用户登录行为的分析方法、装置、系统及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112231548A(43)申请公布日2021.01.15(21)申请号201910636193.2(22)申请日2019.07.15(71)申请人北京京东尚科信息技术有限公司地址100195北京市海淀区知春路76号8层申请人北京京东世纪贸易有限公司(72)发明人古全友杨黎明刘诏薛韬(74)专利代理机构北京同立钧成知识产权代理有限公司11205代理人钭飒飒刘芳(51)Int.Cl.G06F16/9535(2019.01)G06Q30/06(2012.01)权利要求书2页说明书12页附图4页(54)发明名称用户登录行为的分析方法、装置、系统及存储介质(57)摘要本发明提供一种用户登录行为的分析方法、装置、系统及存储介质，该方法，包括：获取预设时间段内用户的线上行为数据；根据所述线上行为数据，通过目标学习模型分析用户在未来阶段的购买意愿值；根据所述用户在未来阶段的购买意愿值，构建隐马尔科夫模型；通过所述隐马尔科夫模型，分析用户在未来阶段的登录情况。本发明可以根据用户的线上行为数据分析出未来阶段的登录情况，从而可以根据用户未来阶段的登录情况向用户进行精准推荐，提高推荐策略的转化效果，用户体验佳。CN112231548ACN112231548A权利要求书1/2页1.一种用户登录行为的分析方法，其特征在于，包括：获取预设时间段内用户的线上行为数据；根据所述线上行为数据，通过目标学习模型分析用户在未来阶段的购买意愿值；根据所述用户在未来阶段的购买意愿值，构建隐马尔科夫模型；通过所述隐马尔科夫模型，分析用户在未来阶段的登录情况。2.根据权利要求1所述的方法，其特征在于，所述线上行为数据包括：商品浏览记录、下单记录、购物车内商品的变更记录、添加关注的商品记录。3.根据权利要求1所述的方法，其特征在于，还包括：通过用户的历史线上行为数据，构建训练样本；以真实的下单记录作为目标输出结果，通过所述训练样本迭代训练构建的初始学习模型，直到训练后的所述初始学习模型输出的分析结果与所述真实的下单记录之间的误差小于预设阈值；得到所述目标学习模型。4.根据权利要求1所述的方法，其特征在于，根据所述线上行为数据，通过目标学习模型分析用户在未来阶段的购买意愿值，包括：根据所述线上行为数据，通过所述目标学习模型分别分析未来各个时段内的购买意愿值；其中，所述购买意愿值用于表征用户在对应时段内进行商品购买的可能性。5.根据权利要求4所述的方法，其特征在于，根据所述用户在未来阶段的购买意愿值，构建隐马尔科夫模型，包括：根据所述用户在未来阶段的购买意愿值，构建状态转移矩阵；所述状态转移矩阵用于表征各个时段内的购买意愿值进行互相转换的可能性；根据所述用户在未来阶段的购买意愿值和所述用户的历史登录行为，构建观测矩阵；所述观测矩阵用于表征不同购买意愿值下用户未来登录的情况；设置初始状态向量；通过所述状态转移矩阵、所述观测矩阵、所述初始状态向量构建隐马尔科夫模型。6.一种用户登录行为的分析装置，其特征在于，包括：获取模块，用于获取预设时间段内用户的线上行为数据；第一分析模块，用于根据所述线上行为数据，通过目标学习模型分析用户在未来阶段的购买意愿值；构建模块，用于根据所述用户在未来阶段的购买意愿值，构建隐马尔科夫模型；第二分析模块，用于通过所述隐马尔科夫模型，分析用户在未来阶段的登录情况。7.根据权利要求6所述的装置，其特征在于，所述线上行为数据包括：商品浏览记录、下单记录、购物车内商品的变更记录、添加关注的商品记录。8.根据权利要求6所述的装置，其特征在于，还包括：训练模块，用于：通过用户的历史线上行为数据，构建训练样本；以真实的下单记录作为目标输出结果，通过所述训练样本迭代训练构建的初始学习模型，直到训练后的所述初始学习模型输出的分析结果与所述真实的下单记录之间的误差小于预设阈值；得到所述目标学习模型。9.一种用户登录行为的分析系统，其特征在于，包括：存储器、处理器，存储器中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行权利2CN112231548A权利要求书2/2页要求1-5所述的用户登录行为的分析方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-5任一项所述的用户登录行为的分析方法。3CN112231548A说明书1/12页用户登录行为的分析方法、装置、系统及存储介质技术领域[0001]本发明涉及数据处理技术领域，尤其涉及一种用户登录行为的分析方法、装置、系统及存储介质。背景技术[0002]互联网上越来越多的用户数据被记录下来，用户在网站上的搜索、点击、购买等行为数据，反映着用户对产品的兴趣与需求。通过对用户