一种基于芯片检测的用户行为分析方法及系统与流程

1.本发明涉及芯片检测技术领域，具体而言，涉及一种基于芯片检测的用户行为分析方法及系统。


背景技术：

2.芯片，又称微电路(microcircuit)、微芯片(microchip)、集成电路(英语：integrated circuit,ic)，是指内含集成电路的硅片，体积很小，常常是计算机或其他电子设备的一部分。其中，由于体积小等优势，使得其具有较大的应用场景，如手机、电脑等电子设备。
3.其中，在芯片的应用中，通过对芯片进行数据采集可以得到对应的芯片运行数据，以加以利用，如分析用户的使用行为习惯。经发明人研究发现，现有技术中，一般会计算用户的总使用时长和总未使用时长的差值，来表征用户对芯片应用的设备的依赖程度或使用持续程度等行为特征，以实现用户行为分析。如此，可能会导致用户行为分析的可靠度不高的问题。


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芯片检测的用户行为分析方法及系统，以提高进行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：
6.一种基于芯片检测的用户行为分析方法，应用于检测数据处理设备，所述检测数据处理设备通信连接有目标用户终端设备，所述目标用户终端设备具有目标芯片，所述用户行为分析方法包括：
7.对所述目标芯片在所述目标用户终端设备上运行对应的多条芯片运行数据进行筛选处理，得到对应的第一运行数据筛选集合和第二运行数据筛选集合，其中，每一条所述芯片运行数据用于表征在一个时间段内所述目标芯片是否处于运行状态，所述第一运行数据筛选集合包括的每一条所述芯片运行数据表征在对应的一个时间段内所述目标芯片处于运行状态，所述第二运行数据筛选集合包括的每一条所述芯片运行数据表征在对应的一个时间段内所述目标芯片未处于运行状态；
8.分别对所述第一运行数据筛选集合和所述第二运行数据筛选集合包括的芯片运行数据进行处理，得到所述目标用户终端设备对应的目标用户的第一行为特征信息和第二行为特征信息，其中，所述第一行为特征信息用于表征目标用户使用所述目标芯片的习惯，所述第二行为特征信息用于表征目标用户不使用所述目标芯片的习惯；
9.对所述第一行为特征信息和所述第二行为特征信息进行融合处理，得到目标用户使用所述目标用户终端设备的目标行为特征信息。
10.在一些优选的实施例中，在上述基于芯片检测的用户行为分析方法中，所述分别对所述第一运行数据筛选集合和所述第二运行数据筛选集合包括的芯片运行数据进行处
理，得到所述目标用户终端设备对应的目标用户的第一行为特征信息和第二行为特征信息的步骤，包括：
11.针对所述第一运行数据筛选集合中的每一条芯片运行数据，确定该芯片运行数据对应的时间段的长度，得到该芯片运行数据对应的第一用户状态持续时长，并将每一个所述第一用户状态持续时长中的中位值或平均值确定为对应的第一时长阈值，其中，所述第一用户持续时长用于表征目标用户使用所述目标芯片的持续时长；
12.针对所述第二运行数据筛选集合中的每一条芯片运行数据，确定该芯片运行数据对应的时间段的长度，得到该芯片运行数据对应的第二用户状态持续时长，并将每一个所述第二用户状态持续时长中的中位值或平均值确定为对应的第二时长阈值，其中，所述第二用户持续时长用于表征目标用户不使用所述目标芯片的持续时长；
13.针对所述第一运行数据筛选集合中的每一条芯片运行数据，计算该芯片运行数据对应的第一用户状态持续时长与所述第一时长阈值之间的匹配度，得到该芯片运行数据对应的第一匹配度，并确定该第一匹配度与预先配置的第一匹配度阈值之间的大小关系；
14.针对所述第二运行数据筛选集合中的每一条芯片运行数据，计算该芯片运行数据对应的第二用户状态持续时长与所述第二时长阈值之间的匹配度，得到该芯片运行数据对应的第二匹配度，并确定该第二匹配度与预先配置的第二匹配度阈值之间的大小关系；
15.基于对应的第一匹配度大于或等于所述第一匹配度阈值的每一条所述芯片运行数据，得到目标用户的第一行为特征信息，并基于对应的第二匹配度大于或等于所述第二匹配度阈值的每一条所述芯片运行数据，得到目标用户的第二行为特征信息。
16.在一些优选的实施例中，在上述基于芯片检测的用户行为分析方法中，所述基于对应的第一匹配度大于或等于所述第一匹配度阈值的每一条所述芯片运行数据，得到目标用户的第一行为特征信息的步骤，包括：
17.将对应的第一匹配度大于或等于所述第一匹配度阈值的每一条所述芯片运行数据确定为第一芯片运行数据，得到多条第一芯片运行数据；
18.计算所述多条第一芯片运行数据对应的第一用户状态持续时长的离散值，得到对应的第一时长离散值，并确定所述第一时长离散值与预先配置的第一时长离散阈值之间的大小关系；
19.若所述第一时长离散值小于或等于所述第一时长离散阈值，则将所述所述多条第一芯片运行数据对应的第一用户状态持续时长的平均值，作为目标用户的第一行为特征信息。
20.在一些优选的实施例中，在上述基于芯片检测的用户行为分析方法中，所述基于对应的第一匹配度大于或等于所述第一匹配度阈值的每一条所述芯片运行数据，得到目标用户的第一行为特征信息的步骤，还包括：
21.若所述第一时长离散值大于所述第一时长离散阈值，则在所述多条第一芯片运行数据对应的第一用户状态持续时长中确定出最大值和最小值；
22.将所述多条第一芯片运行数据对应的第一用户状态持续时长中的最大值和最小值目标用户的第一行为特征信息。
23.在一些优选的实施例中，在上述基于芯片检测的用户行为分析方法中，所述基于对应的第二匹配度大于或等于所述第二匹配度阈值的每一条所述芯片运行数据，得到目标
用户的第二行为特征信息的步骤，包括：
24.将对应的第二匹配度大于或等于所述第二匹配度阈值的每一条所述芯片运行数据确定为第二芯片运行数据，得到多条第二芯片运行数据；
25.计算所述多条第二芯片运行数据对应的第二用户状态持续时长的离散值，得到对应的第二时长离散值，并确定所述第二时长离散值与预先配置的第二时长离散阈值之间的大小关系；
26.若所述第二时长离散值小于或等于所述第二时长离散阈值，则将所述所述多条第二芯片运行数据对应的第二用户状态持续时长的平均值，作为目标用户的第二行为特征信息。
27.在一些优选的实施例中，在上述基于芯片检测的用户行为分析方法中，所述基于对应的第二匹配度大于或等于所述第二匹配度阈值的每一条所述芯片运行数据，得到目标用户的第二行为特征信息的步骤，还包括：
28.若所述第二时长离散值大于所述第二时长离散阈值，则在所述多条第二芯片运行数据对应的第二用户状态持续时长中确定出最大值和最小值；
29.将所述多条第二芯片运行数据对应的第二用户状态持续时长中的最大值和最小值目标用户的第二行为特征信息。
30.在一些优选的实施例中，在上述基于芯片检测的用户行为分析方法中，所述对所述第一行为特征信息和所述第二行为特征信息进行融合处理，得到目标用户使用所述目标用户终端设备的目标行为特征信息的步骤，包括：
31.对所述第一行为特征信息对应的数值和所述第二行为特征信息对应的数值进行差值计算，得到对应的特征差值，其中，所述特征差值为所述第一行为特征信息和所述第二行为特征信息之间各对应数值的差值的和值；
32.将所述特征差值作为目标用户使用所述目标用户终端设备的目标行为特征信息，其中，所述目标行为特征信息用于表明目标用户对所述目标用户终端设备的使用持续程度，且所述特征差值与对应的目标行为特征信息表征的使用持续程度之间具有正相关关系。
33.本发明实施例还提供一种基于芯片检测的用户行为分析系统，应用于检测数据处理设备，所述检测数据处理设备通信连接有目标用户终端设备，所述目标用户终端设备具有目标芯片，所述用户行为分析系统包括：
34.数据筛选模块，用于对所述目标芯片在所述目标用户终端设备上运行对应的多条芯片运行数据进行筛选处理，得到对应的第一运行数据筛选集合和第二运行数据筛选集合，其中，每一条所述芯片运行数据用于表征在一个时间段内所述目标芯片是否处于运行状态，所述第一运行数据筛选集合包括的每一条所述芯片运行数据表征在对应的一个时间段内所述目标芯片处于运行状态，所述第二运行数据筛选集合包括的每一条所述芯片运行数据表征在对应的一个时间段内所述目标芯片未处于运行状态；
35.数据处理模块，用于分别对所述第一运行数据筛选集合和所述第二运行数据筛选集合包括的芯片运行数据进行处理，得到所述目标用户终端设备对应的目标用户的第一行为特征信息和第二行为特征信息，其中，所述第一行为特征信息用于表征目标用户使用所述目标芯片的习惯，所述第二行为特征信息用于表征目标用户不使用所述目标芯片的习
惯；
36.特征融合模块，用于对所述第一行为特征信息和所述第二行为特征信息进行融合处理，得到目标用户使用所述目标用户终端设备的目标行为特征信息。
37.在一些优选的实施例中，在上述基于芯片检测的用户行为分析系统中，所述数据处理模块用于：
38.针对所述第一运行数据筛选集合中的每一条芯片运行数据，确定该芯片运行数据对应的时间段的长度，得到该芯片运行数据对应的第一用户状态持续时长，并将每一个所述第一用户状态持续时长中的中位值或平均值确定为对应的第一时长阈值，其中，所述第一用户持续时长用于表征目标用户使用所述目标芯片的持续时长；
39.针对所述第二运行数据筛选集合中的每一条芯片运行数据，确定该芯片运行数据对应的时间段的长度，得到该芯片运行数据对应的第二用户状态持续时长，并将每一个所述第二用户状态持续时长中的中位值或平均值确定为对应的第二时长阈值，其中，所述第二用户持续时长用于表征目标用户不使用所述目标芯片的持续时长；
40.针对所述第一运行数据筛选集合中的每一条芯片运行数据，计算该芯片运行数据对应的第一用户状态持续时长与所述第一时长阈值之间的匹配度，得到该芯片运行数据对应的第一匹配度，并确定该第一匹配度与预先配置的第一匹配度阈值之间的大小关系；
41.针对所述第二运行数据筛选集合中的每一条芯片运行数据，计算该芯片运行数据对应的第二用户状态持续时长与所述第二时长阈值之间的匹配度，得到该芯片运行数据对应的第二匹配度，并确定该第二匹配度与预先配置的第二匹配度阈值之间的大小关系；
42.基于对应的第一匹配度大于或等于所述第一匹配度阈值的每一条所述芯片运行数据，得到目标用户的第一行为特征信息，并基于对应的第二匹配度大于或等于所述第二匹配度阈值的每一条所述芯片运行数据，得到目标用户的第二行为特征信息。
43.在一些优选的实施例中，在上述基于芯片检测的用户行为分析系统中，所述特征融合模块用于：
44.对所述第一行为特征信息对应的数值和所述第二行为特征信息对应的数值进行差值计算，得到对应的特征差值，其中，所述特征差值为所述第一行为特征信息和所述第二行为特征信息之间各对应数值的差值的和值；
45.将所述特征差值作为目标用户使用所述目标用户终端设备的目标行为特征信息，其中，所述目标行为特征信息用于表明目标用户对所述目标用户终端设备的使用持续程度，且所述特征差值与对应的目标行为特征信息表征的使用持续程度之间具有正相关关系。
46.本发明实施例提供的一种基于芯片检测的用户行为分析方法及系统，在对获取的多条芯片运行数据进行筛选处理得到对应的第一运行数据筛选集合和对应的第二运行数据筛选集合之后，可以分别对包括的芯片运行数据进行处理得到目标用户的第一行为特征信息和第二行为特征信息，然后，可以对第一行为特征信息和第二行为特征信息进行融合处理得到目标用户使用目标用户终端设备的目标行为特征信息，如此，相较于直接基于使用时间的总和与未使用时间的总和的差值来进行用户行为分析的常规技术方案，可以使得用户行为分析的精度提高，从而提高进行用户行为分析的可靠度，进而改善现有技术中进行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为提供的检测数据处理设备的示意图。
49.图2为提供的基于芯片检测的用户行为分析方法的示意图。
50.图3为提供的基于芯片检测的用户行为分析系统的示意图。
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检测数据处理设备。其中，所述检测数据处理设备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的形式，存在的软件功能模块(可以是一种计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的软件功能模块，即计算机程序，从而实现本发明实施例提供的基于芯片检测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.可选地，在一种可能的实现方式中，所述检测数据处理设备可以是一种具备数据处理能力的服务器，即对获取的芯片运行数据进行处理。
57.结合图2，本发明实施例还提供一种基于芯片检测的用户行为分析方法，可应用于上述检测数据处理设备。其中，所述基于芯片检测的用户行为分析方法有关的流程所定义的方法步骤，可以由所述检测数据处理设备实现。所述检测数据处理设备通信连接有目标用户终端设备，所述目标用户终端设备具有目标芯片。下面将对图2所示的具体流程，进行详细阐述。
58.步骤100，对所述目标芯片在所述目标用户终端设备上运行对应的多条芯片运行数据进行筛选处理，得到对应的第一运行数据筛选集合和第二运行数据筛选集合。
59.在本发明实施例中，所述检测数据处理设备可以先对所述目标芯片在所述目标用户终端设备上运行对应的多条芯片运行数据进行筛选处理，得到对应的第一运行数据筛选集合和第二运行数据筛选集合。
60.其中，每一条所述芯片运行数据用于表征在一个时间段内所述目标芯片是否处于运行状态，所述第一运行数据筛选集合包括的每一条所述芯片运行数据表征在对应的一个时间段内所述目标芯片处于运行状态，所述第二运行数据筛选集合包括的每一条所述芯片运行数据表征在对应的一个时间段内所述目标芯片未处于运行状态。
61.步骤200，分别对所述第一运行数据筛选集合和所述第二运行数据筛选集合包括的芯片运行数据进行处理，得到所述目标用户终端设备对应的目标用户的第一行为特征信息和第二行为特征信息。
62.在本发明实施例中，所述检测数据处理设备可以在基于步骤100得到所述第一运行数据筛选集合和所述第二运行数据筛选集合之后，可以分别对所述第一运行数据筛选集合和所述第二运行数据筛选集合包括的芯片运行数据进行处理，得到所述目标用户终端设备对应的目标用户的第一行为特征信息和第二行为特征信息。其中，所述第一行为特征信息用于表征目标用户使用所述目标芯片的习惯，所述第二行为特征信息用于表征目标用户不使用所述目标芯片的习惯。
63.步骤300，对所述第一行为特征信息和所述第二行为特征信息进行融合处理，得到目标用户使用所述目标用户终端设备的目标行为特征信息。
64.在本发明实施例中，所述检测数据处理设备可以在基于步骤200得到所述第一行为特征信息和所述第二行为特征信息之后，对所述第一行为特征信息和所述第二行为特征信息进行融合处理，得到目标用户使用所述目标用户终端设备的目标行为特征信息。
65.基于上述方法包括的步骤100、步骤200和步骤300，在对获取的多条芯片运行数据进行筛选处理得到对应的第一运行数据筛选集合和对应的第二运行数据筛选集合之后，可以分别对包括的芯片运行数据进行处理得到目标用户的第一行为特征信息和第二行为特征信息，然后，可以对第一行为特征信息和第二行为特征信息进行融合处理得到目标用户使用目标用户终端设备的目标行为特征信息，如此，相较于直接基于使用时间的总和与未使用时间的总和的差值来进行用户行为分析的常规技术方案，可以使得用户行为分析的精度提高，从而提高进行用户行为分析的可靠度，进而改善现有技术中进行用户行为分析的可靠度不高的问题。
66.可选地，在一种可能的实现方式中，步骤100可以包括后文所述的步骤110、步骤120和步骤130。
67.步骤110，获取所述目标芯片在所述目标用户终端设备上的运行数据，得到多条芯片运行数据。
68.在本发明实施例中，所述检测数据处理设备可以先获取所述目标芯片在所述目标用户终端设备上的运行数据，得到多条芯片运行数据。其中，每一条所述芯片运行数据用于表征在一个时间段内所述目标芯片是否处于运行状态，即若在一条芯片运行数据对应的时间段内所述目标芯片处于运行状态，则在下一条芯片运行数据对应的时间段内所述目标芯
片未处于运行状态，且在再下一条芯片运行数据对应的时间段内所述目标芯片处于运行状态，如此，交替循环，即每一条所述芯片运行数据对应的时间段长度可以不同，也可以相同，需要根据实际使用情况确定。
69.步骤120，对所述多条芯片运行数据进行分类处理，得到第一运行数据集合和第二运行数据集合。
70.在本发明实施例中，所述检测数据处理设备可以在基于步骤110得到所述多条芯片运行数据之后，对所述多条芯片运行数据进行分类处理，得到第一运行数据集合和第二运行数据集合。其中，所述第一运行数据集合中包括的每一条所述芯片运行数据用于表征在一个时间段内所述目标芯片处于运行状态，所述第二运行数据集合中包括的每一条所述芯片运行数据用于表征在一个时间段内所述目标芯片未处于运行状态。
71.步骤130，分别对所述第一运行数据集合和所述第二运行数据集合进行筛选处理，得到所述第一运行数据集合对应的第一运行数据筛选集合和所述第二运行数据集合对应的第二运行数据筛选集合。
72.在本发明实施例中，所述检测数据处理设备可以在基于步骤120得到所述第一运行数据集合和所述第二运行数据集合之后，分别对所述第一运行数据集合和所述第二运行数据集合进行筛选处理，得到所述第一运行数据集合对应的第一运行数据筛选集合和所述第二运行数据集合对应的第二运行数据筛选集合。
73.基于上述方法包括的步骤110、步骤120和步骤130，在得到多条芯片运行数据之后，先对多条芯片运行数据进行分类处理得到第一运行数据集合和第二运行数据集合，使得可以分别对第一运行数据集合和第二运行数据集合进行筛选处理得到对应的第一运行数据筛选集合和第二运行数据筛选集合，即针对表征的内容不同，分别进行筛选，如此，相较于直接进行整体的筛选的常规技术方案，可以提高对芯片运行数据进行筛选的可靠度，进而改善现有技术中对芯片运行数据进行筛选的可靠度不高的问题。
74.可选地，在一种可能的实现方式中，步骤110可以包括以下子步骤：
75.首先，确定是否需要对所述目标芯片的运行数据进行采集，并在确定需要对所述目标芯片的运行数据进行采集时，生成运行数据采集通知信息；
76.其次，将所述运行数据采集通知信息发送给所述目标用户终端设备，其中，所述目标用户终端设备用于在获取到所述运行数据采集通知信息之后，对所述目标芯片的运行数据进行采集，得到对应的多条芯片运行数据，并将所述多条芯片运行数据发送给所述检测数据处理设备；
77.然后，获取所述目标用户终端设备基于所述运行数据采集通知信息采集并发送的所述多条芯片运行数据。
78.可选地，在一种可能的实现方式中，所述确定是否需要对所述目标芯片的运行数据进行采集，并在确定需要对所述目标芯片的运行数据进行采集时，生成运行数据采集通知信息的步骤，可以包括以下子步骤：
79.首先，确定是否需要对所述目标芯片的运行数据进行采集；
80.其次，在确定需要对所述目标芯片的运行数据进行采集时，基于预先配置的数据采集规模信息(以保障获取的数据较大)确定一目标时长信息；
81.然后，基于所述目标时长信息生成运行数据采集通知信息，其中，所述运行数据采
集通知信息包括所述目标时长信息，且所述目标时长信息用于表征所述目标用户终端设备在开始对所述目标芯片的运行数据进行采集之后，进行的采集行为持续所述目标时长信息。
82.也就是说，进行数据采集的时长为所述目标时长信息。
83.可选地，在另一种可能的实现方式中，所述确定是否需要对所述目标芯片的运行数据进行采集，并在确定需要对所述目标芯片的运行数据进行采集时，生成运行数据采集通知信息的步骤，可以包括以下子步骤：
84.首先，确定是否需要对所述目标芯片的运行数据进行采集；
85.其次，在确定需要对所述目标芯片的运行数据进行采集时，基于预先配置的数据采集规模信息确定一目标数据条数信息；
86.然后，基于所述目标数据条数信息生成运行数据采集通知信息，其中，所述运行数据采集通知信息包括所述目标数据条数信息，且所述目标数据条数信息用于表征所述目标用户终端设备在开始对所述目标芯片的运行数据进行采集之后，采集得到的所述芯片运行数据的数量。
87.也就是说，进行数据采集的数量为所述目标数据条数信息。
88.可选地，在一种可能的实现方式中，步骤120可以包括以下子步骤：
89.首先，分别对所述多条芯片运行数据中的每一条芯片运行数据进行数据内容识别处理得到对应的识别结果，其中，所述识别结果用于表征在对应的所述芯片运行数据的一个时间段内所述目标芯片是否处于运行状态；
90.其次，基于所述识别结果对所述多条芯片运行数据进行分类处理，得到第一运行数据集合和第二运行数据集合。
91.可选地，在一种可能的实现方式中，所述分别对所述多条芯片运行数据中的每一条芯片运行数据进行数据内容识别处理，得到对应的识别结果的步骤，可以包括以下子步骤：
92.首先，针对所述多条芯片运行数据中的每一条芯片运行数据，获取该芯片运行数据携带的数据标签信息，其中，所述数据标签信息用于表征在对应的所述芯片运行数据的一个时间段内所述目标芯片是否处于运行状态，且所述数据标签信息在所述目标用户终端设备生成所述芯片运行数据时形成；其次，分别将每一条所述芯片运行数据中携带的数据标签信息作为对应芯片运行数据的识别结果。
93.可选地，在一种可能的实现方式中，步骤130可以包括以下子步骤：
94.首先，基于每一条所述芯片运行数据对应的时间段的先后顺序，对所述第一运行数据集合包括的芯片运行数据进行排序(如时间较早的在前)，得到所述第一运行数据集合对应的第一运行数据序列；
95.其次，基于每一条所述芯片运行数据对应的时间段的先后顺序，对所述第二运行数据集合包括的芯片运行数据进行排序(如时间较早的在前)，得到所述第二运行数据集合对应的第二运行数据序列；
96.然后，对所述第一运行数据序列包括的每一条芯片运行数据按照之间的序列先后位置关系进行第一筛选处理得到对应的第一运行数据筛选集合，并对所述第二运行数据序列包括的每一条芯片运行数据按照之间的序列先后位置关系进行第二筛选处理得到对应
的第二运行数据筛选集合。
97.可选地，在一种可能的实现方式中，所述对所述第一运行数据序列包括的每一条芯片运行数据按照之间的序列先后位置关系进行第一筛选处理得到对应的第一运行数据筛选集合的步骤，可以包括以下子步骤：
98.首先，对于所述第一运行数据序列包括第一条芯片运行数据以外的每一条芯片运行数据，基于每一条所述芯片运行数据在所述第一运行数据序列中的序列位置依次将每一条所述芯片运行数据确定为第一待处理运行数据，并确定所述第一待处理运行数据的前一条芯片运行数据是否被筛除；
99.其次，若所述第一待处理运行数据的前一条芯片运行数据被筛除，则将所述第一待处理运行数据确定为目标芯片运行数据，若所述第一待处理运行数据的前一条芯片运行数据未被筛除，则计算所述第一待处理运行数据与前一条芯片运行数据对应的时间段之间的间隔，得到所述第一待处理运行数据对应的时间间隔长度信息，并确定所述时间间隔长度信息与预先配置的时间间隔长度阈值信息之间的大小关系；
100.然后，若所述时间间隔长度信息大于所述时间间隔长度阈值信息，则将所述第一待处理运行数据确定为目标芯片运行数据，若所述时间间隔长度信息小于或等于所述时间间隔长度阈值信息，则确定所述第一待处理运行数据与所述第一待处理运行数据的前一条芯片运行数据之间的相似度(如计算对应的时间段的长度差值，该长度差值越大，该相似度越小，该长度差值越小，该相似度越大)，得到对应的数据相似度信息，并确定所述数据相似度信息与预先配置的数据相似度阈值信息之间的大小关系；
101.之后，若所述数据相似度信息小于或等于所述数据相似度阈值信息，则将所述第一待处理运行数据确定为目标芯片运行数据，若所述数据相似度信息大于所述数据相似度阈值信息，则将所述第一待处理运行数据筛除；
102.进一步，基于每一条所述目标芯片运行数据构建得到第一运行数据筛选集合，即所述第一运行数据筛选集合由所述目标芯片运行数据构成。
103.可选地，在一种可能的实现方式中，所述对所述第二运行数据序列包括的每一条芯片运行数据按照之间的序列先后位置关系进行第二筛选处理得到对应的第二运行数据筛选集合的步骤，可以包括以下子步骤：
104.首先，对于所述第二运行数据序列包括第一条芯片运行数据以外的每一条芯片运行数据，基于每一条所述芯片运行数据在所述第二运行数据序列中的序列位置依次将每一条所述芯片运行数据确定为第二待处理运行数据，并确定所述第二待处理运行数据的前一条芯片运行数据是否被筛除；
105.其次，若所述第二待处理运行数据的前一条芯片运行数据被筛除，则将所述第二待处理运行数据确定为目标芯片运行数据，若所述第二待处理运行数据的前一条芯片运行数据未被筛除，则计算所述第二待处理运行数据与前一条芯片运行数据对应的时间段之间的间隔，得到所述第二待处理运行数据对应的时间间隔长度信息，并确定所述时间间隔长度信息与预先配置的时间间隔长度阈值信息之间的大小关系；
106.然后，若所述时间间隔长度信息大于所述时间间隔长度阈值信息，则将所述第二待处理运行数据确定为目标芯片运行数据，若所述时间间隔长度信息小于或等于所述时间间隔长度阈值信息，则确定所述第二待处理运行数据与所述第二待处理运行数据的前一条
芯片运行数据之间的相似度(如计算对应的时间段的长度差值，该长度差值越大，该相似度越小，该长度差值越小，该相似度越大)，得到对应的数据相似度信息，并确定所述数据相似度信息与预先配置的数据相似度阈值信息之间的大小关系；
107.之后，若所述数据相似度信息小于或等于所述数据相似度阈值信息，则将所述第二待处理运行数据确定为目标芯片运行数据，若所述数据相似度信息大于所述数据相似度阈值信息，则将所述第二待处理运行数据筛除；
108.进一步，基于每一条所述目标芯片运行数据构建得到第二运行数据筛选集合，即所述第二运行数据筛选集合由所述目标芯片运行数据构成。
109.可以理解的是，上述筛选得到第一运行数据筛选集合和第二运行数据筛选集合的两个步骤中，对应的阈值之间可以相同，也可以不同，根据实际应用场景进行确定即可，在此不做具体限定。
110.可选地，在上述示例的基础上，在一种可能的实现方式中，步骤120还可以包括以下子步骤：
111.一方面，基于所述第二运行数据集合包括的芯片运行数据与所述第一运行数据集合中被筛除的每一条芯片运行数据之间的关联度，确定是否需要对所述第一运行数据集合中被筛除的每一条芯片运行数据进行恢复处理，并在确定需要进行恢复处理时，将对应的芯片运行数据确定为新的目标芯片运行数据以加入至所述第一运行数据筛选集合，得到新的第一运行数据筛选集合(即对上述步骤得到的第一运行数据筛选集合进行更新)；
112.另一方面，基于所述第一运行数据集合包括的芯片运行数据与所述第二运行数据集合中被筛除的每一条芯片运行数据之间的关联度，确定是否需要对所述第二运行数据集合中被筛除的每一条芯片运行数据进行恢复处理，并在确定需要进行恢复处理时，将对应的芯片运行数据确定为新的目标芯片运行数据以加入至所述第二运行数据筛选集合，得到新的第二运行数据筛选集合(即对上述步骤得到的第二运行数据筛选集合进行更新)。
113.可选地，在一种可能的实现方式中，所述基于所述第二运行数据集合包括的芯片运行数据与所述第一运行数据集合中被筛除的每一条芯片运行数据之间的关联度，确定是否需要对所述第一运行数据集合中被筛除的每一条芯片运行数据进行恢复处理的步骤，可以包括以下子步骤：
114.首先，基于所述第一运行数据集合中被筛除的每一条芯片运行数据，按照对应的时间段的先后顺序构建得到对应的运行数据筛除序列，并基于所述运行数据筛除序列中相邻两条所述芯片运行数据之间的数据相似度信息(如前所述)，对所述运行数据筛除序列进行分割处理，得到至少两个运行数据筛除子序列，其中，进行分割处理的位置对应的两条所述芯片运行数据之间的数据相似度信息小于预先配置的一阈值；
115.其次，分别统计所述至少两个运行数据筛除子序列中的每一个所述运行数据筛除子序列包括的芯片运行数据的数据条数，并基于该数据条数构建得到对应的第一数据条数集；
116.然后，在所述第二运行数据筛选集合中选择出对应的时间段与所述所述运行数据筛除序列包括的芯片运行数据对应的时间段之间的时间关联度满足预先配置的关联度条件(如对应的时间段与所述所述运行数据筛除序列包括的芯片运行数据对应的时间段之间的间隔最小)的对应数量(即所述所述运行数据筛除序列包括的芯片运行数据的数量)条芯
片运行数据，构建得到对应的对比运行数据序列，并基于所述对比运行数据序列中相邻两条所述芯片运行数据之间的数据相似度信息，对所述对比运行数据序列进行分割处理，得到至少两个对比运行数据子序列；
117.之后，分别统计所述至少两个对比运行数据子序列中的每一个所述对比运行数据子序列包括的芯片运行数据的数据条数，并基于该数据条数构建得到对应的第二数据条数集；
118.进一步，针对所述第一数据条数集中的每一个数据条数，计算该数据条数与所述第二数据条数集中的每一个数据条数之间的相似度(如计算数据条数之间的差值，差值越小，相似度越大，差值越大，相似度越小)，得到对应的条数相似度信息，并基于所述条数相似度信息在所述第二数据条数集中确定出对应的相关数据条数；
119.再进一步，针对每一个所述运行数据筛除子序列，基于该运行数据筛除子序列对应的数据条数对应的相关数据条数，在所述至少两个对比运行数据子序列中确定出该运行数据筛除子序列对应的目标对比运行数据子序列，并确定该运行数据筛除子序列与对应的所述目标对比运行数据子序列之间的时间关联度(如计算运行数据筛除子序列的时间段与目标对比运行数据子序列的时间段的间隔，该间隔的负相关值作为时间关联度)；
120.最后，针对每一个所述运行数据筛除子序列，若该运行数据筛除子序列与对应的所述目标对比运行数据子序列之间的时间关联度大于或等于预先配置的时间关联度阈值，则确定需要对该运行数据筛除子序列包括的芯片运行数据进行恢复处理，若该运行数据筛除子序列与对应的所述目标对比运行数据子序列之间的时间关联度小于所述时间关联度阈值，则确定不需要对该运行数据筛除子序列包括的芯片运行数据进行恢复处理。
121.可以理解的是，所述基于所述第一运行数据集合包括的芯片运行数据与所述第二运行数据集合中被筛除的每一条芯片运行数据之间的关联度，确定是否需要对所述第二运行数据集合中被筛除的每一条芯片运行数据进行恢复处理的步骤，可以参照上述步骤，在此不再一一赘述。
122.可选地，在一种可能的实现方式中，步骤200可以包括以下子步骤：
123.首先，针对所述第一运行数据筛选集合中的每一条芯片运行数据，确定该芯片运行数据对应的时间段的长度，得到该芯片运行数据对应的第一用户状态持续时长，并将每一个所述第一用户状态持续时长中的中位值或平均值确定为对应的第一时长阈值，其中，所述第一用户持续时长用于表征目标用户使用所述目标芯片的持续时长；
124.其次，针对所述第二运行数据筛选集合中的每一条芯片运行数据，确定该芯片运行数据对应的时间段的长度，得到该芯片运行数据对应的第二用户状态持续时长，并将每一个所述第二用户状态持续时长中的中位值或平均值确定为对应的第二时长阈值，其中，所述第二用户持续时长用于表征目标用户不使用所述目标芯片的持续时长；
125.然后，针对所述第一运行数据筛选集合中的每一条芯片运行数据，计算该芯片运行数据对应的第一用户状态持续时长与所述第一时长阈值之间的匹配度(与计算时长与阈值之间的差值，并将该差值的负相关值确定为对应的匹配度)，得到该芯片运行数据对应的第一匹配度，并确定该第一匹配度与预先配置的第一匹配度阈值之间的大小关系；
126.之后，针对所述第二运行数据筛选集合中的每一条芯片运行数据，计算该芯片运行数据对应的第二用户状态持续时长与所述第二时长阈值之间的匹配度(如前所述)，得到
该芯片运行数据对应的第二匹配度，并确定该第二匹配度与预先配置的第二匹配度阈值之间的大小关系；
127.进一步，基于对应的第一匹配度大于或等于所述第一匹配度阈值的每一条所述芯片运行数据，得到目标用户的第一行为特征信息，并基于对应的第二匹配度大于或等于所述第二匹配度阈值的每一条所述芯片运行数据，得到目标用户的第二行为特征信息。
128.可选地，在一种可能的实现方式中，所述基于对应的第一匹配度大于或等于所述第一匹配度阈值的每一条所述芯片运行数据，得到目标用户的第一行为特征信息的步骤，可以包括以下步骤：
129.首先，将对应的第一匹配度大于或等于所述第一匹配度阈值的每一条所述芯片运行数据确定为第一芯片运行数据，得到多条第一芯片运行数据；
130.其次，计算所述多条第一芯片运行数据对应的第一用户状态持续时长的离散值(可以参照现有的数据离散度计算方式，在此不再一一赘述)，得到对应的第一时长离散值，并确定所述第一时长离散值与预先配置的第一时长离散阈值之间的大小关系；
131.然后，若所述第一时长离散值小于或等于所述第一时长离散阈值，则将所述所述多条第一芯片运行数据对应的第一用户状态持续时长的平均值，作为目标用户的第一行为特征信息。
132.可选地，在上述示例的基础上，在一种可能的实现方式中，所述基于对应的第一匹配度大于或等于所述第一匹配度阈值的每一条所述芯片运行数据，得到目标用户的第一行为特征信息的步骤，还可以包括以下步骤：
133.首先，若所述第一时长离散值大于所述第一时长离散阈值，则在所述多条第一芯片运行数据对应的第一用户状态持续时长中确定出最大值和最小值；其次，将所述多条第一芯片运行数据对应的第一用户状态持续时长中的最大值和最小值目标用户的第一行为特征信息。
134.可选地，在一种可能的实现方式中，所述基于对应的第二匹配度大于或等于所述第二匹配度阈值的每一条所述芯片运行数据，得到目标用户的第二行为特征信息的步骤，可以包括以下步骤：
135.首先，将对应的第二匹配度大于或等于所述第二匹配度阈值的每一条所述芯片运行数据确定为第二芯片运行数据，得到多条第二芯片运行数据；
136.其次，计算所述多条第二芯片运行数据对应的第二用户状态持续时长的离散值，得到对应的第二时长离散值，并确定所述第二时长离散值与预先配置的第二时长离散阈值之间的大小关系；
137.然后，若所述第二时长离散值小于或等于所述第二时长离散阈值，则将所述所述多条第二芯片运行数据对应的第二用户状态持续时长的平均值，作为目标用户的第二行为特征信息。
138.可选地，在上述示例的基础上，在一种可能的实现方式中，所述基于对应的第二匹配度大于或等于所述第二匹配度阈值的每一条所述芯片运行数据，得到目标用户的第二行为特征信息的步骤，还可以包括以下步骤：
139.首先，若所述第二时长离散值大于所述第二时长离散阈值，则在所述多条第二芯片运行数据对应的第二用户状态持续时长中确定出最大值和最小值；其次，将所述多条第
二芯片运行数据对应的第二用户状态持续时长中的最大值和最小值目标用户的第二行为特征信息。
140.可选地，在一种可能的实现方式中，步骤300可以包括以下子步骤：
141.首先，对所述第一行为特征信息对应的数值和所述第二行为特征信息对应的数值进行差值计算，得到对应的特征差值，其中，所述特征差值为所述第一行为特征信息和所述第二行为特征信息之间各对应数值的差值的和值(如前所述，计算平均值之间的差值，或者，计算最大值之间的差值与最小值之间的差值的和值)；
142.其次，将所述特征差值作为目标用户使用所述目标用户终端设备的目标行为特征信息，其中，所述目标行为特征信息用于表明目标用户对所述目标用户终端设备的使用持续程度，且所述特征差值与对应的目标行为特征信息表征的使用持续程度之间具有正相关关系。
143.结合图3，本发明实施例还提供一种基于芯片检测的用户行为分析系统，可应用于上述检测数据处理设备。其中，所述基于芯片检测的用户行为分析系统可以包括：
144.数据筛选模块，用于对所述目标芯片在所述目标用户终端设备上运行对应的多条芯片运行数据进行筛选处理，得到对应的第一运行数据筛选集合和第二运行数据筛选集合，其中，每一条所述芯片运行数据用于表征在一个时间段内所述目标芯片是否处于运行状态，所述第一运行数据筛选集合包括的每一条所述芯片运行数据表征在对应的一个时间段内所述目标芯片处于运行状态，所述第二运行数据筛选集合包括的每一条所述芯片运行数据表征在对应的一个时间段内所述目标芯片未处于运行状态；
145.数据处理模块，用于分别对所述第一运行数据筛选集合和所述第二运行数据筛选集合包括的芯片运行数据进行处理，得到所述目标用户终端设备对应的目标用户的第一行为特征信息和第二行为特征信息，其中，所述第一行为特征信息用于表征目标用户使用所述目标芯片的习惯，所述第二行为特征信息用于表征目标用户不使用所述目标芯片的习惯；
146.特征融合模块，用于对所述第一行为特征信息和所述第二行为特征信息进行融合处理，得到目标用户使用所述目标用户终端设备的目标行为特征信息。
147.可选地，在一种可能的实现方式中，所述数据处理模块可以用于：
148.针对所述第一运行数据筛选集合中的每一条芯片运行数据，确定该芯片运行数据对应的时间段的长度，得到该芯片运行数据对应的第一用户状态持续时长，并将每一个所述第一用户状态持续时长中的中位值或平均值确定为对应的第一时长阈值，其中，所述第一用户持续时长用于表征目标用户使用所述目标芯片的持续时长；针对所述第二运行数据筛选集合中的每一条芯片运行数据，确定该芯片运行数据对应的时间段的长度，得到该芯片运行数据对应的第二用户状态持续时长，并将每一个所述第二用户状态持续时长中的中位值或平均值确定为对应的第二时长阈值，其中，所述第二用户持续时长用于表征目标用户不使用所述目标芯片的持续时长；针对所述第一运行数据筛选集合中的每一条芯片运行数据，计算该芯片运行数据对应的第一用户状态持续时长与所述第一时长阈值之间的匹配度，得到该芯片运行数据对应的第一匹配度，并确定该第一匹配度与预先配置的第一匹配度阈值之间的大小关系；针对所述第二运行数据筛选集合中的每一条芯片运行数据，计算该芯片运行数据对应的第二用户状态持续时长与所述第二时长阈值之间的匹配度，得到该
芯片运行数据对应的第二匹配度，并确定该第二匹配度与预先配置的第二匹配度阈值之间的大小关系；基于对应的第一匹配度大于或等于所述第一匹配度阈值的每一条所述芯片运行数据，得到目标用户的第一行为特征信息，并基于对应的第二匹配度大于或等于所述第二匹配度阈值的每一条所述芯片运行数据，得到目标用户的第二行为特征信息。
149.可选地，在一种可能的实现方式中，所述特征融合模块可以用于：
150.对所述第一行为特征信息对应的数值和所述第二行为特征信息对应的数值进行差值计算，得到对应的特征差值，其中，所述特征差值为所述第一行为特征信息和所述第二行为特征信息之间各对应数值的差值的和值；将所述特征差值作为目标用户使用所述目标用户终端设备的目标行为特征信息，其中，所述目标行为特征信息用于表明目标用户对所述目标用户终端设备的使用持续程度，且所述特征差值与对应的目标行为特征信息表征的使用持续程度之间具有正相关关系。
151.综上所述，本发明提供的一种基于芯片检测的用户行为分析方法及系统，在对获取的多条芯片运行数据进行筛选处理得到对应的第一运行数据筛选集合和对应的第二运行数据筛选集合之后，可以分别对包括的芯片运行数据进行处理得到目标用户的第一行为特征信息和第二行为特征信息，然后，可以对第一行为特征信息和第二行为特征信息进行融合处理得到目标用户使用目标用户终端设备的目标行为特征信息，如此，相较于直接基于使用时间的总和与未使用时间的总和的差值来进行用户行为分析的常规技术方案，可以使得用户行为分析的精度提高，从而提高进行用户行为分析的可靠度，进而改善现有技术中进行用户行为分析的可靠度不高的问题。
152.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。