一种基于电子画像的用户意图异常监测系统及方法与流程
本发明涉及数据处理,具体是一种基于电子画像的用户意图异常监测系统及方法。
背景技术:
1、目前,视频平台普遍通过采集用户播放时长等用户行为操作数据来识别用户意图,将用户实时操作行为数据与预设行为数据阈值进行比较,从而实现商业化推送。
2、然而,现有的剧集类视频多采用集后插播广告,广告结束后解锁正片的模式,用户在观看完正片内容后向上滑动进入广告时段易产生误触操作。现有的通过行为数据阈值的用户意图识别方式,无法区分用户主动操作与误触行为,导致系统误判用户交易意向,推送错误广告,既降低了用户的观看体验,又造成了平台流量分发错误。
技术实现思路
1、本发明的目的在于提供一种基于电子画像的用户意图异常监测系统及方法,以解决现有技术中提出的问题。
2、为实现上述目的,本发明提供如下技术方案:一种基于电子画像的用户意图异常监测方法,该方法包括:
3、调取目标用户的历史交互操作记录数据,对所述历史交互操作记录进行特征提取,得到推广内容对应的历史交互操作记录,根据提取的历史交互操作记录构建目标用户的电子画像;
4、对目标用户的电子画像进行分析,获取触控形态异常特征和时空交互异常特征;
5、采集推广内容中目标用户的实时交互操作记录数据;
6、将推广内容对应的实时交互操作记录数据依次与触控形态异常特征、时空交互异常特征进行比对,根据比对结果,对实时交互操作记录数据中的异常交互行为进行识别;
7、提取所述异常交互行为对应的表征用户交互意向的操作特征数据,匹配所述操作特征数据对应的推广策略;
8、对匹配到的所述操作特征数据对应的推广策略进行修改。
9、进一步的,对所述历史交互操作记录进行特征提取,得到推广内容对应的历史交互操作记录包括:
10、从系统的历史操作日志中,调取目标用户的历史交互操作记录数据,每条历史交互操作记录均绑定日志生成时刻对应的页面标识和用户操作动作;
11、将页面标识作为第一特征,将用户操作动作作为第二特征;其中,所述第一特征包括主体内容标识和推广内容标识,所述用户操作动作包括操作位置、操作发生时刻和操作后停留时长;
12、逐条遍历调取的目标用户的历史交互操作记录,读取每条历史交互操作记录所携带的第一特征,判断当前历史交互操作记录的第一特征属于主体内容标识或推广内容标识;
13、将第一特征为推广内容标识的历史交互操作记录,绑定场景标签p;将所有绑定场景标签p的历史交互操作记录整合为目标记录集合;
14、本发明以页面标识作为第一特征、用户操作动作作为第二特征,并利用页面标识区分主体内容场景和推广内容场景,能够从海量历史操作日志中精准、高效地筛选出仅与推广内容相关的历史交互操作记录。
15、进一步的,根据提取的历史交互操作记录构建目标用户的电子画像包括:
16、调取系统中存储的推广内容对应的展示周期,将展示周期内终止标识未激活的时段划分为待跳过时段,将展示周期内终止标识被激活的时段划分为可跳过时段;
17、提取目标记录集合,遍历所述目标记录集合内的全部历史交互操作记录中记录的操作发生时刻,将操作发生时刻处于待跳过时段的历史交互操作记录整合为第一时段操作集,将操作发生时刻处于可跳过时段的历史交互操作记录整合为第二时段操作集;
18、统计所述第一时段操作集中各历史交互操作记录中记录的操作位置、操作发生时刻和操作后停留时长,生成第一行为特征集;
19、统计所述第二时段操作集中各历史交互操作记录中记录的操作位置、操作发生时刻和操作后停留时长,生成第二行为特征集;
20、将所述第一行为特征集和第二行为特征集内的数据进行归一化处理,将归一化处理后的数据进行整合生成对应目标用户的电子画像;
21、本发明通过将推广内容的展示周期细分为终止标识未激活的待跳过时段和终止标识被激活的可跳过时段,并分别构建第一行为特征集和第二行为特征集,使得电子画像能够准确刻画用户在不同广告展示阶段的行为差异,在可跳过时段用户具有主动终止推广的能力,而在待跳过时段用户无法跳过,两个阶段用户的操作行为模式和误触概率存在本质区别。
22、进一步的,对目标用户的电子画像进行分析,获取触控形态异常特征包括:
23、提取所述第一行为特征集内各历史交互操作记录中的操作位置和操作发生时刻;
24、将操作位置按照操作发生时刻的时序顺序依次排列,并计算相邻两个操作位置间的距离,对所有相邻操作位置间的距离进行累加,得到所述历史交互操作记录对应该次操作的操作轨迹长度;
25、将第一行为特征集内各历史交互操作记录对应的操作轨迹长度进行聚类划分,得到第一轨迹区间和第二轨迹区间;其中,所述第一轨迹区间的操作轨迹长度均大于第二轨迹区间的操作轨迹长度;
26、所述第一轨迹区间和第二轨迹区间共同记为触控形态异常特征;
27、本发明通过将待跳过时段内的操作轨迹长度进行聚类划分,得到长轨迹区间和短轨迹区间,利用轨迹长度有效区分了用户的主动滑动操作与误触点击行为;其中长轨迹区间对应触控形态异常,短轨迹区间对应正常主动操作,该特征无需依赖时空位置即可初步筛选异常,为后续的精细化判定提供了有效的分层依据,提高了异常检测的效率。
28、进一步的,对目标用户的电子画像进行分析,获取时空交互异常特征包括:
29、提取推广内容展示界面中终止标识的位置坐标,记为原点位置;提取第一行为特征集内第二轨迹区间对应的历史交互操作记录,记为第一行为特征子集;分别计算第一行为特征子集和第二行为特征集中各操作位置与原点位置之间的距离;
30、以操作位置与原点位置的距离为纵轴,以操作后停留时长为横轴,分别构建第一时空特征坐标系和第二时空特征坐标系;
31、将第一行为特征子集内的各交互操作对应的所述距离和停留时间在第一时空特征坐标系中进行标注,得到若干个第一特征点;计算所有第一特征点对应的所述停留时间平均值,并记为第一时间阈值,将所述停留时间中第一个大于所述第一时间阈值的第一特征点记为分界点;在所述第一行为坐标系中过所述分界点作横轴的垂线,将垂线左侧的第一特征点标记为第一异常特征点;提取各第一异常特征点在推广内容展示界面的操作位置坐标,采用包络拟合的方式依次连接所有所述操作位置坐标中的外边界点,形成第一异常区域;将所述第一异常区域和第一时间阈值共同作为第一时空交互异常特征;
32、将第二行为特征集内的各交互操作对应的所述距离和所述停留时间在第二时空特征坐标系中进行标注,得到若干第二特征点;计算所有第二特征点对应的所述停留时间平均值,并记为第二时间阈值,将所述停留时间中第一个大于所述第二时间阈值的第二特征点记为分界点;在所述第二行为坐标系中过所述分界点作横轴的垂线,将垂线左侧的第二特征点标记为第二异常特征点;提取各第二异常特征点在推广内容展示界面的操作位置坐标,采用包络拟合的方式依次连接所有所述操作位置坐标中的外边界点,形成第二异常区域;将所述第二异常区域和第二时间阈值共同作为第二时空交互异常特征;
33、所述第一时空交互异常特征和第二时空交互异常特征共同记为时空交互异常特征;
34、本发明以推广内容展示界面中终止标识,例如跳过广告按钮的位置为原点,计算各历史操作位置与终止标识之间的距离,并结合操作后停留时长构建时空特征坐标系,通过阈值分割和包络拟合的方式,自动识别出用户在推广内容展示界面中的异常操作区域和异常操作时长阈值;该方法充分考虑到推广内容场景下,误触行为往往集中在终止标识附近区域且停留时间极短的行为规律,通过坐标系标注和包络拟合,能够精确划定高误触风险区域和对应的时长判定阈值,实现了从历史数据中自动地挖掘异常行为特征,避免了人工设定区域和阈值的主观性和不准确性。
35、进一步的,采集推广内容中目标用户的实时交互操作数据包括:
36、实时采集目标用户操作终端的交互操作数据,每条实时交互操作数据包括操作发生时刻、操作位置和操作后停留时长;
37、对实时采集的交互操作数据绑定的页面标识进行筛选,提取页面标识为推广内容标识的实时交互操作数据,根据所述实时交互操作数据对应的操作位置,计算所述实时交互操作数据对应操作的操作轨迹长度;
38、本发明通过对实时采集的交互操作数据进行页面标识筛选,仅提取页面标识为推广内容标识的实时交互操作数据参与后续异常判定,有效过滤了主体内容场景下的无关操作;这既降低了异常识别模块的实时数据处理压力,提高了系统响应速度,又避免了将正片观看场景下的用户正常操作误判为推广内容场景下的异常行为,提升了异常监测的准确性。
39、进一步的,对实时交互操作数据中的异常交互行为进行识别包括:
40、提取所述实时交互操作数据中的操作发生时刻,判断所述操作发生时刻位于待跳过时段或可跳过时段;
41、若所述操作发生时刻位于待跳过时段,则调取触控形态异常特征中的第一轨迹区间和第二轨迹区间;若实时交互操作数据对应的操作轨迹长度位于第一轨迹区间,则判定所述实时交互操作数据对应的实时交互操作为异常交互行为;若所述操作轨迹长度位于第二轨迹区间,则调取时空交互异常特征中的第一时空交互异常特征,若所述实时交互操作数据对应的操作位置在第一异常区域内且操作后停留时长小于第一时间阈值,则判定所述实时交互数据对应的实时交互操作为异常交互行为;
42、若所述操作发生时刻位于可跳过时段,则调取时空交互异常特征中的第二时空交互异常特征;若所述实时交互操作数据对应的操作位置在第二异常区域内且操作后停留时长小于第二时间阈值,则判定所述实时交互操作数据对应的实时交互操作为异常交互行为;
43、本发明根据实时交互操作发生时刻所属的时段,如待跳过时段或可跳过时段,动态调用对应的异常操作特征进行比对判定,由于待跳过时段和可跳过的时段用户的操作心理和误触概率分布不同,采用统一的判定标准必然导致误判率升高,而本发明通过时段自适应的特征匹配方式,显著提高了异常交互行为识别的准确率和场景适应性,降低了误报和漏报的概率。
44、进一步的,提取所述异常交互行为对应的表征用户交互意向的操作特征数据,匹配所述操作特征数据对应的推广策略包括:
45、调取用户意图判定数据库,所述用户意图判定数据库中存储有推广内容对应的用于表征用户交互意向的操作特征数据;
46、提取所述异常交互行为对应的操作发生时刻、操作位置和操作停留时长,将所述操作发生时刻、操作位置和操作停留时长与用户意图判定数据库中表征用户交互意图的历史操作特征数据进行特征匹配,若匹配一致则调取所述操作特征数据对应的推广策略;
47、本发明在识别出异常交互行为后,进一步提取该异常行为的操作特征数据,并将其与用户意图判定数据库中存储的历史操作特征数据进行匹配,从而精准定位该异常行为原本对应的推广策略,该方法确保了后续策略修改的针对性和准确性,避免了对所有推广内容进行无差别策略调整而造成的平台收益损失,实现了在保障用户体验的同时最大化推广效果。
48、进一步的,对匹配到的所述操作特征数据对应的推广策略进行修改包括:
49、降低所述异常交互行为对应推广内容向目标用户推送的优先级,将所述推广内容对应的终止标识调整至第一异常区域和第二异常区域之外的展示位置,并修正所述推广内容对应目标用户的用户意图判定结果;
50、本发明通过降低优先级避免了向用户反复推送其本无意向的推广内容,通过调整终止标识位置降低了用户再次误触的概率,通过修正意图判定结果保证了用户画像的准确性和后续决策的可靠性,全面提升了用户观看体验和平台流量分发效率。
51、进一步的,为了更好地实现上述方法还提供了一种基于电子画像的用户意图异常监测系统,该系统包括:历史数据采集模块、电子画像构建模块、异常特征提取模块、实时数据采集模块、异常行为识别模块、策略匹配模块和策略修改模块;
52、历史数据采集模块,用于调取目标用户的历史交互操作记录数据,对所述历史交互操作记录进行特征提取,得到推广内容对应的历史交互操作记录;
53、电子画像构建模块,用于根据提取的历史交互操作记录构建目标用户的电子画像;
54、异常特征提取模块,用于对目标用户的电子画像进行分析,获取触控形态异常特征和时空交互异常特征;
55、实时数据采集模块,用于采集推广内容中目标用户的实时交互操作数据;
56、异常行为识别模块,用于将推广内容对应的实时交互操作数据依次与触控形态异常特征、时空交互异常特征进行比对,根据比对结果,对实时交互操作数据中的异常交互行为进行识别;
57、策略匹配模块,用于提取所述异常交互行为对应的表征用户交互意向的操作特征数据,匹配所述操作特征数据对应的推广策略;
58、策略修改模块,用于对匹配到的所述操作特征数据对应的推广策略进行修改。
59、与现有技术相比,本发明的有益效果是:
60、1、本发明通过融合空间、时间及触控形态的多维行为特征,显著提升了误触操作与主动意向操作的识别区分度,有效降低了系统对用户真实意图的误判率,避免了因误触而导致的错误推送。
61、2、本发明能够根据不同广告展示阶段用户行为模式的差异进行自适应异常判定,使得监测规则不再僵化统一,大幅提高了异常识别在不同场景下的准确性,减少了漏报和虚报情况的出现。
62、3、本发明在确认异常行为后能够精准定位其所对应的推广内容,并自动执行推送优先级降级、界面控件位置避让及用户意图标签修正等优化措施,既防止了无效推广对用户的反复干扰,也降低了后续操作中再次误触的风险,从而在保障平台推广效益的同时切实改善了用户的观看流畅度和体验舒适度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com