用户习惯的挖掘方法、装置及电子设备与流程

1.本公开涉及数据处理技术领域，尤其涉及大数据、数据挖掘等领域，具体涉及用户习惯的挖掘方法、装置及电子设备。


背景技术：

2.目前，如何准确的确定应用中用户的使用习惯，是减少无效推送，提升推送的点击率的关键。


技术实现要素：

3.本公开提供了一种用户习惯的挖掘方法和装置。
4.根据本公开的一方面，提供了一种用户习惯的挖掘方法，包括：
5.获取用户在预设的连续时段内访问目标应用的各时间数据；
6.根据所述各时间数据，确定所述用户在所述预设的连续时段内访问所述目标应用的第一时域函数；
7.对所述第一时域函数进行傅里叶变换，以获取所述时域函数对应的傅里叶级数；
8.在所述傅里叶级数中的前n级分量之和对应的第二时域函数与所述第一时域函数的匹配度大于第一阈值、且所述前n级分量中至少一个分量满足预设条件的情况下，确定所述用户为所述目标应用的周期性访问用户，其中,n为大于零、且小于第二阈值的整数。
9.根据本公开的另一方面，提供了一种用户习惯的挖掘装置，包括：
10.获取模块，用于获取用户在预设的连续时段内访问目标应用的各时间数据；
11.确定模块，用于根据所述各时间数据，确定所述用户在所述预设的连续时段内访问所述目标应用的第一时域函数；
12.上述获取模块，用于对所述第一时域函数进行傅里叶变换，以获取所述时域函数对应的傅里叶级数；
13.上述确定模块，还用于在所述傅里叶级数中的前n级分量之和对应的第二时域函数与所述第一时域函数的匹配度大于第一阈值、且所述前n级分量中至少一个分量满足预设条件的情况下，确定所述用户为所述目标应用的周期性访问用户，其中,n为大于零、且小于第二阈值的整数。
14.根据本公开的另一方面，提供了一种电子设备，包括：
15.至少一个处理器；以及
16.与所述至少一个处理器通信连接的存储器；其中，
17.所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述实施例所述的方法。
18.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据上述实施例所述的方法。
19.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算
机程序在被处理器执行时实现上述实施例所述方法的步骤。
20.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
21.附图用于更好地理解本方案，不构成对本公开的限定。其中：
22.图1为本公开实施例提供的一种用户习惯的挖掘方法的流程示意图；
23.图2为本公开实施例提供的一种傅里叶变换的过程示意图；
24.图3为本公开实施例提供的一种确定周期性访问用户的过程示意图；
25.图4为本公开实施例提供的另一种用户习惯的挖掘方法的流程示意图；
26.图5为本公开实施例提供的另一种用户习惯的挖掘方法的流程示意图；
27.图6为本公开实施例提供的另一种用户习惯的挖掘方法的流程示意图；
28.图7为本公开实施例提供的另一种用户习惯的挖掘装置的流程示意图；
29.图8是用来实现本公开实施例的用户习惯的挖掘的电子设备的框图。
具体实施方式
30.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
31.大数据，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
32.数据挖掘，是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。
33.本公开中，通过将用户访问应用的时间函数进行傅里叶变换，以获取该时间函数对应的傅里叶级数，并通过傅里叶级数中的分量的振幅，确定用户是否为周期性访问用户。由此，通过对时间函数进行傅里叶变换，从频域角度能够准确的确定用户访问应用的时间是否具有周期性，从而提高了确定用户为周期性访问用户的准确性和可靠性。
34.下面参考附图，对本公开实施例的用户习惯的挖掘方法、装置、电子设备和存储介质进行详细说明。
35.图1为本公开实施例提供的一种用户习惯的挖掘方法的流程示意图。
36.如图1所示，该方法包括：
37.步骤101，获取用户在预设的连续时段内访问目标应用的各时间数据。
38.其中，目标应用可以为任一需要根据用户的访问时间习惯，进行数据推送的应用。
39.本公开中，当某一用户在访问目标应用时，系统可以该用户启动目标应用的时间数据及该用户的用户名记录在日志中。由此，可以通过解析日志，即可获取用户在预设的连续时段内访问目标应用的各时间数据。
40.其中，预设的连续时段可以根据实际需求确定，可以为1周、也可以为1个月、或者20天等，时间数据可以包含启动目标应用的日期及时刻信息等，本公开对此不作限制。
41.比如，时间数据可以2022-0628-10，代表2022年6月28日10点。
42.步骤102，根据各时间数据，确定用户在预设的连续时段内访问目标应用的第一时域函数。
43.本公开中，可以根据各时间数据对应的日期及时刻，确定各时间数据在时域坐标系中的坐标点。
44.如图2所示，图2a左图中各点对应于各时间数据，其中，图2a左图的坐标系中横轴代表时间数据对应的时刻，纵轴代表时间数据对应的日期。图2b中的时域坐标系的横轴为时间轴，纵轴为振幅轴，时间轴上的刻度按照正方向依次对应于按照日期顺序排列的时刻，比如，假设时间轴上0-24中包含的整数刻度分别对应于2022年6月1日的24小时，则25-48包含的整数刻度分别对应于2022年6月2日的24小时，49-72包含的整数刻度分别对应于2022年6月3日的24小时。由此，可以根据各时间数据对应的日期及时刻，确定各时间数据对应的坐标点的横坐标值，并将各坐标点的纵坐标确定为固定值，比如图2b中将各坐标点的纵坐标确定为固定值1，从而即可确定各时间数据对应的坐标点。图2b中
“×”
代表图2a中各时间数据对应的坐标点。
45.之后，可以根据各时间数据对应的坐标点，生成第一时域函数。
46.步骤103，对第一时域函数进行傅里叶变换，以获取时域函数对应的傅里叶级数。
47.本公开中，可以将预设的连续时段所包含的总的小时数，确定为傅里叶级数对应的周期，并根据该周期确定傅里叶级数对应的基频，之后，可以根据基频、第一时域函数及周期，确定傅里叶级数中各分量的振幅、角频率及初相位。由此即可确定傅里叶级数中各分量。其中，傅里叶级数中的分量可以为正弦函数或余弦函数，本公开对此不作限制。
48.可选的，还可以从预设的连续时段所包含的总天数中去除，预设的连续时段的开始时段中无时间数据对应的天数，及预设的连续时段的结束时段中无时间数据对应的天数，并剩下的天数所包含的小时数，确定为傅里叶级数对应的周期，并根据该周期确定傅里叶级数对应的基频，从而可以确定傅里叶级数中各分量。
49.步骤104，在傅里叶级数中的前n级分量之和对应的第二时域函数与第一时域函数的匹配度大于第一阈值、且前n级分量中至少一个分量满足预设条件的情况下，确定用户为目标应用的周期性访问用户，其中，n为大于零、且小于第二阈值的整数。
50.本公开中，当傅里叶级数中的前n级分量之和对应的第二时域函数的图像包含各时间数据对应的坐标点时，说明该第二时域函数包含了各时间数据的特征，此时第二时域函数也包含了第一时域函数的特征。因此，可以通过第二时域函数的图像中所包含的各时间数据对应的坐标点的数量，确定第二时域函数与第一时域函数的匹配度。比如，可以根据第二时域函数的图像中包含的各时间数据对应的坐标点的数量与各时间数据对应的坐标点的总数量的比值，确定为第二时域函数与第一时域函数的匹配度。
51.可以理解的是当第二时域函数的图像中包含的各时间数据对应的坐标点的数量越多时，第二时域函数与第一时域函数的匹配度就越高。
52.如图2所示，图2c中
“×”
代表图2a中各时间数据对应的坐标点，图2c为前168个分量之和对应第二时域函数的图像，该图像中包含了所有时间数据对应的坐标点，因此，第二
时域函数与第一时域函数的匹配度较高。
53.本公开中，当第二时域函数与第一时域函数的匹配度大于第一阈值时，即可确定第二时域函数与第一时域函数最相似。此时，当第二时域函数包含的频率为m*t倍基频的各分量中任一分量的振幅较大时，说明各时间数据对应的坐标点具有时间上的周期性，从而可以准确的确定该用户为周期性访问用户。因此，可以将第二时域函数包含的频率为m*t倍基频的各分量中每个分量的振幅与预设的第三阈值进行比较，当频率为m*t倍基频的各分量中任一分量的振幅大于第三阈值时，即可确定该用户为周期性访问用户，且该用户为天级习惯访问用户。其中，天级习惯访问用户为在一天中的固定时间访问目标应用，且访问天数较多的用户，t为预设的连续时段内包含的天数，m为正整数，m*t小于或等于n。
54.如图3所示，图3左图为用户连续20天内的5点、21点、22点、23点中任一时刻访问目标应用的各时间数据，图3右图为该数据对应的第二时域函数在频域上的图像，由图3右图确定频率为m*t倍基频的各分量的振幅最大值为0.093，假设第三阈值为0.05，因此，该用户为为天级习惯访问用户。
55.可选的，第二时间函数中频率为m*t倍基频的各分量的振幅之和大于预设的第四阈值时，也说明部分时间数据对应的坐标点具有时间上的周期性，该用户为周期性访问用户，且该用户为非天级习惯访问用户，从而充分的挖掘出了周期性访问用户。其中，非天级习惯访问用户为在一天中的固定时间访问目标应用，但访问天数较少的用户。
56.如图2所示，图2a中右图即为图2a中左图的各时间数据对应的第二时域函数中部分分量在频域上的图像。假设第四阈值为0.7，第三阈值为0.05，图2a右图中频率为m*t倍基频的各分量中任一分量的振幅小于0.05，但是频率为m*t倍基频的各分量的振幅之和大于0.7，因此，可以确定该用户为非天级习惯访问用户。
57.可选的，当各时间数据对应的总天数小于预设阈值时，比如，各时间数据对应的总天数小于等于2天时，说明该用户不经常访问目标应用，因此可以直接确定该用户不是目标应用的周期性访问用户。
58.本公开中，在获取用户在预设的连续时段内访问目标应用的各时间数据后，可以根据各时间数据，确定用户在预设的连续时段内访问目标应用的第一时域函数，之后，可以对第一时域函数进行傅里叶变换，以获取时域函数对应的傅里叶级数，并在傅里叶级数中的前n级分量之和对应的第二时域函数与第一时域函数的匹配度大于第一阈值、且前n级分量中至少一个分量满足预设条件的情况下，确定用户为目标应用的周期性访问用户。由此，通过对时间函数进行傅里叶变换，从频域角度能够准确的确定用户访问目标应用的时间是否具有周期性，从而提高了确定用户为周期性访问用户的准确性和可靠性。
59.图4为本公开实施例提供的另一种用户习惯的挖掘方法的流程示意图。
60.如图4所示，该方法包括：
61.步骤401，获取用户在预设的连续时段内访问目标应用的各时间数据。
62.本公开中，步骤401的具体实现过程，可参见本公开任一实施例的详细描述，在此不再赘述。
63.步骤402，根据各时间数据关联的日期类型，对各时间数据进行分类，以确定预设的连续时间段内，每种日期类型对应的各个时间数据。
64.其中，日期类型可以包括工作日类型和节假日类型等，本公开对此不作限制。
65.本公开中，用户在工作日中习惯访问目标应用的时间，可能和在节假日中习惯访问目标应用的时间不同。因此，可以根据各时间数据关联的日期类型，对各时间数据进行分类，以确定预设的连续时间段内，每种日期类型对应的各个时间数据。之后，可以根据每种日期类型对应的各个时间数据，分别确定用户在不同日期类型下是否为目标应用的周期性访问用户，从而可以提高确定用户为周期性访问用户的准确性。
66.步骤403，根据每种日期类型对应的各个时间数据，确定用户在每种日期类型下访问目标应用的第一时域函数。
67.本公开中，可以根据某一日期类型中各时间数据对应的日期及时刻，确定该日期类型中各时间数据在时域坐标系中的坐标点。之后，可以根据该日期类型中各时间数据对应的坐标点，生成该日期类型下访问目标用户的第一时域函数。同理可以分别确定用户在每种日期类型下访问目标应用的第一时域函数。
68.比如，可以根据工作日类型对应的各时间数据对应的日期及时刻，确定工作日类型中各时间数据在时域坐标系中的坐标点，可以根据工作日类型中各时间数据对应的坐标点，生成工作日类型下访问目标用户的第一时域函数。或者，可以根据节假日类型对应的各时间数据对应的日期及时刻，确定节假日类型中各时间数据在时域坐标系中的坐标点，可以根据节假日类型中各时间数据对应的坐标点，生成节假日类型下访问目标用户的第一时域函数。
69.步骤404，对第一时域函数进行傅里叶变换，以获取时域函数对应的傅里叶级数。
70.步骤405，在傅里叶级数中的前n级分量之和对应的第二时域函数与第一时域函数的匹配度大于第一阈值、且前n级分量中至少一个分量满足预设条件的情况下，确定用户为目标应用的周期性访问用户，其中,n为大于零、且小于第二阈值的整数。
71.本公开中，步骤404-步骤405的具体实现过程，可参见本公开任一实施例的详细描述，在此不再赘述。
72.本公开中，在获取用户在预设的连续时段内访问目标应用的各时间数据后，可以根据各时间数据关联的日期类型，对各时间数据进行分类，以确定预设的连续时间段内，每种日期类型对应的各个时间数据，并根据每种日期类型对应的各个时间数据，确定用户在每种日期类型下访问目标应用的第一时域函数，之后，可以对第一时域函数进行傅里叶变换，以获取时域函数对应的傅里叶级数，并在傅里叶级数中的前n级分量之和对应的第二时域函数与第一时域函数的匹配度大于第一阈值、且前n级分量中至少一个分量满足预设条件的情况下，确定用户为目标应用的周期性访问用户。由此，通过对时间数据进行分类，并对各日期类型对应的时间函数进行傅里叶变换，从频域角度能够准确的确定用户在不同日期类型下访问目标应用的时间是否具有周期性，从而提高了确定用户为周期性访问用户的准确性和可靠性。
73.图5为本公开实施例提供的一种用户习惯的挖掘方法的流程示意图。
74.如图5所示，该方法包括：
75.步骤501，获取用户在预设的连续时段内访问目标应用的各时间数据。
76.步骤502，根据各时间数据关联的日期类型，对各时间数据进行分类，以确定预设的连续时间段内，每种日期类型对应的各个时间数据。
77.本公开中，步骤501-步骤502的具体实现过程，可参见本公开任一实施例的详细描
述，在此不再赘述。
78.步骤503，在预设的连续时段内的任一日期中无时间数据的情况下，将在任一日期之后的各时间数据向前移动24小时。
79.本公开中，考虑到用户并非每天都访问目标应用，当在预设的连续时间段内存在较多无时间数据的日期时，影响根据各时间数据生成的第一时域函数对应的周期，从而影响对第一时域函数进行傅里叶变换所生成的傅里叶级数，进而影响确定用户是否为周期性访问用户的准确性。
80.因此，可以在预设的连续时段内的任一日期中无时间数据的情况下，将在任一日期之后的各时间数据向前移动24小时，从而可以避免无时间数据的日期对确定用户是否为周期性访问用户的影响，提高了确定目标用户为周期性访问用户的准确性。
81.步骤504，根据每种日期类型对应的各个时间数据，确定用户在每种日期类型下访问目标应用的第一时域函数。
82.步骤505，对第一时域函数进行傅里叶变换，以获取时域函数对应的傅里叶级数。
83.步骤506，在傅里叶级数中的前n级分量之和对应的第二时域函数与第一时域函数的匹配度大于第一阈值、且前n级分量中至少一个分量满足预设条件的情况下，确定用户为目标应用的周期性访问用户，其中，n为大于零、且小于第二阈值的整数。
84.本公开中，步骤504-步骤506的具体实现过程，可参见本公开任一实施例的详细描述，在此不再赘述。
85.本公开中，在获取用户在预设的连续时段内访问目标应用的各时间数据后，可以根据各时间数据关联的日期类型，对各时间数据进行分类，以确定预设的连续时间段内，每种日期类型对应的各个时间数据，并在预设的连续时段内的任一日期中无时间数据的情况下，将在任一日期之后的各时间数据向前移动24小时，之后，可以根据每种日期类型对应的各个时间数据，确定用户在每种日期类型下访问目标应用的第一时域函数，并对第一时域函数进行傅里叶变换，以获取时域函数对应的傅里叶级数，在傅里叶级数中的前n级分量之和对应的第二时域函数与第一时域函数的匹配度大于第一阈值、且前n级分量中至少一个分量满足预设条件的情况下，确定用户为目标应用的周期性访问用户。由此，通过对时间函数进行傅里叶变换，从频域角度能够准确的确定用户访问目标应用的时间是否具有周期性，从而提高了确定用户为周期性访问用户的准确性和可靠性。
86.图6为本公开实施例提供的一种用户习惯的挖掘方法的流程示意图。
87.如图6所示，该方法包括：
88.步骤601，获取用户在预设的连续时段内访问目标应用的各时间数据。
89.步骤602，根据各时间数据，确定用户在预设的连续时段内访问目标应用的第一时域函数。
90.步骤603，对第一时域函数进行傅里叶变换，以获取时域函数对应的傅里叶级数。
91.步骤604，在傅里叶级数中的前n级分量之和对应的第二时域函数与第一时域函数的匹配度大于第一阈值、且前n级分量中至少一个分量满足预设条件的情况下，确定用户为目标应用的周期性访问用户，其中,n为大于零、且小于第二阈值的整数。
92.本公开中，步骤601-步骤604的具体实现过程，可参见本公开任一实施例的详细描述，在此不再赘述。
93.步骤605，根据各时间数据，确定目标用户习惯访问目标应用的时间。
94.其中，目标用户可以为目标应用的周期性访问用户。
95.本公开中，当确定用户为目标应用的周期性访问用户后，可以根据该用户访问目标应用的各时间数据，确定目标用户习惯访问目标应用的时间，从而可以在用户习惯访问目标应用的时间向用户进行推送，提高了推送的点击率，减少无效推送。
96.本公开中，可以根据各时间数据关联的日期对应的周中排序，对各时间数据进行统计，以确定用户访问目标应用的时间规律。比如，当在每周二对应的日期中都存在时间数据时，可以确定目标用户在周二习惯访问目标应用的时间。
97.或者，还可以对各时间数据关联的日期进行统计，以确定用户访问目标应用的时间规律。比如，各时间数据关联的日期之间都间隔一个不包含时间数据的日期时，可以确定该用户每隔一天会访问目标应用。
98.进一步的，可以对各时间数据关联的具体时刻进行统计，以确定用户在一天中习惯访问目标应用的时间。
99.可选的，可以根据各时间数据所属的时段，确定用户在每个时段内访问目标应用的第一总天数，并确定每个第一总天数与预设的连续时段中包含的第二总天数的第一比值，在任一第一比值大于第五阈值，且时间数据对应的总天数大于第六阈值的情况下，确定任一第一比值对应的时段为用户习惯访问目标应用的时间，从而可以准确的确定用户习惯访问目标应用的时间。
100.比如，预设的连续时段中包含的20天，在7:00-8:00存在时间数据的总天数为18天时，确定用户在7:00-8:00访问目标应用的总天数为18天，并且在预设的连续时段中有2天无时间数据。假设，第五阈值为0.8，第六阈值为5，则第一总天数18与第二总天数20的比值为0.9，时间数据对应的总天数为18，因此，该7:00-8:00为该用户习惯访问目标应用的时间。
101.本公开中，考虑到用户习惯访问目标应用的时间范围较大，比如，用户习惯在某连续2个小时内随机访问目标应用。还可以根据各时间数据所属的时段，确定用户在每个时段内访问目标应用的第一总天数，并确定每个第一总天数与预设的连续时段中包含的第二总天数的第一比值，之后，可以根据每个第一总天数，确定用户在任一连续两个时段内访问目标应用的第三总天数，并确定每个第三总天数与预设的连续时段中包含的第二总天数的第二比值，在任一第二比值大于第七阈值，任一第二比值对应的两个第一比值都大于第八阈值，且时间数据对应的总天数大于第九阈值的情况下，确定任一第二比值对应的连续两个时段为用户习惯访问目标应用的时间。从而可以更充分的确定用户习惯访问目标应用的时间。
102.比如，预设的连续时段中包含的20天，在7:00-8:00存在时间数据的总天数为10天，在8:00-9:00存在时间数据的总天数为14天时，确定用户在7:00-9:00访问目标应用的总天数为24天，并且在预设的连续时段中有2天无时间数据。假设第七阈值为0.5，第八阈值为1，第三总天数24与第二总天数20的比值为1.2，7:00-8:00对应的第一比值为0.5，8:00-9:00对应的第一比值为0.7，时间数据对应的总天数为18，因此，该7:00-9:00为该用户习惯访问目标应用的时间。
103.本公开中，在获取用户在预设的连续时段内访问目标应用的各时间数据后，可以
根据各时间数据，确定用户在预设的连续时段内访问目标应用的第一时域函数，之后，可以对第一时域函数进行傅里叶变换，以获取时域函数对应的傅里叶级数，并在傅里叶级数中的前n级分量之和对应的第二时域函数与第一时域函数的匹配度大于第一阈值、且前n级分量中至少一个分量满足预设条件的情况下，确定用户为目标应用的周期性访问用户，然后，可以根据各时间数据，确定目标用户习惯访问目标应用的时间。由此，通过对时间函数进行傅里叶变换，从频域角度准确的确定用户为周期性访问用户后，再根据各时间数据，确定目标用户习惯访问目标应用的时间，从而可以提高推送的点击率。
104.为了实现上述实施例，本公开实施例还提出一种用户习惯的挖掘装置。图7为本公开实施例提供的一种用户习惯的挖掘装置的结构示意图。
105.如图7所示，该用户习惯的挖掘装置700包括：获取模块710、确定模块720。
106.获取模块710，用于获取用户在预设的连续时段内访问目标应用的各时间数据；
107.确定模块720，用于根据所述各时间数据，确定所述用户在所述预设的连续时段内访问所述目标应用的第一时域函数；
108.上述获取模块710，还用于对所述第一时域函数进行傅里叶变换，以获取所述时域函数对应的傅里叶级数；
109.上述确定模块720，还用于在所述傅里叶级数中的前n级分量之和对应的第二时域函数与所述第一时域函数的匹配度大于第一阈值、且所述前n级分量中至少一个分量满足预设条件的情况下，确定所述用户为所述目标应用的周期性访问用户，其中,n为大于零、且小于第二阈值的整数。
110.在本公开实施例一种可能的实现方式中，所述预设的条件，包括：
111.频率为m*t倍基频的各分量中任一分量的振幅大于第三阈值；或者，
112.频率为m*t倍基频的各分量的振幅之和大于第四阈值；其中，t为所述预设的连续时段内包含的天数，m为正整数，m*t小于或等于n。
113.在本公开实施例一种可能的实现方式中，上述确定模块720，用于：
114.根据所述各时间数据关联的日期类型，对所述各时间数据进行分类，以确定所述预设的连续时间段内，每种日期类型对应的各个时间数据；
115.根据所述每种日期类型对应的各个时间数据，确定所述用户在每种日期类型下访问所述目标应用的第一时域函数。
116.在本公开实施例一种可能的实现方式中，还包括：
117.预处理模块，用于在所述预设的连续时段内的任一日期中无时间数据的情况下，将在所述任一日期之后的各时间数据向前移动24小时。
118.在本公开实施例一种可能的实现方式中，上述确定模块720，还用于：
119.根据所述各时间数据，确定所述目标用户习惯访问所述目标应用的时间。
120.在本公开实施例一种可能的实现方式中，上述确定模块720，用于：
121.根据所述各时间数据所属的时段，确定所述用户在每个时段内访问所述目标应用的第一总天数；
122.确定每个所述第一总天数与所述预设的连续时段中包含的第二总天数的第一比值；
123.在任一第一比值大于第五阈值，且所述时间数据对应的总天数大于第六阈值的情
processor，数字信号处理器)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如用户习惯的挖掘方法。例如，在一些实施例中，对用户习惯的挖掘方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的用户习惯的挖掘方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用户习惯的挖掘方法。
135.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、fpga(field programmable gate array，现场可编程门阵列)、asic(application-specific integrated circuit，专用集成电路)、assp(application specific standard product，专用标准产品)、soc(system on chip，芯片上系统的系统)、cpld(complex programmable logic device，复杂可编程逻辑设备)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
136.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
137.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、ram、rom、eprom(electrically programmable read-only-memory，可擦除可编程只读存储器)或快闪存储器、光纤、cd-rom(compact disc read-only memory，便捷式紧凑盘只读存储器)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
138.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(cathode-ray tube，阴极射线管)或者lcd(liquid crystal display，液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
139.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据
服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：lan(local area network，局域网)、wan(wide area network，广域网)、互联网和区块链网络。
140.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务(virtual private server，虚拟专用服务器)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
141.根据本公开的实施例，本公开还提供了一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行本公开上述实施例提出的用户习惯的挖掘方法。
142.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
143.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。