[发明专利]一种基于大数据的短视频活跃用户预测方法

说明书

本发明请求保护一种基于大数据的短视频活跃用户预测方法，包括：101对用户的历史行为数据进行预处理操作；102根据注册时间将用户划分成训练集候选用户和测试集候选用户103将训练集候选用户和测试集候选用户根据历史行为转化为时序序列，作为训练集和测试集；104对处理好的时序序列进行打标；105通过时序序列建立many‑to‑many结构的LSTM模型；106根据用户历史行为时间序列，对当月注册用户在未来一周是否会使用相应短视频APP进行预测。本发明主要是通过对用户历史数据进行预处理和分析，提取特征，转换时序序列工作，建立深度学习模型，对当月注册用户在未来一周是否会使用该短视频APP进行预测，为短视频领域寻找活跃用户提供更为精准的个性化推送服务。

技术领域

本发明属于深度学习、大数据处理技术领域，尤其基于余弦退火快照的LSTM模型短视频活跃用户预测。

背景技术

近年来，传播形态走向立体化，短视频日益受重视。短视频作为一种依托社交平台传播、能够拉近线上与线下空间、内容愈发垂直细分的传播形态，无疑受到了互联网巨头以及各家媒体的关注。2013年，Instagram短视频功能上线，上线首日视频上传量达到500万条。早在2014年前后，Facebook已将视频作为信息流中优先展示的内容。2015年，公司首席执行官马克·扎克伯格表示其用于日均观看视频数量已达30亿个用户。该公司运营主管尼古拉·门德尔松曾在2016年公开表示，“讲故事的最好方式其实是视频，这种内容形式为我们提供了大量的信息。”2017年至今，国内已经涌现大量优秀的短视频APP，累计用户量以达5亿，日活跃用户数超过6000万，用户日均使用时长超过50分钟，为此我们可获得大量有价值的数据。

短视频平台竞争激烈，盈利模式有待发掘。随着平台对短视频创作者的补贴逐渐收拢，依靠平台红利支撑短视频的内容运营并非长久之计。二更视频创始人丁丰曾公开表示，未来定制化短视频广告的市场可达千亿级别，但定制化广告内容需要制作团队本身有过硬的技术与传播影响力。头部视频创作者之外，更多的短视频生产者仍旧需要探寻稳定长久的盈利模式，持续生产“爆款”、靠引人眼球吸引流量，或通过个人化标签将视频平台打造成IP的模式，并非适用于所有类型的视频制作团队。

随着人工智能和大数据等技术不断渗透，依靠短视频APP主动收集、分析、整理各类用户数据，为短视频APP细分这部分活跃人群提供更为精准的个性化推送服务，成为解决短视频APP寻找潜在用户问题的有效途径。简言之，如何区别活跃用户，成为短视频APP领域提供更为精准的个性化推送服务的关键。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种旨在对当月注册用户在未来一周是否会使用该短视频APP进行预测，进而为短视频领域寻找活跃用户提供更为精准的个性化推送服务，解决短视频APP寻找潜在用户问题的方法。本发明的技术方案如下：

一种基于大数据的短视频活跃用户预测方法，其包括以下步骤：

101、对用户的历史行为数据进行包括“僵尸”用户处理步骤、用户注册设备处理步骤在内的预处理操作；

102、根据注册时间将用户划分成训练集候选用户和测试集候选用户；

103、将训练集候选用户和测试集候选用户的历史行为转化为时序序列，再将时序序列根据时间划窗划分为训练集和测试集；

104、对作为训练集的时序序列进行打标；

105、通过时序序列建立many-to-many多输入对多输出结构的LSTM长短期记忆网络模型；many-to-many多输入对多输出结构即每个输入都对应输出之后7天是否活跃；

106、根据用户历史行为时间序列，采用LSTM长短期记忆网络模型对当月注册用户在未来一周是否会使用相应短视频APP进行预测。

进一步的，所述步骤101对用户的历史行为数据预处理操作具体步骤为：