[发明专利]基于深度学习的用户行为分析与预测的装置、系统及方法

说明书

本发明公开了一种基于深度学习的用户行为分析与预测的装置、系统及方法，对网站大数据进行数据采集，并从时序上对采集的数据进行特征提取，得到对应的用户活动轨迹；对采集得到的样本数据集进行分析和欠采样处理，并对得到的子集输入决策树模型中进行训练，以及对得到多个单预测模型进行融合，得到对应的融合模型；基于对应的属性标签和行为标签，将对应的所述用户活动轨迹输入所述融合模型中进行预测，得到用户行为预测目标；对所述用户行为预测目标进行关联存储，并利用可视化技术对构建的多维度行为模型进行展示与服务，能够提升运算性能。

技术领域

本发明涉及深度学习技术领域，尤其涉及一种基于深度学习的用户行为分析与预测的装置、系统及方法。

背景技术

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

在对用户购买行为进行预测的过程中，现有的深度学习系统需要采用众多核心处理单元进行计算，并且还需要对许多的数据进行计算处理，导致运算性能降低。

发明内容

本发明的目的在于提供一种基于深度学习的用户行为分析与预测的装置、系统及方法，提高运算性能。

为实现上述目的，第一方面，本发明提供了一种基于深度学习的用户行为分析与预测的方法，包括如下步骤：

对网站大数据进行数据采集，并从时序上对采集的数据进行特征提取，得到对应的用户活动轨迹；

对采集得到的样本数据集进行分析和欠采样处理，并对得到的子集输入决策树模型中进行训练，以及对得到多个单预测模型进行融合，得到对应的融合模型；

基于对应的属性标签和行为标签，将对应的所述用户活动轨迹输入所述融合模型中进行预测，得到用户行为预测目标；

对所述用户行为预测目标进行关联存储，并利用可视化技术对构建的多维度行为模型进行展示与服务。

其中，对网站大数据进行数据采集，并从时序上对采集的数据进行特征提取，得到对应的用户活动轨迹，包括：

利用网络爬虫技术对任一网站中的存储的大数据进行数据采集；

对采集到的数据进行数据清洗和数据预处理；

从时序上对预处理后的数据进行特征提取，得到对应的用户活动轨迹。

其中，从时序上对预处理后的数据进行特征提取，得到对应的用户活动轨迹，包括：

获取预处理后的所述数据中的相邻时刻下对应的用户行为；

基于用户的上网时序，将所有的所述用户行为进行连接，构建对应的用户活动轨迹。

其中，基于对应的属性标签和行为标签，将对应的所述用户活动轨迹输入所述融合模型中进行预测，得到用户行为预测目标，包括：

将获取的对应的属性标签和行为标签赋值于所述用户活动轨迹；

将所述用户活动轨迹输入所述融合模型中进行预测，得到用户行为预测目标。

其中，将所述用户活动轨迹输入所述融合模型中进行预测，得到用户行为预测目标，包括：

将所述用户活动模型输入所述融合模型中，并对所述属性标签和所述行为标签中的通用属性和行为特征进行计算，输出对应的执行概率；

将所有的所述执行概率进行求和运算，并将得到的和值与设定的预测阈值进行比较，得到对应的用户行为预测目标值。