(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210563425.8 (22)申请日 2022.05.23 (71)申请人 天津众群科技有限公司 地址 300350 天津市津南区长 青科工贸园 区上海街18号B区4017 (72)发明人 王刚　王建丰　 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/36(2019.01) G06Q 30/02(2012.01) G06Q 30/06(2012.01) (54)发明名称 基于大数据分析的用户行为预测方法及AI 预测分析系统 (57)摘要 本发明公开了一种基于大数据分析的用户 行为预测方法及AI预测分析系统， 首先 获取包括 多个用户历史操作的用户行为数据集； 然后获取 各用户历史操作分别对应的广义用户关键行为 置信度， 并基于候选狭义时间维度分析的目标用 户历史操作对应的用户历史操作分布知识图谱 进行狭义时间维度分析， 利用目标用户历史操作 的狭义用户关键行为置信度对其广义用户关键 行为置信度进行置信度筛选， 最终采用置信度筛 选后的目标用户历史操作对待处理用户进行用 户行为预测， 结合不同时间维度确定出用于预测 用户行为的目标用户历史操作， 有效地解决了复 杂用户行为预测 中仅基于时间较为接近的用户 历史操作进行预测导致的预测结果不可靠的问 题。 权利要求书4页 说明书23页 附图2页 CN 114925273 A 2022.08.19 CN 114925273 A 1.一种基于大 数据分析的用户行为预测方法， 其特 征在于， 所述方法包括： 从线上业务服务系统中获取用于对待处理用户进行用户行为预测的用户行为数据集； 所述用户行为数据集中包括多个用户历史操作； 所述用户行为包括多个用户关键行为； 获取各所述用户历史操作分别对应的广义用户关键行为置信度； 所述广义用户关键行 为置信度， 是基于用户行为数据集对所述用户历史操作与所述用户关键行为之 间的行为相 关系数进行广义时间维度分析 得到； 基于所述广义用户关键行为置信度， 从所述用户行为数据集的用户历史操作中确定候 选狭义时间维度分析的目标用户历史操作； 基于所述目标用户历史操作的用户历史操作分布知识图谱进行狭义 时间维度分析， 输 出所述目标用户历史操作的狭义用户关键行为置信度； 所述狭义用户关键行为置信度包括 所述目标用户历史操作的狭义相关用户关键行为以及所述狭义相关用户关键行为对应的 狭义相关用户关键行为置信度值； 所述狭义相关用户关键行为置信度值用于指示所述狭义 相关用户关键行为与所述目标用户历史操作的行为相关系数； 基于所述狭义用户关键行为置信度， 对所述目标用户历史操作的广义用户关键行为置 信度进行置信度筛选， 以采用置信度筛选后的用户关键行为置信度对应的目标用户历史操 作对所述待处 理用户进行用户行为预测。 2.根据权利要求1所述的基于大数据分析的用户行为预测方法， 其特征在于， 所述基于 所述广义用户关键行为置信度， 从所述用户行为数据集的用户历史操作中确定候选狭义时 间维度分析的目标用户历史操作包括： 确定触发事件的广义用户关键行为置信度对应的用户历史操作， 输出触发事件用户历 史操作； 基于所述触发事件用户历史操作， 从所述用户行为数据集的用户历史操作中确定候选 狭义时间维度分析的目标用户历史操作； 所述目标用户历史操作包括所述触发事件用户历 史操作。 3.根据权利要求2所述的基于大数据分析的用户行为预测方法， 其特征在于， 所述用户 行为数据集包括多个用户行为分支， 所述基于所述触发事件用户历史操作， 从所述用户行 为数据集的用户历史操作中确定候选狭义时间维度分析的目标用户历史操作包括： 从所述用户行为数据集的多个所述用户行为分支中， 输出所述触发事件用户历史操作 对应的用户行为分支， 输出触发事 件关联的用户行为分支； 基于所述触发事件关联的用户行为分支中的各个用户历史操作， 输出候选狭义时间维 度分析的目标用户历史操作。 4.根据权利要求1所述的基于大数据分析的用户行为预测方法， 其特征在于， 所述基于 所述目标用户历史操作的用户历史操作分布知识图谱进行狭义时间维度分析， 输出所述目 标用户历史操作的狭义用户关键行为置信度包括： 针对每个所述目标用户历史操作， 从所述用户行为的用户关键行为中确定与 所述目标 用户历史操作具有弱连贯关联的弱关联用户关键行为； 基于所述弱关联用户关键行为的用户关键行为知识图谱以及所述目标用户历史操作 的用户历史操作分布知识图谱进 行拼接叠加， 输出所述目标用户历史操作对应的第一狭义 时间维度分析参 考知识图谱；权　利　要　求　书 1/4 页 2 CN 114925273 A 2针对所述目标用户历史操作的每个弱关联用户关键行为， 从候选狭义 时间维度分析的 各个目标用户历史操作中， 获取与所述弱关联用户关键行为具有弱连贯关联的目标用户历 史操作， 输出 所述弱关联用户关键行为对应的弱关联用户历史操作； 对各个所述弱关联用户历史操作的用户历史操作分布知识图谱进行汇总， 输出用户历 史操作汇总知识图谱； 获取所述弱关联用户关键行为对应的强关联用户关键行为的用户关键行为知识图谱， 作为强关联用户关键行为知识图谱； 将所述弱关联用户关键行为的用户关键行为知识图谱与所述强关联用户关键行为知 识图谱进行拼接 叠加， 输出 所述弱关联用户关键行为对应的待处 理拼接知识图谱； 将所述弱关联用户关键行为对应的待处理拼接知识图谱与所述用户历史操作汇总知 识图谱进行拼接 叠加， 输出 所述弱关联用户关键行为对应的用户关键行为 拼接知识图谱； 确定所述目标用户历史操作的强关联用户历史操作， 获取所述强关联用户历史操作对 应的第一狭义时间维度分析参 考知识图谱； 基于所述目标用户历史操作的第一狭义时间维度分析参考知识图谱以及所述强关联 用户历史操作的第一狭义时间维度分析参考知识图谱进行拼接叠加， 输出所述目标用户历 史操作对应的狭义时间维度分析拼接知识谱图； 将所述狭义时间维度分析拼接知识谱图与所述弱关联用户关键行为的用户关键行为 拼接知识图谱进 行拼接叠加， 输出所述目标用户历史操作对应的第二狭义时间维度分析参 考知识图谱； 确定所述目标用户历史操作的强关联用户历史操作， 获取所述强关联用户历史操作对 应的第二狭义时间维度分析参 考知识图谱； 将所述目标用户历史操作对应的第二狭义时间维度分析参考知识图谱与所述强关联 用户历史操作的第二狭义时间维度分析参考知识图谱进行拼接叠加， 输出所述目标用户历 史操作对应的目标狭义时间维度分析参 考知识图谱； 基于所述目标狭义 时间维度分析参考知识图谱进行狭义 时间维度分析， 输出所述目标 用户历史操作的狭义用户关键行为置信度， 所述狭义用户关键行为置信度中包括与所述目 标用户历史操作关联 的狭义相关用户关键行为以及所述狭义相关用户关键行为对应的狭 义相关用户关键行为置信度值。 5.根据权利要求4所述的基于大数据分析的用户行为预测方法， 其特征在于， 所述从所 述用户行为的用户关键行为中确定与所述目标用户历史操作具有弱连贯关联 的弱关联用 户关键行为包括： 确定所述目标用户历史操作在所述用户行为数据集中对应的用户行为分支， 输出目标 用户行为分支； 从所述用户行为的用户关键行为中获取所述目标用户行为分支对应的用户关键行为， 输出候选用户关键行为； 计算所述目标用户历史操作 与各个所述 候选用户关键行为之间的相似度； 基于所述相似度从各个所述候选用户关键行为中选取满足相似度阈值范围的用户关 键行为， 作为与所述目标用户历史操作具有弱连贯关联的弱关联用户关键行为。 6.根据权利要求4所述的基于大数据分析的用户行为预测方法， 其特征在于， 所述基于权　利　要　求　书 2/4 页 3 CN 114925273 A 3