及计算机可读存储介质，旨在较大规模和维度的数据中，精准有效获取用户行为数据进行高效能分析，增强用户的体验感，同时提高企业发掘高转化率页面，提高业务转化率，从而提升企业的收益。
为实现上述目的，本发明提供了一种用户行为分析方法，应用在用户行为分析系统及其装置上，该方法包括：
获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>，并且形成相对应的序列：
序列一：；
序列二：；
序列三：；
其中，j表示日期编号，k表示行为前一天的日期；
根据预设行为计算规则，确定所有序列包含的参数值进行标准化处理，对所有序列经过标准化处理的参数值进行累加统计处理，分别是：
其中，和/>分别表示第j日的行为最大行为频率参数值和最小行为频率参数值，j=1,2,3...k；
其中，和/>分别表示第j日的行为最大行为故障出错参数值和最小行为故障出错参数值，j=1,2,3...k；
其中，和/>分别表示第j日的行为最大行为需求参数值和最小行为需求参数值，j=1,2,3...k；
构建经过标准化参数值累加统计的使用行为频率、出现故障次数/>以及反馈需求指数/>对应的一阶微分方程：
当的值趋近等于1时，则分析判断为行为属于用户经常使用行为，以此预测并调度相关内容至用户终端应用App中相对应的预设功能模块。
进一步地，获取当天不同时段针对某一功能反馈次数进行统计，其中包括获取视觉感受值V、听觉感受值L和触觉感受值T并计算反馈需求指数：
其中，/>为比例权重系数。进一步地，所述获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率/>、出现故障次数/>以及反馈需求指数/>的步骤之前，还包括：
在预设每间隔时间段检测一次用户终端应用App的运行硬件负荷；
判断用户终端App运行是否存在过载行为；
若所述硬件负荷小于预设行为阈值，则将继续获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>。
进一步地，若所述硬件负荷大于或等于预设行为阈值，则当前行为存在异常，将行为异常信息进行统计，并作为行为异常点；
输出行为异常点相关的异常提示信息至显示界面。
进一步地，所述当的值趋近等于1时，则分析判断为行为属于用户经常使用行为，以此预测并调度相关内容至用户终端应用App中相对应的预设功能模块的步骤，还包括：
当的值趋近于0时 ，则分析判断为行为属于用户不常使用行为，返回重新回收一个或多个采集数据；
将回收的一个或多个采集数据进行再统计分析，将重新统计的行为数据作为用户行为二次分析。
进一步地，所述并且形成相对应的序列的步骤还包括：
根据存储规则，预设将数据缓存空间划分若干存储块，对每一存储块设置块编号；
每个所述存储块包括多个存储单元，对每一存储单元设置单元编号；
根据块编号和单元编号，将形成相对应的序列存储至数据缓存空间；
所述根据预设行为计算规则，确定所有序列包含的参数值进行标准化处理，对所有序列经过标准化处理的参数值进行累加统计处理的步骤，包括：
采用遍历算法读取数据缓存空间中的所有序列；
在计算行为分析无误后，逐步更新数据和释放数据缓存空间。
此外，基于相同的技术构思，本发明还提供一种用户行为分析系统，其包括：
获取模块，用于获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>，并且形成相对应的序列；且
还用于获取当天不同时段针对某一功能反馈次数进行统计，其中包括获取视觉感受值V、听觉感受值L和触觉感受值T并计算反馈需求指数；
标准化处理模块，用于根据预设行为计算规则，确定所有序列包含的参数值进行标准化处理，对所有序列经过标准化处理的参数值进行累加统计处理；
构建模块，用于构建经过标准化参数值累加统计的使用行为频率、出现故障次数/>以及反馈需求指数/>对应的一阶微分方程；
行为分析模块，用于当的值趋近等于1时，则分析判断为行为属于用户经常使用行为，以此预测并调度相关内容至用户终端应用App中相对应的预设功能模块；且
还用于当的值趋近于0时 ，则分析判断为行为属于用户不常使用行为，返回重新回收一个或多个采集数据；将回收的一个或多个采集数据进行再统计分析，将重新统计的行为数据作为用户行为二次分析。
进一步地，该用户行为分析系统还包括：
检测判断模块，用于在预设每间隔时间段检测一次用户终端应用App的运行硬件负荷；判断用户终端App运行是否存在过载行为；
输出模块，用于若所述硬件负荷大于或等于预设行为阈值，则当前行为存在异常，将行为异常信息进行统计，并作为行为异常点，输出行为异常点相关的异常提示信息至显示界面；
存储模块，用于根据存储规则，预设将数据缓存空间划分若干存储块，对每一存储块设置块编号；每个所述存储块包括多个存储单元，对每一存储单元设置单元编号；根据块编号和单元编号，将形成相对应的序列存储至数据缓存空间；且
还用于采用遍历算法读取数据缓存空间中的所有序列；在计算行为分析无误后，逐步更新数据和释放数据缓存空间
此外，基于相同的技术构思，本发明还提供一种用户行为分析装置，其包括存储器、处理器及存储在存储器上并可在处理器上运行的用户行为分析程序，所述处理器执行所述用户行为分析程序时实现如上述的用户行为分析方法。
此外，基于相同的技术构思，本发明还提供一种计算机可读存储介质，该计算机可读存储介质上存储有用户行为分析程序，所述用户行为分析程序被处理器执行时实现如上述的用户行为分析方法。
与现有技术相比，本发明的有益效果是：
该方法包括获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>，并且形成相对应的序列，根据预设行为计算规则，确定所有序列包含的参数值进行标准化处理，对所有序列经过标准化处理的参数值进行累加统计处理，构建经过标准化参数值累加统计的使用行为频率、出现故障次数/>以及反馈需求指数/>对应的一阶微分方程，当/>的值趋近等于1时，则分析判断为行为属于用户经常使用行为，以此预测并调度相关内容至用户终端应用App中相对应的预设功能模块。该方法采用各个数据序列进行关联分析，对数据进行标准化处理和累加统计处理计算其趋势变化，最终构建以预测值和影响因素之间的一阶微分方程，可以精准有效获取用户行为数据进行高效能分析，相比传统方式更加方便和准确，不仅会增强用户的体验感，同时提高企业发掘高转化率页面，提高业务转化率，从而提升企业的收益。
基于本发明的方法，提供了用户行为分析系统 、装置及计算机可读存储介质，其同样具备了可以通过获取用户行为数据进行可靠分析，提高了数据分析效率和数据分析的准确性。
附图说明
为了更清楚地说明本发明中的方案，下面将对本发明实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图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是本发明实施例一用户行为分析方法的流程示意图；
图2是本发明实施例一用户行为分析方法在步骤S100进一步的流程示意图；
图3是本发明实施例一用户行为分析方法在步骤S100之前的流程示意图；
图4为本申请实施例二方案涉及的用户行为分析系统模块方框示意图；
图5为本申请实施例三用户行为分析装置实施例涉及的硬件结构示意图；
附图标记说明：
10、获取模块；20、标准化处理模块；30、构建模块；40、行为分析模块；50、检测判断模块；60、输出模块；70、存储模块。
具体实施方式
为了更好地理解上述技术方案，下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整地传达给本领域的技术人员。
实施例一
本申请实施例一公开了一种用户行为分析方法，参照图1，所述用户行为分析方法包括：
步骤S100，获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>，并且形成相对应的序列：
在一种可选实施例中，用户终端可以是移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等，预先安装应用App运行在用户终端的操作系统，该应用App包括用户行为分析程序模块。具体地，该应用App包括若干预设功能模块，该用户行为分析程序模块可以在预设时间内获取若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>，并且形成相对应的序列：例如：
序列一：；
序列二：；
序列三：；
其中，j表示日期编号，k表示行为前一天的日期；
同时，还用于获取当天不同时段针对某一功能反馈次数进行统计，其中包括获取视觉感受值V、听觉感受值L和触觉感受值T并计算反馈需求指数：具体地，
其中，/>为比例权重系数。
作为一种可选实施例，获取若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>，并且形成相对应的序列之后，需要将数据进行存储，以便后期进行读取分析，为了能够快速且有效的存储和读取数据，请参照图2，步骤S100，还包括：
步骤S1001，根据存储规则，预设将数据缓存空间划分若干存储块，对每一存储块设置块编号；
步骤S1002，每个所述存储块包括多个存储单元，对每一存储单元设置单元编号；
步骤S1003，根据块编号和单元编号，将形成相对应的序列存储至数据缓存空间；
示例性地，将数据缓存空间先按照存储规则划分为若干存储块，并且对每一存储块进行单独编号，形成块编号，例如第一块存储块编号为A，第二块存储块编号为B，以此类推，进一步地，由于存储块还包括多个存储单元，并且每个存储单元具备唯一性，因此对每一存储单元设置单元编号，例如第一存储单元为1，第二存储单元为2，以此类推。经过设置块编号和单元编号之后，可以发现，第一块存储块的第一存储单元为A1，第一块存储块的第二存储单元为A2，第二块存储块的第一存储单元为B1，第二块存储块的第二存储单元为B2，以此类推。因此，该数据存储和读取上具有提高数据的安全存储和传输效率的优点。
作为一种可选实施例，请参照图3，在步骤S100之前还包括：
步骤S101，在预设每间隔时间段检测一次用户终端应用App的运行硬件负荷；
步骤S102，判断用户终端App运行是否存在过载行为；
若所述硬件负荷小于预设行为阈值，则将继续获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>。
步骤S103，若所述硬件负荷大于或等于预设行为阈值，则当前行为存在异常，将行为异常信息进行统计，并作为行为异常点；
步骤S104，输出行为异常点相关的异常提示信息至显示界面。
具体地，经过自检和统计到行为异常信息，并且跟踪标记为行为异常点，那么需要输出行为异常点相关的异常提示信息，反馈到显示界面，以便在使用之前，能对行为异常信息进行先行预处理，为后续准确大数据行为分析提供有效保障。
步骤S200，根据预设行为计算规则，确定所有序列包含的参数值进行标准化处理，对所有序列经过标准化处理的参数值进行累加统计处理；
作为一种可续实施例，采用遍历算法读取数据缓存空间中的所有序列；
其中，先对所有序列的参数值进行标准化处理，接着对经过标准化处理的参数值进行累加统计处理，具体分别如下：
其中，和/>分别表示第j日的行为最大行为频率参数值和最小行为频率参数值，j=1,2,3...k；
其中，和/>分别表示第j日的行为最大行为故障出错参数值和最小行为故障出错参数值，j=1,2,3...k；
其中，和/>分别表示第j日的行为最大行为需求参数值和最小行为需求参数值，j=1,2,3...k；
步骤S300，构建经过标准化参数值累加统计的使用行为频率、出现故障次数以及反馈需求指数/>对应的一阶微分方程：
需要说明的是，在计算行为分析无误后，逐步更新数据和释放数据缓存空间。
步骤S400，当的值趋近等于1时，则分析判断为行为属于用户经常使用行为，以此预测并调度相关内容至用户终端应用App中相对应的预设功能模块。
当的值趋近于0时 ，则分析判断为行为属于用户不常使用行为，返回重新回收一个或多个采集数据；
将回收的一个或多个采集数据进行再统计分析，将重新统计的行为数据作为用户行为二次分析。
作为一种可续实施例，当分析结果是构建的一阶微分方程中，计算值趋近等于1时，则可以判定属于用户经常使用行为，以此预测并调度相关内容至用户终端应用App中相对应的预设功能模块，当计算值趋近0时，则系统会进行二次数据采集，并且重新统计行为数据，以此作为用户行为二次分析数据。
综上所述，该方法采用各个数据序列进行关联分析，对数据进行标准化处理和累加统计处理计算其趋势变化，最终构建以预测值和影响因素之间的一阶微分方程，可以精准有效获取用户行为数据进行高效能分析，相比传统方式更加方便和准确，不仅会增强用户的体验感，同时提高企业发掘高转化率页面，提高业务转化率，从而提升企业的收益。
实施例二
基于实施例一，本申请实施例二还提出一种用户行为分析系统，参照图4，图4为本申请实施例二方案涉及的用户行为分析系统模块方框示意图。
该用户行为分析系统包括：
获取模块10，用于获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>，并且形成相对应的序列：
序列一：；
序列二：；
序列三：；
其中，j表示日期编号，k表示行为前一天的日期；
并且还用于获取当天不同时段针对某一功能反馈次数进行统计，其中包括获取视觉感受值V、听觉感受值L和触觉感受值T并计算反馈需求指数：
其中，/>为比例权重系数。
标准化处理模块20，用于根据预设行为计算规则，确定所有序列包含的参数值进行标准化处理，对所有序列经过标准化处理的参数值进行累加统计处理，分别是：
其中，和/>分别表示第j日的行为最大行为频率参数值和最小行为频率参数值，j=1,2,3...k；
其中，和/>分别表示第j日的行为最大行为故障出错参数值和最小行为故障出错参数值，j=1,2,3...k；
其中，和/>分别表示第j日的行为最大行为需求参数值和最小行为需求参数值，j=1,2,3...k；
构建模块30，用于构建经过标准化参数值累加统计的使用行为频率、出现故障次数/>以及反馈需求指数/>对应的一阶微分方程：
行为分析模块40，用于当的值趋近等于1时，则分析判断为行为属于用户经常使用行为，以此预测并调度相关内容至用户终端应用App中相对应的预设功能模块；且
还用于当的值趋近于0时 ，则分析判断为行为属于用户不常使用行为，返回重新回收一个或多个采集数据；将回收的一个或多个采集数据进行再统计分析，将重新统计的行为数据作为用户行为二次分析。
检测判断模块50，用于在预设每间隔时间段检测一次用户终端应用App的运行硬件负荷；判断用户终端App运行是否存在过载行为；
输出模块60，用于若所述硬件负荷大于或等于预设行为阈值，则当前行为存在异常，将行为异常信息进行统计，并作为行为异常点，输出行为异常点相关的异常提示信息至显示界面；
存储模块70，用于根据存储规则，预设将数据缓存空间划分若干存储块，对每一存储块设置块编号；每个所述存储块包括多个存储单元，对每一存储单元设置单元编号；根据块编号和单元编号，将形成相对应的序列存储至数据缓存空间；且
还用于采用遍历算法读取数据缓存空间中的所有序列；在计算行为分析无误后，逐步更新数据和释放数据缓存空间。
实施例三
基于实施例一和实施例二，本申请实施例三还提出一种用户行为分析装置，参照图5，图5为本申请实施例方案涉及的硬件运行环境的用户行为分析装置结构示意图。
如图5所示，该用户行为分析装置可以包括：处理器1001，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏、输入单源比如键盘，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口。存储器1005可以是高速的随机存取存储器，也可以是稳定的非易失性存储器，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图5中示出的结构并不构成对用户行为分析装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
可选地，存储器1005与处理器1001电性连接，处理器1001可用于控制存储器1005的运行，还可以读取存储器1005中的数据以实现用户行为分析。
可选地，如图5所示，作存储器1005中可以包括网络通信模块、用户接口模块以及用户行为分析程序。
可选地，在图5所示的用户行为分析装置中，网络接口1004主要用于与其他装置进行数据通信；用户接口1003主要用于与用户进行数据交互；本申请用户行为分析装置中的处理器1001、存储器1005可以设置在用户行为分析装置中。
如图5所示，所述用户行为分析装置通过处理器1001调用存储器1005中存储的用户行为分析程序，并执行本申请实施例提供的用户行为分析方法的相关步骤操作：
获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>，并且形成相对应的序列：
序列一：；
序列二：；
序列三：；
其中，j表示日期编号，k表示行为前一天的日期；
根据预设行为计算规则，确定所有序列包含的参数值进行标准化处理，对所有序列经过标准化处理的参数值进行累加统计处理，分别是：
其中，和/>分别表示第j日的行为最大行为频率参数值和最小行为频率参数值，j=1,2,3...k；
其中，和/>分别表示第j日的行为最大行为故障出错参数值和最小行为故障出错参数值，j=1,2,3...k；
其中，和/>分别表示第j日的行为最大行为需求参数值和最小行为需求参数值，j=1,2,3...k；
构建经过标准化参数值累加统计的使用行为频率、出现故障次数/>以及反馈需求指数/>对应的一阶微分方程：
当的值趋近等于1时，则分析判断为行为属于用户经常使用行为，以此预测并调度相关内容至用户终端应用App中相对应的预设功能模块。
可选地，处理器1001可以调用存储器1005中存储的用户行为分析程序，还执行以下操作：
获取当天不同时段针对某一功能反馈次数进行统计，其中包括获取视觉感受值V、听觉感受值L和触觉感受值T并计算反馈需求指数：
其中，/>为比例权重系数。
可选地，处理器1001可以调用存储器1005中存储的用户行为分析程序，还执行以下操作：
在预设每间隔时间段检测一次用户终端应用App的运行硬件负荷；
判断用户终端App运行是否存在过载行为；
若所述硬件负荷小于预设行为阈值，则将继续获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>。
可选地，处理器1001可以调用存储器1005中存储的用户行为分析程序，还执行以下操作：
若所述硬件负荷大于或等于预设行为阈值，则当前行为存在异常，将行为异常信息进行统计，并作为行为异常点；
输出行为异常点相关的异常提示信息至显示界面。
可选地，处理器1001可以调用存储器1005中存储的用户行为分析程序，还执行以下操作：
当的值趋近于0时 ，则分析判断为行为属于用户不常使用行为，返回重新回收一个或多个采集数据；
将回收的一个或多个采集数据进行再统计分析，将重新统计的行为数据作为用户行为二次分析。
可选地，处理器1001可以调用存储器1005中存储的用户行为分析程序，还执行以下操作：
所述并且形成相对应的序列的步骤还包括：
根据存储规则，预设将数据缓存空间划分若干存储块，对每一存储块设置块编号；
每个所述存储块包括多个存储单元，对每一存储单元设置单元编号；
根据块编号和单元编号，将形成相对应的序列存储至数据缓存空间；
所述根据预设行为计算规则，确定所有序列包含的参数值进行标准化处理，对所有序列经过标准化处理的参数值进行累加统计处理的步骤，包括：
采用遍历算法读取数据缓存空间中的所有序列；
在计算行为分析无误后，逐步更新数据和释放数据缓存空间。
实施例四
此外，本申请实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有用户行为分析程序，所述用户行为分析程序被处理器执行时实现如上所述用户行为分析方法任一实施例的相关步骤。
综上，基于本发明的方法，提供了用户行为分析系统 、装置及计算机可读存储介质，其同样具备了可以通过获取用户行为数据进行可靠分析，提高了数据分析效率和数据分析的准确性。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照实施例的方法、装置（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理装置的处理器以产生一个机器，使得通过计算机或其他可编程数据处理装置的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理装置上，使得在计算机或其他可编程装置上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程装置上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本申请可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单源权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种用户行为分析方法，应用在用户行为分析系统及其装置上，其特征在于，包括：
获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>，并且形成相对应的序列：
序列一：；
序列二：；
序列三：；
其中，j表示日期编号，k表示行为前一天的日期；
根据预设行为计算规则，确定所有序列包含的参数值进行标准化处理，对所有序列经过标准化处理的参数值进行累加统计处理，分别是：
其中，和/>分别表示第j日的行为最大行为频率参数值和最小行为频率参数值，j=1,2,3...k；
其中，和/>分别表示第j日的行为最大行为故障出错参数值和最小行为故障出错参数值，j=1,2,3...k；
其中，和/>分别表示第j日的行为最大行为需求参数值和最小行为需求参数值，j=1,2,3...k；
构建经过标准化参数值累加统计的使用行为频率、出现故障次数/>以及反馈需求指数/>对应的一阶微分方程：
当的值趋近等于1时，则分析判断为行为属于用户经常使用行为，以此预测并调度相关内容至用户终端应用App中相对应的预设功能模块。
2.如权利要求1所述的用户行为分析方法，其特征在于，获取当天不同时段针对某一功能反馈次数进行统计，其中包括获取视觉感受值V、听觉感受值L和触觉感受值T并计算反馈需求指数：
其中，/>为比例权重系数。
3.如权利要求1所述的用户行为分析方法，其特征在于，所述获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>的步骤之前，还包括：
在预设每间隔时间段检测一次用户终端应用App的运行硬件负荷；
判断用户终端App运行是否存在过载行为；
若所述硬件负荷小于预设行为阈值，则将继续获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数。
4.如权利要求3所述的用户行为分析方法，其特征在于，
若所述硬件负荷大于或等于预设行为阈值，则当前行为存在异常，将行为异常信息进行统计，并作为行为异常点；
输出行为异常点相关的异常提示信息至显示界面。
5.如权利要求1所述的用户行为分析方法，其特征在于，所述当的值趋近等于1时，则分析判断为行为属于用户经常使用行为，以此预测并调度相关内容至用户终端应用App中相对应的预设功能模块的步骤，还包括：
当的值趋近于0时 ，则分析判断为行为属于用户不常使用行为，返回重新回收一个或多个采集数据；
将回收的一个或多个采集数据进行再统计分析，将重新统计的行为数据作为用户行为二次分析。
6.如权利要求1所述的用户行为分析方法，其特征在于，所述并且形成相对应的序列的步骤还包括：
根据存储规则，预设将数据缓存空间划分若干存储块，对每一存储块设置块编号；
每个所述存储块包括多个存储单元，对每一存储单元设置单元编号；
根据块编号和单元编号，将形成相对应的序列存储至数据缓存空间；
所述根据预设行为计算规则，确定所有序列包含的参数值进行标准化处理，对所有序列经过标准化处理的参数值进行累加统计处理的步骤，包括：
采用遍历算法读取数据缓存空间中的所有序列；
在计算行为分析无误后，逐步更新数据和释放数据缓存空间。
7.一种用户行为分析系统，其特征在于，其包括：
获取模块，用于获取预设时间内在用户终端应用App中每天对若干预设功能模块的使用行为频率、出现故障次数/>以及反馈需求指数/>，并且形成相对应的序列；且
还用于获取当天不同时段针对某一功能反馈次数进行统计，其中包括获取视觉感受值V、听觉感受值L和触觉感受值T并计算反馈需求指数；
标准化处理模块，用于根据预设行为计算规则，确定所有序列包含的参数值进行标准化处理，对所有序列经过标准化处理的参数值进行累加统计处理；
构建模块，用于构建经过标准化参数值累加统计的使用行为频率、出现故障次数以及反馈需求指数/>对应的一阶微分方程；
行为分析模块，用于当的值趋近等于1时，则分析判断为行为属于用户经常使用行为，以此预测并调度相关内容至用户终端应用App中相对应的预设功能模块；且
还用于当的值趋近于0时 ，则分析判断为行为属于用户不常使用行为，返回重新回收一个或多个采集数据；将回收的一个或多个采集数据进行再统计分析，将重新统计的行为数据作为用户行为二次分析。
8.如权利要求7所述的用户行为分析系统，其特征在于，
检测判断模块，用于在预设每间隔时间段检测一次用户终端应用App的运行硬件负荷；判断用户终端App运行是否存在过载行为；
输出模块，用于若所述硬件负荷大于或等于预设行为阈值，则当前行为存在异常，将行为异常信息进行统计，并作为行为异常点，输出行为异常点相关的异常提示信息至显示界面；
存储模块，用于根据存储规则，预设将数据缓存空间划分若干存储块，对每一存储块设置块编号；每个所述存储块包括多个存储单元，对每一存储单元设置单元编号；根据块编号和单元编号，将形成相对应的序列存储至数据缓存空间；且
还用于采用遍历算法读取数据缓存空间中的所有序列；在计算行为分析无误后，逐步更新数据和释放数据缓存空间。
9.一种用户行为分析装置，其特征在于，包括存储器、处理器及存储在存储器上并可在处理器上运行的用户行为分析程序，所述处理器执行所述用户行为分析程序时实现如权利要求1至6任一项所述的用户行为分析方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有用户行为分析程序，所述用户行为分析程序被处理器执行时实现如权利要求1至6任一项所述的用户行为分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410617188.8A CN118195707B (zh) | 2024-05-17 | 2024-05-17 | 用户行为分析方法、系统、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410617188.8A CN118195707B (zh) | 2024-05-17 | 2024-05-17 | 用户行为分析方法、系统、装置及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118195707A true CN118195707A (zh) | 2024-06-14 |
| CN118195707B CN118195707B (zh) | 2024-08-27 |
Family
ID=91403044
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410617188.8A Active CN118195707B (zh) | 2024-05-17 | 2024-05-17 | 用户行为分析方法、系统、装置及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118195707B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200326695A1 (en) * | 2019-04-11 | 2020-10-15 | Raytheon Company | Behavior monitoring using convolutional data modeling |
| CN114257806A (zh) * | 2022-03-01 | 2022-03-29 | 深圳思谋信息科技有限公司 | 工业相机故障预测方法、装置、计算机设备和存储介质 |
| US20220365600A1 (en) * | 2021-03-19 | 2022-11-17 | Shenzhen Shokz Co., Ltd. | Motion data processing method and motion monitoring system |
| CN116449980A (zh) * | 2022-01-17 | 2023-07-18 | 联想（新加坡）私人有限公司 | 信息处理装置以及控制方法 |
| CN117196649A (zh) * | 2023-08-03 | 2023-12-08 | 天津天大求实电力新技术股份有限公司 | 一种数据特征有限场景下的碳排放预测方法 |
| CN117708100A (zh) * | 2023-10-27 | 2024-03-15 | 上海云赛数海科技有限公司 | 一种基于人工智能的业务大数据分析系统 |
-
2024
- 2024-05-17 CN CN202410617188.8A patent/CN118195707B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20200326695A1 (en) * | 2019-04-11 | 2020-10-15 | Raytheon Company | Behavior monitoring using convolutional data modeling |
| US20220365600A1 (en) * | 2021-03-19 | 2022-11-17 | Shenzhen Shokz Co., Ltd. | Motion data processing method and motion monitoring system |
| CN116449980A (zh) * | 2022-01-17 | 2023-07-18 | 联想（新加坡）私人有限公司 | 信息处理装置以及控制方法 |
| CN114257806A (zh) * | 2022-03-01 | 2022-03-29 | 深圳思谋信息科技有限公司 | 工业相机故障预测方法、装置、计算机设备和存储介质 |
| CN117196649A (zh) * | 2023-08-03 | 2023-12-08 | 天津天大求实电力新技术股份有限公司 | 一种数据特征有限场景下的碳排放预测方法 |
| CN117708100A (zh) * | 2023-10-27 | 2024-03-15 | 上海云赛数海科技有限公司 | 一种基于人工智能的业务大数据分析系统 |
Non-Patent Citations (2)
| Title |
|---|
| SHA ZHAO等: "Discovering different kinds of smartphone users through their application usage behaviors", 《PROCEEDINGS OF THE 2016 ACM INTERNATIONAL JOINT CONFERENCE ON PERVASIVE AND UBIQUITOUS COMPUTING》, 30 September 2016 (2016-09-30) * |
| 付惠敏: "多源APP数据采集与分析系统设计及实现", 《中国优秀硕士论文集》, 15 January 2022 (2022-01-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118195707B (zh) | 2024-08-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103748579B (zh) | 在映射化简框架中处理数据 | |
| US9292336B1 (en) | Systems and methods providing optimization data | |
| CN113034171B (zh) | 一种业务数据处理方法、装置、计算机及可读存储介质 | |
| CN109800138B (zh) | 一种cpu测试方法、电子装置及存储介质 | |
| CN114862140A (zh) | 基于行为分析的潜力评估方法、装置、设备及存储介质 | |
| CA3052775A1 (en) | Method, apparatus, medium and electronic device for analysis of user stability | |
| CN114281807A (zh) | 数据质量稽核方法、装置、设备及存储介质 | |
| CN111159169B (zh) | 数据治理方法及设备 | |
| CN118195707B (zh) | 用户行为分析方法、系统、装置及计算机可读存储介质 | |
| CN108961071B (zh) | 自动预测组合业务收益的方法及终端设备 | |
| CN113093702B (zh) | 故障数据的预测方法和装置、电子设备和存储介质 | |
| CN114169451A (zh) | 行为数据分类处理方法、装置、设备及存储介质 | |
| CN112131468A (zh) | 推荐系统中的数据处理方法、装置 | |
| CN113905400B (zh) | 网络优化处理方法、装置、电子设备及存储介质 | |
| CN111105154A (zh) | 股市运行风险评估方法、装置、电子设备及存储介质 | |
| CN112148491B (zh) | 数据处理方法及装置 | |
| CN116382924B (zh) | 资源配置的推荐方法、装置、电子设备及存储介质 | |
| CN113610168B (zh) | 数据处理方法、装置、设备及介质 | |
| CN112328960B (zh) | 数据运算的优化方法、装置、电子设备及存储介质 | |
| US20220308934A1 (en) | Prediction system, prediction method, and program | |
| CN117057953A (zh) | 安全稳定的工程质量监理方法、装置、设备及存储介质 | |
| CN118333742A (zh) | 基于电力大数据的电费信用风险预测方法及相关设备 | |
| CN116205735A (zh) | 基于区块链的交易轮询方法、装置、设备及介质 | |
| CN117950968A (zh) | 一种供应链自主可控度评估方法、装置、服务器及介质 | |
| CN116308468A (zh) | 客户对象分类方法、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |