[发明专利]基于深度学习的用户操作行为预测方法和系统

摘要

本发明公开了一种基于深度学习的用户操作行为预测方法，包括：S1：提取用户行为数据；S2：对用户行为数据进行预处理；S3：将预处理后的用户行为数据按比例划分成训练集、验证集和测试集；S4：创建用户操作行为预测系统；S5：将训练集、验证集分类导入用户操作行为预测系统，采用窗口滑动技术对用户操作行为预测系统进行训练和验证；S6：将测试集导入优化后的用户操作行为预测系统，进行性能评价；S7：完成训练，获取优化完成的用户操作行为预测系统。本发明利用LSTM长短记忆神经网络子系统并使用窗口滑动技术来学习用户连续行为的内在规律，通过全连接神经网络子系统来学习外部因素的权重，最后将两种子系统进行融合来完成对用户操作行为的预测。

主权项

1.一种基于深度学习的用户操作行为预测方法，其特征在于，所述方法包括：S1：从历史操作日志中提取用户行为数据，所述用户行为数据至少包括环境数据和连续行为数据，环境数据包括数据发生时的多个外部环境因素，连续行为数据至少包括用户的操作行为序列和操作行为的发生时间；S2：对用户行为数据进行预处理；S3：将预处理后的用户行为数据按比例划分成训练集、验证集和测试集；S4：创建用户操作行为预测系统，所述用户操作行为预测系统包括以操作行为序列、操作行为的发生时间为参数的深层LSTM子系统和以外部环境因素为参数的全连接神经网络子系统；S5：将训练集、验证集分类导入用户操作行为预测系统，采用窗口滑动技术对用户操作行为预测系统进行训练和验证，以获取优化后的用户操作行为预测系统；S6：将测试集导入优化后的用户操作行为预测系统，如果输出的用户行为的预测准确率大于等于设定准确率阈值，进入步骤S7，否则，返回步骤S5，预测准确率的计算公式如下：其中，n是预测行为的样本总数，y′i是预测操作行为序号，yi是实际操作行为序号，αi是第i个预测行为的准确性；S7：完成训练，获取优化完成的用户操作行为预测系统。