一种基于物联网的用户行为分析方法与流程

1.本发明涉及物联网技术领域，具体而言，涉及一种基于物联网的用户行为分析方法。


背景技术：

2.随着计算机技术和互联网技术的不断发展，使得可以采集到用户的很多行为信息，如此，可以基于对行为信息进行分析的结果，进行相应的一些应用，以提高用户生活、工作的便利性等，如确定用户的行为特征，以进行相应的安防预测或信息推送等。并且，随着物联网技术的发展，使得与用户行为分析的应用得以结合，从而使得进行用户行为分析的行为信息的数量能够得到有效的保障，以提高用户行为分析的依据。
3.但是，经发明人研究发现，在现有技术中，一般是对得到的用户行为信息进行整体统一的分析处理，使得有效的用户行为信息和无效的用户行为信息充分混杂，从而导致进行的用户行为分析的可靠度依旧不高的问题。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种基于物联网的用户行为分析方法，以提高用户行为分析的可靠度。
5.为实现上述目的，本发明实施例采用如下技术方案：
6.一种基于物联网的用户行为分析方法，应用于物联网后台服务器，所述物联网后台服务器通信连接有多个物联网设备，所述基于物联网的用户行为分析方法包括：
7.分别获取每一个所述物联网设备采集的用户行为信息，得到多条用户行为信息，其中，每一个所述物联网设备用于采集位于所述物联网设备对应的监控区域的用户行为得到所述用户行为信息，每一条所述用户行为信息用于表征至少一个用户在对应的监控区域的用户行为；
8.至少基于一个目标特征维度对所述多条用户行为信息进行聚类，得到至少一个用户行为簇，其中，每一个所述用户行为簇包括至少一条所述用户行为信息，且属于同一个所述用户行为簇的任意两条所述用户行为信息在所述目标特征维度的信息满足预先配置的聚类条件；
9.对每一个所述用户行为簇包括的所述用户行为信息进行解析处理，得到至少一条目标用户行为特征信息，其中，所述目标用户行为特征信息用于表征所述物联网设备的监控区域的用户的行为特征。
10.在一些优选的实施例中，在上述基于物联网的用户行为分析方法中，所述分别获取每一个所述物联网设备采集的用户行为信息，得到多条用户行为信息的步骤，包括：
11.判断是否获取到用于指示进行用户行为分析的用户行为分析指令；
12.若判定获取到所述用户行为分析指令，则基于所述用户行为分析指令生成对应的用户行为采集信息，并将所述用户行为采集信息发送给每一个所述物联网设备，其中，所述
物联网设备用于基于接收到的所述用户行为采集信息将采集的用户行为信息发送给所述物联网后台服务器；
13.获取每一个所述物联网设备基于所述用户行为采集信息发送的用户行为信息，得到多条用户行为信息。
14.在一些优选的实施例中，在上述基于物联网的用户行为分析方法中，所述分别获取每一个所述物联网设备采集的用户行为信息，得到多条用户行为信息的步骤，包括：
15.判断当前时间信息与历史上最近一次获取所述用户行为信息的历史时间信息之间的时间差值是否大于或等于预先配置的时长阈值，其中，所述时长阈值基于所述物联网设备采集信息的频率确定；
16.若判定所述时间差值大于或等于所述时长阈值，则生成对应的用户行为采集信息，并将所述用户行为采集信息发送给每一个所述物联网设备，其中，所述物联网设备用于基于接收到的所述用户行为采集信息将采集的用户行为信息发送给所述物联网后台服务器；
17.获取每一个所述物联网设备基于所述用户行为采集信息发送的用户行为信息，得到多条用户行为信息。
18.在一些优选的实施例中，在上述基于物联网的用户行为分析方法中，所述至少基于一个目标特征维度对所述多条用户行为信息进行聚类，得到至少一个用户行为簇的步骤，包括：
19.针对每一条所述用户行为信息，对该用户行为信息进行用户识别处理，以确定该用户行为信息中是否包含有用户的行为信息；
20.将包含有用户的行为信息的每一条所述用户行为信息，确定为目标用户行为信息；
21.基于至少一个目标特征维度对所述目标用户行为信息进行聚类，得到至少一个用户行为簇，其中，每一个所述用户行为簇包括至少一条所述目标用户行为信息，且属于同一个所述用户行为簇的任意两条所述目标用户行为信息在所述目标特征维度的信息满足预先配置的聚类条件。
22.在一些优选的实施例中，在上述基于物联网的用户行为分析方法中，所述将包含有用户的行为信息的每一条所述用户行为信息，确定为目标用户行为信息的步骤，包括：
23.基于对应的采集时刻信息是否相同，将包含有用户的行为信息的每一条所述用户行为信息进行分类，得到至少一个用户行为类，其中，每一个所述用户行为类包括至少一条所述用户行为信息，且属于同一个所述用户行为类的任意两条所述用户行为信息对应的采集时刻信息相同，属于不同所述用户行为类的任意两条所述用户行为信息对应的采集时刻信息不同；
24.针对每一个所述用户行为类，确定该用户行为类包括的每一条所述用户行为信息具有的用户的行为信息是否相同；
25.将与其它的任意一条所述用户行为信息具有的用户的行为信息不同的每一条所述用户行为信息确定为目标用户行为信息；
26.对于具有相同的用户的行为信息的每一组行为信息组，对该行为信息组包括的用户行为信息进行去重处理，并将留下的用户行为信息作为该行为信息组对应的目标用户行
为信息。
27.在一些优选的实施例中，在上述基于物联网的用户行为分析方法中，所述基于至少一个目标特征维度对所述目标用户行为信息进行聚类，得到至少一个用户行为簇的步骤，包括：
28.针对每一条所述目标用户行为信息，确定该目标用户行为信息对应的用户标识信息，其中，所述用户标识信息用于表征对应的所述目标用户行为信息中的用户的身份信息；
29.基于所述用户标识信息是否相同对所述目标用户行为信息进行聚类，得到至少一个用户行为簇，其中，属于同一个所述用户行为簇的任意两条所述目标用户行为信息对应的用户标识信息相同，属于不同所述用户行为簇的任意两条所述目标用户行为信息对应的用户标识信息不同。
30.在一些优选的实施例中，在上述基于物联网的用户行为分析方法中，所述针对每一条所述目标用户行为信息，确定该目标用户行为信息对应的用户标识信息的步骤，包括：
31.针对每一条所述目标用户行为信息，确定该目标用户行为信息中具有的用户是否为多个；
32.对于具有的用户为一个的每一条所述目标用户行为信息，确定该目标用户行为信息对应的用户标识信息；
33.对于具有的用户为多个的每一条所述目标用户行为信息，确定该目标用户行为信息具有的多个用户中的目标用户，并将该目标用户对应的用户标识信息确定为该目标用户行为信息对应的用户标识信息。
34.在一些优选的实施例中，在上述基于物联网的用户行为分析方法中，所述针对每一条所述目标用户行为信息，确定该目标用户行为信息对应的用户标识信息的步骤，包括：
35.针对每一条所述目标用户行为信息，确定该目标用户行为信息中具有的用户是否为多个；
36.对于具有的用户为一个的每一条所述目标用户行为信息，确定该目标用户行为信息对应的用户标识信息；
37.对于具有的用户为多个的每一条所述目标用户行为信息，基于该目标用户行为信息具有的用户的数量生成对应数量条目标用户行为信息，并将该目标用户行为信息具有每一个用户的用户标识信息分别作为该目标用户行为信息对应的每一条目标用户行为信息的用户标识信息。
38.在一些优选的实施例中，在上述基于物联网的用户行为分析方法中，所述对每一个所述用户行为簇包括的所述用户行为信息进行解析处理，得到至少一条目标用户行为特征信息的步骤，包括：
39.针对每一个所述用户行为簇，对该用户行为簇包括的每一条所述用户行为信息进行用户行为特征提取处理，得到该用户行为簇对应的用户的第一用户行为特征信息，其中，属于同一个所述用户行为簇的任意两条所述用户行为信息对应的用户相同，属于不同所述用户行为簇的任意两条所述用户行为信息对应的用户不同；
40.针对每一个所述用户行为簇，确定出与该用户行为簇对应的用户具有关联关系的其它用户，并将该其它用户的第一用户行为特征信息，作为该用户行为簇对应的用户的第二用户行为特征信息；
41.针对每一个所述用户行为簇，将该用户行为簇对应的用户的所述第一用户行为特征信息和所述第二用户行为特征信息进行融合，得到该用户行为簇对应的用户的目标用户行为特征信息。
42.在一些优选的实施例中，在上述基于物联网的用户行为分析方法中，所述针对每一个所述用户行为簇，将该用户行为簇对应的用户的所述第一用户行为特征信息和所述第二用户行为特征信息进行融合，得到该用户行为簇对应的用户的目标用户行为特征信息的步骤，包括：
43.针对每一个所述用户行为簇，将该用户行为簇对应的用户的所述第一用户行为特征信息和所述第二用户行为特征信息进行对比，以确定所述第一用户行为特征信息和所述第二用户行为特征信息之间是否具有相同的用户行为动作信息，其中，所述第一用户行为特征信息和所述第二用户行为特征信息分别基于所述用户行为信息对应的用户行为动作信息构成；
44.针对每一个所述用户行为簇，若该用户行为簇对应的用户的所述第一用户行为特征信息和所述第二用户行为特征信息之间不具有相同的用户行为特征信息，则将所述第一用户行为特征信息作为该用户行为簇对应的用户的目标用户行为特征信息；
45.针对每一个所述用户行为簇，若该用户行为簇对应的用户的所述第一用户行为特征信息和所述第二用户行为特征信息之间具有相同的用户行为特征信息，则基于所述第二用户行为特征信息对所述第一用户行为特征信息进行更新处理，得到该用户行为簇对应的用户的目标用户行为特征信息。
46.本发明提供的一种基于物联网的用户行为分析方法，通过在获取到多条用户行为信息之后，先基于至少一个目标特征维度对多条用户行为信息进行聚类，以得到至少一个用户行为簇，然后，可以对每一个用户行为簇包括的用户行为信息进行解析处理得到至少一条目标用户行为特征信息。由于采用本发明提供的方案时，会基于目标特征维度进行聚类，使得同一个用户行为簇包括的各用户行为信息在目标特征维度下会具有较高的关联性，从而保障在对用户行为簇包括的用户行为信息进行行为分析时，依据(用户行为信息)之间具有较高的关联性，以提高用户行为分析的可靠度，进而改善现有技术中由于依据之间不具有较高的关联性而导致相互冲突以使得用户行为分析的可靠度不高的问题。
47.为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
48.图1为本发明实施例提供的物联网后台服务器的应用框图。
49.图2为本发明实施例提供的基于物联网的用户行为分析方法包括的各步骤的流程示意图。
50.图3为本发明实施例提供的基于物联网的用户行为分析系统包括的各功能模块的示意图。
具体实施方式
51.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例
中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
52.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
53.如图1所示，本发明实施例提供了一种物联网后台服务器。其中，所述物联网后台服务器可以包括存储器和处理器。
54.可选地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式，存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例(如后文所述)提供的基于物联网的用户行为分析方法。
55.可选地，所述存储器可以是，但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read
‑
only memory，prom)，可擦除只读存储器(erasable programmable read
‑
only memory，eprom)，电可擦除只读存储器(electric erasable programmable read
‑
only memory，eeprom)等。所述处理器可以是一种通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)、片上系统(system on chip，soc)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
56.结合图2，本发明实施例还提供一种基于物联网的用户行为分析方法，可应用于上述物联网后台服务器。其中，所述基于物联网的用户行为分析方法有关的流程所定义的方法步骤，可以由所述物联网后台服务器实现。
57.下面将对图2所示的具体流程，进行详细阐述。
58.步骤s100，分别获取每一个所述物联网设备采集的用户行为信息，得到多条用户行为信息。
59.在本实施例中，所述物联网后台服务器通信连接有多个物联网设备，基于此，所述物联网后台服务器可以先执行步骤s100，以分别获取每一个所述物联网设备采集的用户行为信息，得到多条用户行为信息。
60.其中，每一个所述物联网设备用于采集位于所述物联网设备对应的监控区域的用户行为得到所述用户行为信息，每一条所述用户行为信息用于表征至少一个用户在对应的监控区域的用户行为。
61.步骤s200，至少基于一个目标特征维度对所述多条用户行为信息进行聚类，得到至少一个用户行为簇。
62.在本实施例中，所述物联网后台服务器在执行上述的步骤s100之后，可以进一步执行步骤s200，以至少基于一个目标特征维度对所述多条用户行为信息进行聚类，得到至少一个用户行为簇。
63.其中，每一个所述用户行为簇包括至少一条所述用户行为信息，且属于同一个所述用户行为簇的任意两条所述用户行为信息在所述目标特征维度的信息满足预先配置的聚类条件。
64.步骤s300，对每一个所述用户行为簇包括的所述用户行为信息进行解析处理，得到至少一条目标用户行为特征信息。
65.在本实施例中，所述物联网后台服务器在执行上述的步骤s200之后，可以进一步执行步骤s300，以对每一个所述用户行为簇包括的所述用户行为信息进行解析处理，得到至少一条目标用户行为特征信息。
66.其中，所述目标用户行为特征信息可以用于表征所述物联网设备的监控区域的用户的行为特征。
67.基于上述步骤，通过在获取到多条用户行为信息之后，先基于至少一个目标特征维度对多条用户行为信息进行聚类，以得到至少一个用户行为簇，然后，可以对每一个用户行为簇包括的用户行为信息进行解析处理得到至少一条目标用户行为特征信息。由于采用本发明提高的方案时，会基于目标特征维度进行聚类，使得同一个用户行为簇包括的各用户行为信息在目标特征维度下会具有较高的关联性，从而保障在对用户行为簇包括的用户行为信息进行行为分析时，依据(用户行为信息)之间具有较高的关联性，以提高用户行为分析的可靠度，进而改善现有技术(如直接对获取的用户行为信息进行解析处理)中由于依据之间不具有较高的关联性而导致相互冲突以使得用户行为分析的可靠度不高的问题。
68.可选地，在一种示例中，步骤s100可以包括以下步骤：
69.首先，判断是否获取到用于指示进行用户行为分析的用户行为分析指令；其次，若判定获取到所述用户行为分析指令，则基于所述用户行为分析指令生成对应的用户行为采集信息，并将所述用户行为采集信息发送给每一个所述物联网设备，其中，所述物联网设备用于基于接收到的所述用户行为采集信息将采集的用户行为信息发送给所述物联网后台服务器；最后，获取每一个所述物联网设备基于所述用户行为采集信息发送的用户行为信息，得到多条用户行为信息。
70.可选地，在另一种示例中，步骤s100可以包括以下步骤：
71.首先，判断当前时间信息与历史上最近一次获取所述用户行为信息的历史时间信息之间的时间差值是否大于或等于预先配置的时长阈值，其中，所述时长阈值基于所述物联网设备采集信息的频率确定，如所述频率越高，对应的时长阈值越小，所述频率越低，对应的时长阈值越大；其次，若判定所述时间差值大于或等于所述时长阈值，则生成对应的用户行为采集信息，并将所述用户行为采集信息发送给每一个所述物联网设备，其中，所述物联网设备用于基于接收到的所述用户行为采集信息将采集的用户行为信息发送给所述物联网后台服务器；然后，获取每一个所述物联网设备基于所述用户行为采集信息发送的用户行为信息，得到多条用户行为信息。
72.可选地，在一种示例中，步骤s200可以包括以下步骤：
73.首先，针对每一条所述用户行为信息，对该用户行为信息进行用户识别处理，以确定该用户行为信息中是否包含有用户的行为信息，基于此，所述用户行为信息可以是图像采集设备采集的一帧图像，如此，可以确定该图像中是否包含有用户，如人物；
74.其次，将包含有用户的行为信息的每一条所述用户行为信息，确定为目标用户行
为信息，即将不包含有用户的行为信息的用户行为信息丢弃；
75.然后，基于至少一个目标特征维度对所述目标用户行为信息进行聚类，得到至少一个用户行为簇，其中，每一个所述用户行为簇包括至少一条所述目标用户行为信息，且属于同一个所述用户行为簇的任意两条所述目标用户行为信息在所述目标特征维度的信息满足预先配置的聚类条件。
76.可选地，在一种示例中，在上述步骤的基础上，可以进一步基于以下步骤以确定出目标用户行为信息：
77.首先，基于对应的采集时刻信息是否相同，将包含有用户的行为信息的每一条所述用户行为信息进行分类，得到至少一个用户行为类，其中，每一个所述用户行为类包括至少一条所述用户行为信息，且属于同一个所述用户行为类的任意两条所述用户行为信息对应的采集时刻信息相同，属于不同所述用户行为类的任意两条所述用户行为信息对应的采集时刻信息不同；
78.其次，针对每一个所述用户行为类，确定该用户行为类包括的每一条所述用户行为信息具有的用户的行为信息是否相同；
79.然后，将与其它的任意一条所述用户行为信息具有的用户的行为信息不同的每一条所述用户行为信息确定为目标用户行为信息；
80.之后，对于具有相同的用户的行为信息的每一组行为信息组，对该行为信息组包括的用户行为信息进行去重处理，并将留下的用户行为信息(如相同的各用户行为信息中可以保留一条用户行为信息)作为该行为信息组对应的目标用户行为信息。
81.可选地，在一种示例中，在上述步骤的基础上，可以进一步基于以下步骤以对所述目标用户行为信息进行聚类，得到至少一个用户行为簇：
82.首先，针对每一条所述目标用户行为信息，确定该目标用户行为信息对应的用户标识信息，其中，所述用户标识信息用于表征对应的所述目标用户行为信息中的用户的身份信息(如在识别的过程中，分别为不同的用户进行标号，如用户1、用户2、用户3等，或者，可以识别出用户之后，与身份数据库进行匹配，以得到对应的身份信息)；
83.其次，基于所述用户标识信息是否相同对所述目标用户行为信息进行聚类，得到至少一个用户行为簇，其中，属于同一个所述用户行为簇的任意两条所述目标用户行为信息对应的用户标识信息相同，属于不同所述用户行为簇的任意两条所述目标用户行为信息对应的用户标识信息不同。
84.可选地，在一种示例中，在上述步骤的基础上，可以进一步基于以下步骤以确定所述目标用户行为信息对应的用户标识信息：
85.首先，针对每一条所述目标用户行为信息，确定该目标用户行为信息中具有的用户是否为多个(如两个极其以上)；
86.其次，对于具有的用户为一个的每一条所述目标用户行为信息，确定该目标用户行为信息对应的用户标识信息；
87.然后，对于具有的用户为多个的每一条所述目标用户行为信息，确定该目标用户行为信息具有的多个用户中的目标用户(如包含的信息最多的一个用户，如图像中占据区域最大的一个用户)，并将该目标用户对应的用户标识信息确定为该目标用户行为信息对应的用户标识信息。
88.可选地，在另一种示例中，在上述步骤的基础上，也可以进一步基于以下步骤以确定所述目标用户行为信息对应的用户标识信息：
89.首先，针对每一条所述目标用户行为信息，确定该目标用户行为信息中具有的用户是否为多个；
90.其次，对于具有的用户为一个的每一条所述目标用户行为信息，确定该目标用户行为信息对应的用户标识信息；
91.然后，对于具有的用户为多个的每一条所述目标用户行为信息，基于该目标用户行为信息具有的用户的数量生成对应数量条目标用户行为信息(如有5个用户，可以再复制4条目标用户行为信息，如此，加上本身具有的一条目标用户行为信息，可以得到5条目标用户行为信息)，并将该目标用户行为信息具有每一个用户的用户标识信息分别作为该目标用户行为信息对应的每一条目标用户行为信息的用户标识信息(如在5个用户和5条目标用户行为信息之间建立一一对应关系)。
92.可选地，在一种示例中，步骤s200可以包括以下步骤：
93.首先，针对每一个所述用户行为簇，对该用户行为簇包括的每一条所述用户行为信息进行用户行为特征提取处理，得到该用户行为簇对应的用户的第一用户行为特征信息，其中，属于同一个所述用户行为簇的任意两条所述用户行为信息对应的用户相同，属于不同所述用户行为簇的任意两条所述用户行为信息对应的用户不同；
94.其次，针对每一个所述用户行为簇，确定出与该用户行为簇对应的用户具有关联关系的其它用户(例如，可以基于连接的身份数据库，确定出具有关联关系的一个其它用户，或者，可以基于历史上确定的每一个用户的历史用户行为特征信息之间相似度，并将相似度最大的历史用户行为特征信息对应的其它用户确定为具有关联关系)，并将该其它用户的第一用户行为特征信息，作为该用户行为簇对应的用户的第二用户行为特征信息；
95.然后，针对每一个所述用户行为簇，将该用户行为簇对应的用户的所述第一用户行为特征信息和所述第二用户行为特征信息进行融合，得到该用户行为簇对应的用户的目标用户行为特征信息。
96.可选地，在一种示例中，在上述步骤的基础上，可以进一步基于以下步骤以得到所述用户行为簇对应的用户的第一用户行为特征信息：
97.第一步，将所述用户行为簇中的每两条所述用户行为信息作为对应的第一用户行为信息和第二用户行为信息(可以理解的是，这一系列步骤可以是针对一个用户行为簇，且每一个用户行为簇可以分别都基于这一系列步骤得到对应的第一用户行为特征信息)；
98.第二步，针对对应的所述第一用户行为信息和所述第二用户行为信息，确定该第一用户行为信息和该第二用户行为信息之间关于对应的采集时间的用户行为关联度(将采集时间之间的时间关联度作为用户行为关联度)；
99.第三步，对于大于或等于预先配置的用户行为关联度阈值的每一个所述用户行为关联度，将该用户行为关联度对应的所述第一用户行为信息和所述第二用户行为信息进行分布网络连接处理，以构建对应的用户行为分布网络，其中，在所述用户行为分布网络中，经过所述分布网络连接处理的两条所述用户行为信息可以直接连接，未经过所述分布网络连接处理的两条所述用户行为信息不直接连接；
100.第四步，在所述用户行为分布网络中，确定连接在采集时间最早的用户行为信息
和采集时间最晚的用户行为信息之间的网络路径；
101.第五步，针对每一条所述网络路径，基于该网络路径上直接连接的用户行为信息之间的用户行为关联度得到该网络路径对应的行为关联度表征值(如计算各用户行为关联度的平均值)，并基于该网络路径上包括的用户行为信息的数量得到具有正相关关系的第一关联系数；
102.第六步，基于每一条所述网络路径对应的行为关联度表征值和对应的第一关联系数，在得到的至少一条所述网络路径中确定出目标网络路径，如计算行为关联度表征值和对应的第一关联系数的乘积，然后，得到最大乘积，再将最大乘积对应的网络路径确定为目标网络路径；
103.第七步，基于所述目标网络路径上包括的每一条所述用户行为信息对应的用户行为动作信息，得到对应的第一用户行为特征信息(如此，按照从采集时间最早的用户行为信息到采集时间最晚的用户行为信息的方向，将对应的用户行为动作依次排序，形成系列动作，即为所述第一用户行为特征信息，例如，动作1之后是动作2，动作2之后是动作3等)。
104.可选地，在一种示例中，在上述步骤的基础上，可以进一步基于以下步骤以将所述用户行为簇对应的用户的所述第一用户行为特征信息和所述第二用户行为特征信息进行融合：
105.首先，针对每一个所述用户行为簇，将该用户行为簇对应的用户的所述第一用户行为特征信息和所述第二用户行为特征信息进行对比，以确定所述第一用户行为特征信息和所述第二用户行为特征信息之间是否具有相同的用户行为动作信息，其中，所述第一用户行为特征信息和所述第二用户行为特征信息分别基于所述用户行为信息对应的用户行为动作信息构成(如上述的动作1之后是动作2，动作2之后是动作3)；
106.其次，针对每一个所述用户行为簇，若该用户行为簇对应的用户的所述第一用户行为特征信息和所述第二用户行为特征信息之间不具有相同的用户行为特征信息，则将所述第一用户行为特征信息作为该用户行为簇对应的用户的目标用户行为特征信息；
107.然后，针对每一个所述用户行为簇，若该用户行为簇对应的用户的所述第一用户行为特征信息和所述第二用户行为特征信息之间具有相同的用户行为特征信息，则基于所述第二用户行为特征信息对所述第一用户行为特征信息进行更新处理，得到该用户行为簇对应的用户的目标用户行为特征信息(例如，在第一用户行为特征信息中具有动作1，该动作1之后为动作3，在第二用户行为特征信息中具有动作1，该动作1之后为动作4，然后，在第一用户行为特征信息中获取动作1和动作3对应的用户行为信息之间的用户行为关联度，在第二用户行为特征信息中获取动作1和动作4对应的用户行为信息之间的用户行为关联度，再计算这后一个用户行为关联度减去前一个用户行为关联度的差值，若这个差值大于一预先配置的阈值，可以在第一用户行为特征信息中将动作3更新为动作4，若这个差值小于或等于该阈值，可以在第一用户行为特征信息中保留动作3)。
108.结合图3，本发明实施例还提供一种基于物联网的用户行为分析系统，可应用于上述物联网后台服务器。其中，所述基于物联网的用户行为分析系统可以包括如下功能模块：
109.用户行为信息获取模块，可以用于分别获取每一个所述物联网设备采集的用户行为信息，得到多条用户行为信息，其中，每一个所述物联网设备用于采集位于所述物联网设备对应的监控区域的用户行为得到所述用户行为信息，每一条所述用户行为信息用于表征
至少一个用户在对应的监控区域的用户行为；
110.用户行为信息聚类模块，可以用于至少基于一个目标特征维度对所述多条用户行为信息进行聚类，得到至少一个用户行为簇，其中，每一个所述用户行为簇包括至少一条所述用户行为信息，且属于同一个所述用户行为簇的任意两条所述用户行为信息在所述目标特征维度的信息满足预先配置的聚类条件；
111.用户行为信息解析模块，可以用于对每一个所述用户行为簇包括的所述用户行为信息进行解析处理，得到至少一条目标用户行为特征信息，其中，所述目标用户行为特征信息用于表征所述物联网设备的监控区域的用户的行为特征。
112.综上所述，本发明提供的一种基于物联网的用户行为分析方法，通过在获取到多条用户行为信息之后，先基于至少一个目标特征维度对多条用户行为信息进行聚类，以得到至少一个用户行为簇，然后，可以对每一个用户行为簇包括的用户行为信息进行解析处理得到至少一条目标用户行为特征信息。由于采用本发明提高的方案时，会基于目标特征维度进行聚类，使得同一个用户行为簇包括的各用户行为信息在目标特征维度下会具有较高的关联性，从而保障在对用户行为簇包括的用户行为信息进行行为分析时，依据(用户行为信息)之间具有较高的关联性，以提高用户行为分析的可靠度，进而改善现有技术中由于依据之间不具有较高的关联性而导致相互冲突以使得用户行为分析的可靠度不高的问题。
113.以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。