[发明专利]用户活动识别方法、装置、存储介质及电子设备

说明书

本申请实施例公开了一种用户活动识别方法、装置、存储介质及电子设备，其中，本申请实施例获取目标用户在目标时间区间内的全景数据序列；对全景数据序列进行特征提取，获取全景特征序列，其中，全景特征序列中包括每个样本点的全景特征；根据时间递归神经网络模型，计算全景特征序列中每个样本点在多个活动标签上的概率分布；根据预设的连接时序分类模型，以及全景数据序列中每个样本点在多个活动标签上的概率分布，进行解码处理，确定目标用户在目标时间区间内的活动标签序列，实现了序列到序列的用户活动识别。

技术领域

本申请涉及数据处理技术领域，具体涉及一种用户活动识别方法、装置、存储介质及电子设备。

背景技术

活动识别方案中，一般采集一段时间内的用户数据作为依据，进行用户活动的识别，这种活动识别方案多是对独立的用户活动进行识别，无法处理时间序列数据，难以实现序列到序列的用户活动识别。

发明内容

本申请实施例提供了一种用户活动识别方法、装置、存储介质及电子设备，能够实现序列到序列的用户活动识别。

第一方面，本申请实施例了提供了的一种用户活动识别方法，包括：

获取目标用户在目标时间区间内的全景数据序列；

对所述全景数据序列进行特征提取，获取全景特征序列，其中，所述全景特征序列中包括每个样本点的全景特征；

根据时间递归神经网络模型，计算所述全景特征序列中每个样本点在多个活动标签上的概率分布；

根据预设的连接时序分类模型，以及所述全景数据序列中每个样本点在多个活动标签上的概率分布，进行解码处理，确定所述目标用户在所述目标时间区间内的活动标签序列。

第二方面，本申请实施例了提供了的一种用户活动识别装置，包括：

数据获取模块，用于获取目标用户在目标时间区间内的全景数据序列；

特征提取模块，用于对所述全景数据序列进行特征提取，获取全景特征序列，其中，所述全景特征序列中包括每个样本点的全景特征；

概率计算模块，用于根据时间递归神经网络模型，计算所述全景特征序列中每个样本点在多个活动标签上的概率分布；

活动分类模块，用于根据预设的连接时序分类模型，以及所述全景数据序列中每个样本点在多个活动标签上的概率分布，进行解码处理，确定所述目标用户在所述目标时间区间内的活动标签序列。

第三方面，本申请实施例提供的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如本申请任一实施例提供的用户活动识别方法。

第四方面，本申请实施例提供了一种电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行如本申请任一实施例提供的用户活动识别方法。

本申请实施例提供的技术方案，获取目标用户在目标时间区间内的全景数据序列，对所述全景数据序列进行特征提取以获取全景特征序列，该全景特征序列中包括每个样本点的全景特征，根据时间递归神经网络模型，计算全景特征序列中每个样本点在多个活动标签上的概率分布，接下来，根据连接时序分类模型以及全景数据序列中每个样本点在多个活动标签上的概率分布，进行解码处理，确定目标用户在目标时间区间内的活动标签序列。该用户活动识别方案中，通过时间递归神经网络模型对全景数据序列的各个样本点进行初步分类，获取概率分布，将概率分布作为连接时序分类模型的输入，进行解码运算，获取活动标签序列，实现了序列到序列的用户活动识别。

附图说明