(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210224441.4 (22)申请日 2022.03.07 (71)申请人 支付宝 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市西湖区西溪路 556号8层B段801-1 1 (72)发明人 王宝坤　张屹綮　石磊磊　 (74)专利代理 机构 北京亿腾知识产权代理事务 所(普通合伙) 11309 专利代理师 陈霁　周良玉 (51)Int.Cl. G06V 10/762(2022.01) G06K 9/62(2022.01) G06Q 40/04(2012.01) (54)发明名称 一种用户行为模式的区分方法和装置 (57)摘要 本说明书实施例提供了一种用户行为模式 的区分方法和装置， 该方法包括： 行为序列集合 确定单元获取多个用户行为序列对应的多个序 列表征向量； 行为序列集合确定单元构建序列关 系图， 其中的单个节点对应于单个用户行为序 列， 并且具有连接边的两个节点满足， 该两个节 点对应的两个用户行为序列之间的共同子序列 满足第一条件， 以及该两个用户行为序列对应的 两个序列向量之间的相似度超 过设定阈值； 行为 序列集合确定单元基于序列关系图， 进行图聚类 运算， 获取若干节点类簇； 根据若干节点类簇， 确 定对应的若干用户行为序列集合， 其中， 用户行 为序列集 合用于确定用户的行为模式。 权利要求书3页 说明书10页 附图2页 CN 114581693 A 2022.06.03 CN 114581693 A 1.一种用户行为模式的区分方法， 包括： 获取多个用户行为序列对应的多个序列表征向量； 构建序列关系图， 其中的单个节点对应于单个用户行为序列， 并且具有连接边的两个 节点满足， 该两个节点对应的两个用户行为序列之间的共同子序列满足第一条件， 以及该 两个用户行为序列对应的两个序列表征向量之间的相似度超过设定阈值； 基于所述序列关系图， 进行图聚类运算， 获取若干节点类簇； 根据所述若干节点类簇， 确定对应的若干用户行为序列集合， 其中， 所述用户行为序列集合用于确定用户的行为模 式。 2.根据权利要求1所述的方法， 其中， 获取多个用户行为序列对应的多个序列表征向 量， 包括： 获取多个用户行为序列， 其中， 每个用户行为序列包括针对目标业务的、 依次的多个用 户业务行为； 根据所述多个用户行为序列， 确定对应的多个序列表征向量。 3.根据权利要求2所述的方法， 其中， 根据所述多个用户行为序列， 确定对应的多个序 列表征向量， 包括： 以各用户行为序列包括的用户业务行为作为词汇， 基于词嵌入算法， 确定所述用户业 务行为对应的行为表征向量； 根据所述行为表征向量， 确定各用户行为序列对应的序列表征向量。 4.根据权利要求3所述的方法， 其中， 根据所述行为表征向量， 确定各用户行为序列对 应的序列表征向量， 包括： 对于各用户行为序列包括的用户业务行为的行为表征向量进行加权平均， 得到各初始 序列表征向量； 对于由各初始序列表征向量构成的序列表征向量矩阵， 计算其主成分,再从每个初始 序列表征向量中减去 该向量在所述主成分上的投影， 得到各用户行为序列对应的序列表征 向量。 5.根据权利要求1所述的方法， 其中， 所述第一条件为所述公共子序列的长度大于2， 所 述设定阈值 为0.2。 6.根据权利要求1所述的方法， 其中， 基于序列关系图， 进行图聚类运算， 获取若干节点 类簇， 包括： 根据序列关系图， 确定其对应的第一节点特 征矩阵； 通过预先设定的图卷积矩阵， 对所述第一节点特征矩阵进行低频滤波卷积操作， 获取 第二节点特 征矩阵； 基于第二节点特 征矩阵， 进行聚类运 算， 获取若干节点类簇 。 7.根据权利要求1所述的方法， 其中， 所述相似度为 余弦相似度。 8.根据权利要求1所述的方法， 还 包括： 根据所述若干用户行为序列集 合， 确定对应的若干用户行为模式。 9.一种用户行为模式的确定方法， 包括： 获取待测用户行为序列， 所述待测用户行为序列包括依次的多个用户业 务行为； 根据通过权利要求1所述的方法获取的用户行为序列集合， 确定所述待测用户行为序权　利　要　求　书 1/3 页 2 CN 114581693 A 2列是否匹配于， 所述用户行为序列集 合对应的用户行为模式。 10.一种用户行为模式的区分装置， 包括： 序列表征获取 单元， 配置为， 获取多个用户行为序列对应的多个序列表征向量； 序列关系图构建单元， 配置为， 构建序列关系图， 其中的单个节点对应于单个用户行为 序列， 并且具有连接边的两个节点满足， 该两个节点对应的两个用户行为序列之间的共同 子序列满足第一条件， 以及该两个用户行为序列对应的两个序列 表征向量之间的相似度超 过设定阈值； 行为序列集合确定单元， 配置为， 基于所述序列关系图， 进行图聚类运算， 获取若干节 点类簇； 根据所述若干节点类簇， 确定对应的若干用户行为序列集合， 其中， 所述用户行为 序列集合用于确定用户的行为模式。 11.根据权利要求10所述的装置， 其中， 序列表征获取 单元， 进一步配置为： 获取多个用户行为序列， 其中， 每个用户行为序列包括针对目标业务的、 依次的多个用 户业务行为； 根据所述多个用户行为序列， 确定对应的多个序列表征向量。 12.根据权利要1 1所述的装置， 其中， 序列表征获取 单元， 进一步配置为： 以各用户行为序列包括的用户业务行为作为词汇， 基于词嵌入算法， 确定所述用户业 务行为对应的行为表征向量； 根据所述行为表征向量， 确定各 所述用户行为序列对应的序列表征向量。 13.根据权利要求12所述的装置， 其中， 序列表征获取 单元， 进一步配置为： 对于各用户行为序列包括的用户业务行为的行为表征向量进行加权平均， 得到各初始 序列表征向量； 对于由各初始序列表征向量构成的序列表征向量矩阵， 计算其主成分,再从每个初始 序列表征向量中减去 该向量在所述主成分上的投影， 得到各用户行为序列对应的序列表征 向量。 14.根据权利要求10所述的装置， 其中， 所述第 一条件为所述公共子序列的长度大于2， 所述设定阈值 为0.2。 15.根据权利要求10所述的装置， 其中， 行为序列集 合确定单 元， 进一步配置为： 根据序列关系图， 确定其对应的第一节点特 征矩阵； 通过预先设定的图卷积矩阵， 对所述节点特征矩阵进行低频滤波卷积操作， 获取第二 节点特征矩阵； 基于第二节点特 征矩阵， 进行聚类运 算， 获取若干节点类簇 。 16.根据权利要求10所述的装置， 其中， 所述相似度为 余弦相似度。 17.根据权利要求10所述的装置， 还 包括： 用户行为模式获取单元， 配置为， 根据 所述若干用户行为序列集合， 确定对应的若干用 户行为模式。 18.一种用户行为模式的确定装置， 包括： 用户行为序列获取单元， 配置为， 获取待测用户行为序列， 所述待测用户行为序列包括 依次的多个用户业 务行为； 用户行为模式匹配单元， 配置为， 根据通过权利要求1所述的方法获取的用户行为序列权　利　要　求　书 2/3 页 3 CN 114581693 A 3