一种用户行为数据分析方法和装置与流程

本发明涉及人工智能和智慧供应链，尤其涉及一种用户行为数据分析方法和装置。

背景技术：

1、在多种业务决策场景（例如业务风险评估）中，不同用户的属性解释特征和参数往往存在差异性，通常可以采用预先划分用户群体的方式来减少该差异性，并借此减少对外部数据源的依赖和调用。

2、然而，现有方法通常依赖于人工经验或简单的统计规则来划分用户群体，难以自适应地捕捉用户特征之间复杂的交互效应与关联关系，导致用户群体细分的精度较低、动态适应能力及可扩展性较低，影响了业务决策的准确性。

技术实现思路

1、有鉴于此，本发明实施例提供一种用户行为数据分析方法和装置，能够获取多个用户的多种行为数据；提取操作行为数据的内部特征；提取用户评估数据的外部特征；提取用户异常行为数据的异常行为特征；利用混合专家网络模型，融合内部特征、外部特征和异常行为特征形成所述用户的目标行为特征；基于目标行为特征输出目标行为特征对应的行为风险概率；基于各个用户的行为风险概率，划分出多个目标用户集合。本发明实施例通过混合专家网络模型包含的多层神经网络挖掘不同特征之间的交互和关联关系，提升了划分用户群体的准确性、精细化程度和灵活可扩展性。

2、为实现上述目的，根据本发明实施例的一个方面，提供了一种用户行为数据分析方法，包括：获取多个用户的多种行为数据；所述行为数据包括用户针对应用的操作行为数据，来自外部接口的用户评估数据以及用户异常行为数据；针对任一用户，执行：提取所述操作行为数据的内部特征；提取所述用户评估数据的外部特征；提取所述用户异常行为数据的异常行为特征；利用混合专家网络模型，融合所述内部特征、所述外部特征和所述异常行为特征形成所述用户的目标行为特征；基于所述目标行为特征，输出所述目标行为特征对应的行为风险概率；基于各个用户的所述行为风险概率，划分出多个目标用户集合。

3、可选地，所述外部接口归属于多个外部数据源；为各个外部数据源设置外部映射函数；提取所述用户评估数据的外部特征，包括：针对每一个外部数据源，利用所述外部映射函数提取所述用户评估数据对应的外部特征；其中，在所述特征提取模型提取所述用户评估数据对应的外部特征的过程中，利用预设正则项约束所述特征提取模型。

4、可选地，所述操作行为数据归属于多个内部数据源，为各个内部数据源设置内部映射函数；所述提取所述操作行为数据的内部特征，包括：针对每一个内部数据源，利用所述内部映射函数提取所述用户评估数据对应的内部特征。

5、可选地，进一步包括：所述混合专家网络模型包括多个专家网络；利用多个所述专家网络，分别将所述外部特征和所述内部特征进行融合操作得到专家融合特征，其中，所述融合操作包括将所述内部特征和所述外部特征包含的特征元素相加。

6、可选地，进一步包括：所述混合专家网络模型包括专家门控网络；利用专家门控网络，计算所述异常行为特征与多个不同专家网络之间的匹配权重；根据所述匹配权重，从多个所述专家网络中确定用于处理所述内部特征和/或外部特征的一个或多个目标专家网络，并确定所述目标专家网络对应的处理权重。

7、可选地，所述融合所述内部特征、所述外部特征和所述异常行为特征形成所述用户的目标行为特征，包括：将多个所述专家网络输出的专家融合特征分别与对应的所述处理权重相乘，得到多个专家网络对应的专家加权特征；对多个所述专家加权特征进行融合，生成所述用户的目标行为特征。

8、可选地，所述基于所述目标行为特征，输出所述目标行为特征对应的行为风险概率，包括：所述混合专家网络模型包括分类网络；利用所述分类网络包含的权重矩阵以及偏置项，对所述目标行为特征进行综合评分；对所述综合评分进行归一化处理，得到所述目标行为特征对应的行为风险概率。

9、可选地，在迭代训练所述混合专家网络模型的过程中，利用预设损失函数，评估所述混合专家网络模型输出的行为风险概率与实际风险标签的损失值；根据所述损失值评估模型训练效果；根据所述训练效果更新所述混合专家网络模型的网络参数，直到满足预设的训练迭代终止条件。

10、为实现上述目的，根据本发明实施例的第二方面，提供了一种用户行为数据分析装置，包括：获取数据模块、融合特征模块和划分群体模块；其中，

11、所述获取数据模块，用于获取多个用户的多种行为数据；所述行为数据包括用户针对应用的操作行为数据，来自外部接口的用户评估数据以及用户异常行为数据；

12、所述融合特征模块，用于针对任一用户，执行：提取所述操作行为数据的内部特征；提取所述用户评估数据的外部特征；提取所述用户异常行为数据的异常行为特征；利用混合专家网络模型，融合所述内部特征、所述外部特征和所述异常行为特征形成所述用户的目标行为特征；基于所述目标行为特征，输出所述目标行为特征对应的行为风险概率；

13、所述划分群体模块，用于基于各个用户的所述行为风险概率，划分出多个目标用户集合。

14、可选地，所述外部接口归属于多个外部数据源；为各个外部数据源设置外部映射函数；用户行为数据分析装置，用于提取所述用户评估数据的外部特征，包括：针对每一个外部数据源，利用所述外部映射函数提取所述用户评估数据对应的外部特征；其中，在所述特征提取模型提取所述用户评估数据对应的外部特征的过程中，利用预设正则项约束所述特征提取模型。

15、可选地，所述操作行为数据归属于多个内部数据源，为各个内部数据源设置内部映射函数；用户行为数据分析装置，用于提取所述操作行为数据的内部特征，包括：针对每一个内部数据源，利用所述内部映射函数提取所述用户评估数据对应的内部特征。

16、可选地，所述混合专家网络模型包括多个专家网络；用户行为数据分析装置，用于利用多个所述专家网络，分别将所述外部特征和所述内部特征进行融合操作得到专家融合特征，其中，所述融合操作包括将所述内部特征和所述外部特征包含的特征元素相加。

17、可选地，进一步包括：所述混合专家网络模型包括专家门控网络；用户行为数据分析装置，用于利用专家门控网络，计算所述异常行为特征与多个不同专家网络之间的匹配权重；根据所述匹配权重，从多个所述专家网络中确定用于处理所述内部特征和/或外部特征的一个或多个目标专家网络，并确定所述目标专家网络对应的处理权重。

18、可选地，用户行为数据分析装置，用于并融合所述内部特征、所述外部特征和所述异常行为特征形成所述用户的目标行为特征，包括：将多个所述专家网络输出的专家融合特征分别与对应的所述处理权重相乘，得到多个专家网络对应的专家加权特征；对多个所述专家加权特征进行融合，生成所述用户的目标行为特征。

19、可选地，用户行为数据分析装置，用于基于所述目标行为特征，输出所述目标行为特征对应的行为风险概率，包括：所述混合专家网络模型包括分类网络；利用所述分类网络包含的权重矩阵以及偏置项，对所述目标行为特征进行综合评分；对所述综合评分进行归一化处理，得到所述目标行为特征对应的行为风险概率。

20、可选地，用户行为数据分析装置，用于在迭代训练所述混合专家网络模型的过程中，利用预设损失函数，评估所述混合专家网络模型输出的行为风险概率与实际风险标签的损失值；根据所述损失值评估模型训练效果；根据所述训练效果更新所述混合专家网络模型的网络参数，直到满足预设的训练迭代终止条件。

21、为实现上述目的，根据本发明实施例的第三方面，提供了一种用户行为数据分析的电子设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述用户行为数据分析方法中任一所述的方法。

22、为实现上述目的，根据本发明实施例的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如上述用户行为数据分析方法中任一所述的方法。

23、为实现上述目的，根据本发明实施例的第五方面，提供了一种计算机程序产品，包括计算机程序，其特征在于，计算机程序被处理器执行时实现如上述用户行为数据分析方法中任一方法。

24、上述发明中的一个实施例具有如下优点或有益效果：能够获取多个用户的多种行为数据；提取操作行为数据的内部特征；提取用户评估数据的外部特征；提取用户异常行为数据的异常行为特征；利用混合专家网络模型，融合内部特征、外部特征和异常行为特征形成所述用户的目标行为特征；基于目标行为特征输出目标行为特征对应的行为风险概率；基于各个用户的行为风险概率，划分出多个目标用户集合。本发明实施例通过混合专家网络模型包含的多层神经网络挖掘不同特征之间的交互和关联关系，提升了划分用户群体的准确性、精细化程度和灵活可扩展性。

25、上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。