一种行为数据的分析方法及装置的制造方法

一种行为数据的分析方法及装置的制造方法
【专利摘要】本发明公开了一种行为数据的分析方法及装置，其方法包括：采集需要进行预测的行为数据，其中，行为数据包括至少一个维度上的维度信息；获取历史行为数据以及历史行为数据在至少一个维度上对应的历史维度信息；根据预先建立的预测模型将需要进行预测的行为数据与历史行为数据在对应的维度上进行比对，获取行为数据的分析结果。本发明解决了现有技术中对行为实施结果分析过程耗时耗力、无法把握实施时机、行为实施前难以预见实施结果的问题。
【专利说明】
一种行为数据的分析方法及装置
技术领域
[0001] 本发明涉及数据分析领域，具体而言，涉及一种行为数据的分析方法及装置。
【背景技术】
[0002] 针对人们行为数据，例如：营销行为、推荐信息、市场公关行为等，行为的发布者最 关心的是其行为发布后的结果，这种结果通常包括经济结果、关注度和认可度。这种反馈性 的结果信息不仅有助于行为发布者了解已经发布的数据造成的影响，也使得发布者在以后 发布数据时能通过预先的规划，以尽可能的达到预期结果。以常见的营销行为为例，发布者 选择发布方式，往往通过人工行为对每次营销行为进行相关特定属性的建模，搜集历史数 据，通过很长时间得出结论，往往延误了营销行为的最佳实施时机，耗时耗力。或者在营销 行为过程中进行舆论监控，第一时间对营销行为的效果进行反馈，但是仅能在行为发起之 后才进行监控，无法分析行为的结果，且在行为存在问题时，难以预见行为本身的问题，造 成行为结果不理想甚至是负面效果。
[0003] 针对现有技术中对行为实施结果分析过程耗时耗力、无法把握实施时机、行为实 施前难以预见实施结果的问题，目前尚未提出有效的解决方案。

【发明内容】

[0004] 本发明的主要目的在于提供一种行为数据的分析方法及装置，以解决现有技术中 对行为实施结果分析过程耗时耗力、无法把握实施时机、行为实施前难以预见实施结果的 问题。
[0005] 为了实现上述目的，根据本发明实施例的一个方面，提供了一种行为数据的分析 方法。本发明的分析方法包括：采集需要进行预测的行为数据，其中，行为数据包括：至少 一个维度上的维度信息；获取历史行为数据以及历史行为数据在至少一个维度上对应的历 史维度信息；根据预先建立的预测模型将需要进行预测的行为数据与历史行为数据在对应 的维度上进行比对，获取行为数据的分析结果。
[0006] 为了实现上述目的，根据本发明实施例的另一方面，提供了一种行为数据的分析 装置。本发明的装置包括：采集模块，用于采集需要进行预测的行为数据，其中，行为数据包 括：至少一个维度上的维度信息；第一获取模块，用于获取历史行为数据以及历史行为数 据在至少一个维度上对应的历史维度信息；分析模块，用于根据预先建立的预测模型将需 要进行预测的行为数据与历史行为数据在对应的维度上进行比对，获取行为数据的分析结 果。
[0007] 根据发明实施例，依据大量的历史案例，通过预测模型将需要进行预测的行为数 据与历史行为数据在对应的维度上进行比对，得出需要进行预测行为数据的分析结果。解 决了技术中对行为实施结果分析过程耗时耗力、无法把握实施时机、行为实施前难以预见 实施结果的问题，达到了在行为实施前快速准确预测行为结果的效果。
【附图说明】
[0008] 构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实 施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0009] 图1是根据本发明实施例的行为数据的分析方法的流程图；以及
[0010] 图2是根据本发明实施例的行为数据的分析装置的示意图。
【具体实施方式】
[0011] 需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相 互组合。下面将参考附图并结合实施例来详细说明本发明。
[0012] 为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是 本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术 人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范 围。
[0013] 需要说明的是，本发明的说明书和权利要求书及上述附图中的术语"第一"、"第 二"等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使 用的数据在适当情况下可以互换，以便这里描述的本发明的实施例。此外，术语"包括"和 "具有"以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元 的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有 清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0014] 实施例1
[0015] 本发明实施例提供了 一种行为数据的分析方法。
[0016] 图1是根据本发明实施例的行为数据的分析方法的流程图。如图1所示，该行为 数据的分析方法包括步骤如下：
[0017] 步骤S20,采集需要进行预测的行为数据，其中，行为数据包括：至少一个维度上 的维度信息；
[0018] 具体的，上述步骤S20中的行为数据的维度以及维度信息可以是一个，也可以是 多个，例如：维度可以为预设的产品对象的支持率、中立率和反对率，对应的维度信息例如 是支持率40%、中立率50%、反对率10% ;或者维度为行为持续的时间跨度，对应的维度信 息可以是一个月。
[0019] 步骤S40,获取历史行为数据以及历史行为数据在至少一个维度上对应的历史维 度信息；
[0020] 具体的，历史行为数据是已经预先收集的，包括各维度以及对应的历史维度信息。 此处的至少一个维度是指与步骤S20中进行预测的行为数据相同的维度。例如：行为数据 的维度为预设的产品对象的支持率、中立率和反对率，需要获取对应的历史维度信息，例如 是支持率30 %、中立率50 %、反对率20 %。行为数据的维度为时间跨度，需要获取对应的历 史维度信息，可以是半个月。
[0021] 步骤S60,根据预先建立的预测模型将需要进行预测的行为数据与历史行为数据 在对应的维度上进行比对，获取行为数据的分析结果。
[0022] 具体的，预测模型是预先建立的，预测模型维度可以包括产品对象体量、时间跨 度、产品对象的支持率、中立率和反对率，重要历史行为、产品对象关注度、产品对象销售值 等。预测模型的分析方式是通过对需要预测行为数据与历史行为数据在对应的维度进行对 比，上述对应的维度指的是需要预测的行为数据与历史行为数据必须是同样的维度，需要 预测的行为数据维度是预设的产品对象体量、预设的产品对象的销售值，对应的历史行为 数据维度同样是历史产品对象体量、历史产品对象的销售值。该预测模型的维度以及比对 方式可以存储在服务器中。通过预先存储的数据以及预测模型，通过建模分析，可以快速准 确的得到预测结果，解决了现有技术中行为数据的分析结果耗时耗力，行为实施前难以预 见实施结果的问题。
[0023] 这里需要说明的是，行为数据的分析结果可以是预设的产品对象的销量值，也可 是预设的产品对象的支持率等。例如，行为数据的分析结果可以是预设的产品对象销量增 加20%或者预设的产品对象支持率增长10%。
[0024] 可选的，上述步骤S60中，根据预测模型将需要进行预测的行为数据与历史行为 数据在对应的维度上进行比对，获取行为数据的分析结果的步骤可以包括：
[0025] 步骤S601，根据预先建立的预测模型将需要进行预测的行为数据与多个历史行为 数据在对应的维度上分别进行比对，得到与所述需要进行预测的行为数据对应的多个预处 理分析结果；
[0026] 具体的，获取到N组历史行为数据，将需要进行预测的行为数据分别与每一组历 史行为数据在对应的维度上进行比对，得到N个该行为数据的预处理分析结果。
[0027] 步骤S602,对得到多个预处理分析结果进行去噪处理；
[0028] 具体的，得到的N个行为数据的预处理分析结果中存在噪声数据，噪声数据将影 响行为数据分析结果的准确性，为了得到更准确的行为数据的分析结果，需要对预处理分 析结果进行去噪处理。例如：得到的N个预处理分析结果符合正态分布，正态分布前后两端 可以认为是噪声数据，影响行为数据的分析结果的准确性，因此可以去除正态分布前后两 端的数据。
[0029] 步骤S603,对去噪处理后的多个预处理分析结果进行取平均值计算，得到行为数 据的分析结果。
[0030] 具体的，去掉噪声数据后，剩下的所有预处理分析结果是对行为数据的分析结果 有实际参考意义的数据，根据剩下的所有预处理分析结果计算行为数据的分析结果。
[0031] 上述步骤S601中，根据预先建立的预测模型将需要进行预测的行为数据与多个 历史行为数据在对应的维度上分别进行比对，得到与需要进行预测的行为数据对应的多个 预处理分析结果，可以包括：
[0032] 步骤S6011，获取任意一个历史行为数据对应的历史行为结果Y ;
[0033] 具体的，历史行为结果可以是经济上的，如预设的产品对象的销量变化，也可是预 设的产品对象的支持率、预设的产品对象的关注度等，例如历史行为结果是增加了 40%的 销量。
[0034] 具体的，历史行为结果Y可以通过如下方式计算，例如当历史行为结果Y为销售增 长百分比时，
[0035]
[0036] 例如当历史行为结果Y为股价涨幅时，
[0037]
[0038] 上述Ν可以按照需要预先设定。
[0039] 步骤S6012,通过如下公式计算得到需要进行预测的行为数据的预处理分析结果 X ：
[0040]
[0041] 其中，i为维度的个数，是自然数，Xi为第i个维度上的维度信息，a i为第i个维度 上的维度信息的权重值，yi为第i个维度上的历史维度信息，b i为第i个维度上的历史维 度信息的权重值。
[0042] 此处需要说明的是，上述计算得到的预处理分析结果X可以是以多个历史行为数 据中的第一个历史行为数据为基础，计算得到的预处理分析结果，而以多个历史行为数据 中的其他历史行为数据为基础，计算该行为数据的预处理分析结果所采用的计算公式与上 述用于计算得到X的公式相同。
[0043] 具体的，行为数据的分析结果是依据历史行为结果计算出来，例如历史行为结果 是销量上升的比率，对应得出的行为数据的分析结果也是销量上升的比率。其中，^和匕 用于表征根据预设的行为数据与历史行为数据相关性设定的预设数值。i为自然数，表示预 设的行为数据与历史行为数据有多个维度对应的多个维度信息。
[0044] 可选的，当A公司需要预测某次市场行为，将要实施行为的维度以及对应的维度 数据包括：时间跨度个月；预设的产品对象体量：5亿市值；预设的产品对象支持率： 40% ;预设的产品对象中立率：50% ;预设的产品对象反对率：10% ;预设的产品对象支持 率变化趋势：增长20% ;预设的产品对象销售值：15亿；行为主体历史活动重要性：50 ;行 为主体历史活动关注度：38万；行为主体历史活动影响范围：71万；行为主体历史活动支 持率变化趋势：增长50%。B公司市场行为的维度及对应的维度数据包括：时间跨度：0. 5 个月；预设的产品对象体量：15亿市值；预设的产品对象支持率：30% ;预设的产品对象中 立率：50% ;预设的产品对象反对率：20% ;预设的产品对象支持率变化趋势：增长10% ;预 设的产品对象销售值：45亿；行为主体历史活动重要性：32 ;行为主体历史活动关注度：67 万；行为主体历史活动影响范围：107万；行为主体历史活动支持率变化趋势：增长35%;历 史行为结果：销售值增加40% .权重值a1= 1，权重值b1= 1由上述维度数据可以计算： [00
[0046] X = -0. 74
[0047] 上述步骤S60中，根据预先建立的预测模型将需要进行预测的行为数据与历史行 为数据在对应的维度上进行比对，获取行为数据的分析结果之前，该方法可以包括：接收外 部输入的修改信息，来修改预测模型。
[0048] 具体的，预测模型可以根据外部信息的设置来进行修改。例如，针对预设的产品对 象不同，根据维度的重要程度，为不同的维度设定不同的权重值，以获得更准确的行为数据 的分析结果。
[0049] 可选的，上述步骤S40中，在获取历史行为数据以及历史行为数据在至少一个维 度上对应的历史维度信息之前，该方法可以包括：
[0050] 步骤S301，将历史行为数据对应的多个历史维度信息存储到多个数据库中，其中， 每个数据库之间通过同一行为参数进行关联。该步骤中的行为参数是指维度信息中所包含 的具体行为数据，例如可以是维度信息中的举办某主题慈善活动，也可以是举办某主题马 拉松大奖赛。
[0051] 具体的，持续存储不同行为的维度信息，积累大量的历史数据，并将维度信息按 照维度进行分类，属于相同维度的维度信息存储在同一数据库中，多个维度与多个数据库 一一对应。通过上述方法，将大量的历史行为信息存储在数据库中，可以便捷的查询历史行 为数据，提高了获取行为数据分析结果的效率。
[0052] 这里需要说明的是，上述维度可以进行调整，增加维度，可以使分析的维度更加全 面，模型可以得出的结论类型也将增加。同时，维度也可以进行修改、删除。
[0053] 在步骤S301将历史行为数据对应的多个历史维度信息存储到多个数据库中之 后，本实施例提供的方法还可以包括：
[0054] 步骤S3021，采集新的历史维度信息；
[0055] 具体的，不断增加新的历史维度信息，可以使行为数据的分析结果更准确。
[0056] 步骤S3022,将新的历史维度信息存储到新的数据库中；
[0057] 具体的，同一维度的维度信息存储在同一数据库中，为新的维度信息建立新的数 据库。
[0058] 步骤S3023,新的数据库通过同一行为参数与任意一个或多个数据库关联。
[0059] 具体的，新的数据库与原有多个数据库进行关联，可以是与其中一个进行关联，也 可以是与其中多个数据库进行关联。
[0060] 结合上述实施例一，下面，就以如下具体实例对本申请实施例一提供的方案进行 详细描述：
[0061] 步骤1，当A公司需要预测某次市场行为，将要实施行为的维度以及对应的维度数 据包括：时间跨度：1个月；预设的产品对象体量：5亿市值；预设的产品对象支持率：40% ; 预设的产品对象中立率：50% ;预设的产品对象反对率：10% ;预设的产品对象支持率变化 趋势：增长20% ;预设的产品对象销售值：15亿；行为主体历史活动重要性：50 ;行为主体 历史活动关注度：38万；行为主体历史活动影响范围：71万；行为主体历史活动支持率变 化趋势：增长50%。
[0062] 步骤2, B公司市场行为的维度及对应的维度数据包括：时间跨度：0. 5个月；预设 的产品对象体量：15亿市值；预设的产品对象支持率：30% ;预设的产品对象中立率：50% ; 预设的产品对象反对率：20% ;预设的产品对象支持率变化趋势：增长10% ;预设的产品对 象销售值：45亿；行为主体历史活动重要性：32 ;行为主体历史活动关注度：67万；行为主 体历史活动影响范围：1〇7万；行为主体历史活动支持率变化趋势：增长35% ;历史行为结 果：销售值增加40%。
[0063] 步骤3,权重值a;= 1，权重值b ;= 1时根据权重计算公式：
[00641
[0065] 由此可得出通过B案例得出的即将执行的活动可能收获的结果Xb= -0. 74。
[0066] 步骤4,获取的历史行为数据为多组时，例如C、D、E，按照上述步骤3分别计算出即 将执行的活动可能收获的效果t = -〇. 42、X d= -0. 7、X e= -0. 65。
[0067] 步骤5,预先设定B、C、D、E的活动相关性，例如：B的活动相关性为kb= 0. 9, C的 活动相关性为0. 8, D的活动相关性为k d= 0. 6, E的活动相关性为k 0. 3。
[0068] 根据预先设定的活动相关性阈值k，例如当k = 0. 6时，剔除相关性小于0. 6的活 动E，计算出剩下的B、C、D活动的平均值为：
[0069]
[0070] 步骤6,根据公式计算即将执行活动最终结果：
[0071]
[0072] 可知 X =-0.624。
[0073] 通过根据上述内容可知，需要预测的本次活动将使销售量降低62. 4%。
[0074] 综上，本发明依据大量的历史案例，通过预测模型将需要进行预测的行为数据与 历史行为数据在对应的维度上进行比对，得出需要进行预测行为数据的分析结果。解决了 技术中对行为实施结果分析过程耗时耗力、无法把握实施时机、行为实施前难以预见实施 结果的问题，达到了在行为实施前快速准确预测行为结果的效果。
[0075] 实施例2
[0076] 本发明实施例提供了一种行为数据的分析装置。需要说明的是，本发明实施例的 行为数据的分析装置可以用于执行本发明实施例所提供的行为数据的分析方法，本发明实 施例的行为数据的分析方法也可以通过本发明实施例所提供的行为数据的分析装置来执 行。
[0077] 图2是根据本发明实施例的行为数据的分析装置的流程图。如图2所示，该行为 数据的分析装置可以包括：
[0078] 采集模块40,用于采集需要进行预测的行为数据，其中，行为数据包括：至少一个 维度上的维度信息。
[0079] 具体的，具体的，上述采集模块40中的行为数据的维度以及维度信息可以是一 个，也可以是多个，例如：维度可以为预设的产品对象的支持率、中立率和反对率，对应的维 度信息可以是支持率40%、中立率50%、反对率10%;或者维度为行为持续的时间跨度，对 应的维度信息可以是一个月。
[0080] 第一获取模块42,用于获取历史行为数据以及历史行为数据在至少一个维度上对 应的历史维度信息。
[0081] 具体的，历史行为数据是已经预先收集的，包括各维度以及对应的历史维度信息。 此处的至少一个维度是指与采集模块40中进行预测的行为数据相同的维度。例如：行为数 据的维度为预设的产品对象的支持率、中立率和反对率，需要获取对应的历史维度信息，可 以是支持率30 %、中立率50 %、反对率20 %。行为数据的维度为时间跨度，需要获取对应的 历史维度信息，可以是半个月。
[0082] 分析模块44,用于根据预先建立的预测模型将需要进行预测的行为数据与历史行 为数据在对应的维度上进行比对，获取行为数据的分析结果。
[0083] 具体的，预测模型是预先建立的，预测模型维度可以包括产品对象体量、时间跨 度、产品对象的支持率、中立率和反对率，重要历史行为、产品对象关注度、产品对象销售值 等。预测模型的分析方式是通过对需要预测行为数据与历史行为数据在对应的维度进行对 比，上述对应的维度指的是需要预测的行为数据与历史行为数据必须是同样的维度，需要 预测的行为数据维度是预设的产品对象体量、预设的产品对象的销售值，对应的历史行为 数据维度同样是历史产品对象体量、历史产品对象的销售值。该预测模型的维度以及比对 方式可以存储在服务器中。通过预先存储的数据以及预测模型，通过建模分析，可以快速准 确的得到预测结果，解决了现有技术中行为数据的分析结果耗时耗力，行为实施前难以预 见实施结果的问题。
[0084] 这里需要说明的是，行为数据的分析结果可以是预设的产品对象销量值的，也可 是预设的产品对象的支持率等。例如，行为数据的分析结果可以是预设的产品对象销量增 加20%或者预设的产品对象支持率增长10%。
[0085] 可选的，该装置分析模块44可以包括：
[0086] 预处理模块441，用于根据预先建立的预测模型将需要进行预测的行为数据与多 个历史行为数据在对应的维度上分别进行比对，得到与需要进行预测的行为数据对应的多 个预处理分析结果；
[0087] 具体的，获取到N组历史行为数据，将需要进行预测的行为数据分别与每一组历 史行为数据在对应的维度上进行比对，得到N个该行为数据的预处理分析结果。
[0088] 去噪模块442,用于对得到多个预处理分析结果进行去噪处理；
[0089] 具体的，得到的N个行为数据的预处理分析结果中存在噪声数据，噪声数据将影 响行为数据分析结果的准确性，为了得到更准确的行为数据的分析结果，需要对预处理分 析结果进行去噪处理。例如：得到的N个预处理分析结果符合正态分布，正态分布前后两端 可以认为是噪声数据，影响行为数据的分析结果的准确性，因此可以去除正态分布前后两 端的数据。
[0090] 第一计算模块443,用于对去噪处理后的多个预处理分析结果进行取平均值计算， 得到行为数据的分析结果。
[0091] 具体的，去掉噪声数据后，剩下的所有预处理分析结果是对行为数据的分析结果 有实际参考意义的数据，根据剩下的所有预处理分析结果计算行为数据的分析结果。
[0092] 可选的，该装置预处理模块441可以包括：
[0093] 第二获取模块4411，用于获取任意一个历史行为数据对应的历史行为结果Y ;
[0094] 具体的，历史行为结果可以是经济上的，如预设的产品对象的销量变化，也可是预 设的产品对象的支持率、预设的产品对象的关注度等，例如历史行为结果是增加了 40%的 销量。
[0095] 具体的，历史行为结果Y可以通过如下方式计算，例如当历史行为结果Y为销售增 长百分比时，
[0096]
[0097] 例如当历史行为结果Υ为股价涨幅时，
[0098]
[0099] 上述Ν可以按照需要预先设定。
[0100] 第二计算模块4412,用于通过如下公式计算得到需要进行预测的行为数据的预处 理分析结果X :
[0101]
[0102] 其中，i为维度的个数，是自然数，Xi为第i个维度上的维度信息，a i为第i个维度 上的维度信息的权重值，yi为第i个维度上的历史维度信息，b i为第i个维度上的历史维 度信息的权重值。
[0103] 具体的，行为数据的分析结果是依据历史行为结果计算出来，例如历史行为结果 是销量上升的比率，对应得出的行为数据的分析结果也是销量上升的比率。其中，^和匕 用于表征根据预设的行为数据与历史行为数据相关性设定的预设数值。i为自然数，表示预 设的行为数据与历史行为数据有多个维度对应的多个维度信息。
[0104] 此处需要说明的是，上述计算得到的预处理分析结果X可以是以多个历史行为数 据中的第一个历史行为数据为基础，计算得到的预处理分析结果，而以多个历史行为数据 中的其他历史行为数据为基础，计算该行为数据的预处理分析结果所采用的计算公式与上 述用于计算得到X的公式相同。
[0105] 可选的，当A公司需要预测某次市场行为，将要实施行为的维度以及对应的维度 数据包括：时间跨度个月；预设的产品对象体量：5亿市值；预设的产品对象支持率： 40% ;预设的产品对象中立率：50% ;预设的产品对象反对率：10% ;预设的产品对象支持 率变化趋势：增长20% ;预设的产品对象销售值：15亿；行为主体历史活动重要性：50 ;行 为主体历史活动关注度：38万；行为主体历史活动影响范围：71万；行为主体历史活动支 持率变化趋势：增长50%。B公司市场行为的维度及对应的维度数据包括：时间跨度：0. 5 个月；预设的产品对象体量：15亿市值；预设的产品对象支持率：30% ;预设的产品对象中 立率：50% ;预设的产品对象反对率：20% ;预设的产品对象支持率变化趋势：增长10% ;预 设的产品对象销售值：45亿；行为主体历史活动重要性：32 ;行为主体历史活动关注度：67 万；行为主体历史活动影响范围：107万；行为主体历史活动支持率变化趋势：增长35%;历 史行为结果：销售值增加40%。由上述维度数据可以计算：
[0106]
[0107] X = -0.74
[0108] 可选的，该装置还可以包括：修改模块，用于接收外部输入的修改信息，来修改预 测模型。
[0109] 具体的，预测模型可以根据外部信息的设置来进行修改。例如，针对预设的产品对 象不同，根据维度的重要程度，为不同的维度设定不同的权重值，以获得更准确的行为数据 的分析结果。
[0110] 可选的，该装置还可以包括：数据存储模块431，用于将历史行为数据对应的多个 历史维度信息存储到多个数据库中，其中，每个数据库之间通过同一行为参数进行关联。 [0111] 具体的，持续存储不同行为的维度信息，积累大量的历史数据，并将维度信息按照 维度进行分类，属于相同维度的维度信息存储在同一数据库中，多个维度对应多个数据库。 通过上述方法，将大量的历史行为信息存储在数据库中，可以便捷的查询历史行为数据，提 高了获取行为数据分析结果的效率。行为参数是指具体行为数据，例如可以是维度信息中 的举办某主题慈善活动，也可以是举办某主题马拉松大奖赛。
[0112] 这里需要说明的是，上述维度可以进行调整，增加维度，可以使分析的维度更加全 面，模型可以得出的结论类型也将增加。同时，维度也可以进行修改、删除。
[0113] 可选的，该装置还可以包括：
[0114] 第二采集模块4321，用于采集新的历史维度信息；
[0115] 具体的，不断增加新的历史维度信息，可以使行为数据的分析结果更准确。
[0116] 第二数据存储模块4322,用于将新的历史维度信息存储到新的数据库中；
[0117] 具体的，同一维度的维度信息存储在同一数据库中，为新的维度信息建立新的数 据库。
[0118] 关联模块4323,用于新的数据库通过同一行为参数与任意一个或多个数据库关 联。
[0119] 具体的，新的数据库与原有多个数据库进行关联，可以是与其中一个进行关联，也 可以是与其中多个数据库进行关联。
[0120] 需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列 的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为 依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知 悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明 所必须的。
[0121] 在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部 分，可以参见其他实施例的相关描述。
[0122] 在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式 实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种 逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可 以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间 的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接， 可以是电性或其它的形式。
[0123] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显 示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个 网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目 的。
[0124] 另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以 是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单 元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0125] 所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用 时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质 上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形 式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算 机设备（可为个人计算机、移动终端、服务器或者网络设备等）执行本发明各个实施例所 述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（ROM，Read-Only Memory)、随机存取存储器（RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种 可以存储程序代码的介质。
[0126] 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。
【主权项】
1. 一种行为数据的分析方法，其特征在于，包括： 采集需要进行预测的行为数据，其中，所述行为数据包括：至少一个维度上的维度信 息； 获取历史行为数据W及所述历史行为数据在所述至少一个维度上对应的历史维度信 息； 根据预先建立的预测模型将所述需要进行预测的行为数据与所述历史行为数据在对 应的维度上进行比对，获取所述行为数据的分析结果。2. 根据权利要求1所述的方法，其特征在于，根据所述预测模型将所述需要进行预测 的行为数据与所述历史行为数据在对应的维度上进行比对，获取所述行为数据的分析结果 包括： 根据预先建立的预测模型将所述需要进行预测的行为数据与多个所述历史行为数据 在对应的维度上分别进行比对，得到与所述需要进行预测的行为数据对应的多个预处理分 析结果； 对得到所述多个预处理分析结果进行去噪处理； 对去噪处理后的所述多个预处理分析结果进行取平均值计算，得到所述行为数据的分 析结果。3. 根据权利要求2所述的方法，其特征在于，根据预先建立的预测模型将所述需要进 行预测的行为数据与多个所述历史行为数据在对应的维度上分别进行比对，得到与所述需 要进行预测的行为数据对应的多个预处理分析结果的步骤包括： 获取任意一个历史行为数据对应的历史行为结果Y ; 通过如下公式计算得到所述需要进行预测的行为数据的预处理分析结果X :其中，i为所述维度的个数，是自然数，Xi为第i个维度上的维度信息，a 1为所述第i个 维度上的维度信息的权重值，为所述第i个维度上的历史维度信息，b 1为所述第i个维 度上的历史维度信息的权重值。4. 根据权利要求1所述的方法，其特征在于，根据所述预测模型将所述需要进行预测 的行为数据与所述历史行为数据在对应的维度上进行比对，获取所述行为数据的分析结果 之前，所述方法还包括： 接收外部输入的修改信息，来修改所述预测模型。5. 根据权利要求1所述的方法，其特征在于，在获取所述历史行为数据W及所述历史 行为数据在所述至少一个维度上对应的历史维度信息之前，所述方法还包括： 将所述历史行为数据对应的多个历史维度信息存储到多个数据库中，其中，每个数据 库之间通过同一行为参数进行关联。6. 根据权利要求5所述的方法，其特征在于，将所述历史行为数据对应的多个历史维 度信息存储到多个数据库中之后，所述方法还包括： 采集新的历史维度信息； 将所述新的历史维度信息存储到新的数据库中； 所述新的数据库通过所述同一行为参数与任意一个或多个数据库关联。7. -种行为数据的分析装置，其特征在于，包括： 采集模块，用于采集需要进行预测的行为数据，其中，所述行为数据包括：至少一个维 度上的维度信息； 第一获取模块，用于获取历史行为数据W及所述历史行为数据在所述至少一个维度上 对应的历史维度信息； 分析模块，用于根据预先建立的预测模型将所述需要进行预测的行为数据与所述历史 行为数据在对应的维度上进行比对，获取所述行为数据的分析结果。8. 根据权利要求7所述的装置，其特征在于，所述分析模块包括： 预处理模块，用于根据预先建立的预测模型将所述需要进行预测的行为数据与多个所 述历史行为数据在对应的维度上分别进行比对，得到与需要进行预测的行为数据对应的多 个预处理分析结果； 去噪模块，用于对得到所述多个预处理分析结果进行去噪处理； 第一计算模块，用于对去噪处理后的所述多个预处理分析结果进行取平均值计算，得 到所述行为数据的分析结果。9. 根据权利要求8所述的装置，其特征在于，所述预处理模块包括： 第二获取模块，用于获取任意一个历史行为数据对应的所述历史行为结果Y ; 第二计算模块，用于通过如下公式计算得到需要进行预测的行为数据的预处理分析结 果X :其中，i为所述维度的个数，是为自然数，Xi为第i个维度上的维度信息，a 1为所述第i 个维度上的维度信息的权重值，为所述第i个维度上的历史维度信息，b 1为所述第i个 维度上的历史维度信息的权重值。10. 根据权利要求7所述的装置，其特征在于，所述装置还包括： 修改模块，用于接收外部输入的修改信息，来修改所述预测模型。11. 根据权利要求7所述的装置，其特征在于，所述装置还包括： 数据存储模块，用于将所述历史行为数据对应的多个历史维度信息存储到多个数据库 中，其中，每个数据库之间通过同一行为参数进行关联。12. 根据权利要求11所述的装置，其特征在于，所述装置还包括： 第二采集模块，用于采集新的历史维度信息； 第二数据存储模块，用于将所述新的历史维度信息存储到新的数据库中； 关联模块，用于所述新的数据库通过所述同一行为参数与任意一个或多个数据库关 联。
【文档编号】G06F17/30GK106033581SQ201510117145
【公开日】2016年10月19日
【申请日】2015年3月17日
【发明人】陈俊宏, 余德乐, 杨韬, 赵冬玲
【申请人】北京国双科技有限公司