本申请实施例涉及人工智能领域,涉及但不限于一种行为预测方法、装置、设备及程序产品。
背景技术:
1、消费者的购物行为之间往往具有关联性,此外行为与时间之间的关联也有一定的规律可循。对于这些购物行为及时间之间关联规则的挖掘不仅可以帮助推出更及时有效的营销活动,也能在识别出某种商品消费潜力的同时辅助进行库存的管理,同时还能帮助对风险用户的一场消费行为进行定位。
技术实现思路
1、有鉴于此,本申请实施例提供一种行为预测方法、装置、设备及程序产品。
2、本申请实施例的技术方案是这样实现的:
3、第一方面,本申请实施例提供一种预测方法,包括:
4、将用于表征目标对象的行为特征的多元时间序列划分为不同长度的第一候选时间序列片段集合,其中,多元时间序列包括至少两个不同维度信息的时间序列;
5、对第一候选时间序列片段集合中的第一候选时间序列片段进行聚类,基于至少一个聚类中心确定第二候选时间序列片段集合中的第二候选时间序列片段;
6、利用第二候选时间序列片段集合,构建序列演化图,以利用序列演化图确定目标对象的各行为之间的关联关系,并进行行为预测。
7、第二方面,本申请实施例提供一种行为预测,包括:
8、划分模块,用于将用于表征目标对象的行为特征的多元时间序列划分为不同长度的第一候选时间序列片段集合,其中,多元时间序列包括至少两个不同维度信息的时间序列;
9、聚类模块,用于对第一候选时间序列片段集合中的第一候选时间序列片段进行聚类,基于至少一个聚类中心确定第二候选时间序列片段集合中的第二候选时间序列片段;
10、构建模块,用于利用第二候选时间序列片段集合,构建序列演化图,以利用序列演化图确定目标对象的各行为之间的关联关系,并进行行为预测。
11、第三方面,本申请实施例提供一种电子设备,包括存储器和处理器,存储器存储有可在处理器上运行的计算机程序,处理器执行程序时实现上述方法。
12、第四方面,本申请实施例提供一种存储介质,存储有可执行指令,用于处理器执行时,实现上述方法。
13、第五方面,一种计算机程序产品,包括计算机程序或指令,计算机程序或指令被处理器执行时,实现上述方法中的步骤。
1.一种行为预测方法,所述方法包括:
2.如权利要求1所述的方法,所述将用于目标对象的表征行为特征的多元时间序列划分为不同长度的至第一候选时间序列片段集合,包括:
3.如权利要求1所述的方法,所述对所述第一候选时间序列片段集合进行聚类,基于至少一个聚类中心确定第二候选时间序列片段集合中的第二候选时间序列片段,包括:
4.如权利要求3所述的方法,所述基于目标聚类簇的正样本和负样本确定所述目标聚类中心的第一损失函数,包括:
5.如权利要求1所述的方法,所述利用所述第二候选时间序列片段集合,构建序列演化图,以利用所述构建序列演化图确定所述目标对象的各行为之间的关联关系,并进行行为预测,包括:
6.如权利要求5所述的方法,所述方法还包括:
7.如权利要求6所述的方法,所述将所述待预测的时间序列与所述时间序列演化图匹配,以预测所述待预测的时间序列对应的下一步行为,包括:
8.一种行为预测装置,所述装置包括:
9.一种电子设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器,用于将用于表征目标对象的行为特征的多元时间序列划分为不同长度的第一候选时间序列片段集合,其中,所述多元时间序列包括至少两个不同维度信息的时间序列;对所述第一候选时间序列片段集合中的第一候选时间序列片段进行聚类,基于至少一个聚类中心确定第二候选时间序列片段集合中的第二候选时间序列片段;利用所述第二候选时间序列片段集合,构建序列演化图,以利用所述序列演化图确定所述目标对象的各行为之间的关联关系,并进行行为预测。
10.一种计算机程序产品,包括计算机程序或指令,所述计算机程序或指令被处理器执行时,实现将用于表征目标对象的行为特征的多元时间序列划分为不同长度的第一候选时间序列片段集合,其中,所述多元时间序列包括至少两个不同维度信息的时间序列;对所述第一候选时间序列片段集合中的第一候选时间序列片段进行聚类,基于至少一个聚类中心确定第二候选时间序列片段集合中的第二候选时间序列片段;利用所述第二候选时间序列片段集合,构建序列演化图,以利用所述序列演化图确定所述目标对象的各行为之间的关联关系,并进行行为预测。
