本發(fā)明涉及電子技術(shù)領(lǐng)域，尤其涉及一種用戶行為分析方法和裝置。

背景技術(shù)：

隨著科學(xué)技術(shù)的發(fā)展，目前越來越多的用戶使用智能穿戴設(shè)備，在完全陌生的環(huán)境中，用戶希望使用智能穿戴設(shè)備關(guān)注身邊的人，如果對方分享自己的用戶行為，就可以使用智能穿戴設(shè)備中的微信、QQ等社交軟件完成陌生人的行為分析和互動交流，從而達(dá)到了解對方過去做過什么，現(xiàn)在做什么以及將來會做什么，并確定多個用戶之間的行為相似性。但是，現(xiàn)有大部分社交軟件需要用戶加入朋友圈或者查看其他用戶簡介才能了解身邊的其他用戶，沒考慮到對陌生人社交的需求，并且這些軟件沒有在時間線上動態(tài)分析用戶行為，因此，現(xiàn)有分析用戶行為的方法準(zhǔn)確性不高。

技術(shù)實現(xiàn)要素：

本發(fā)明實施例提供一種用戶行為分析方法和裝置?？梢栽跁r間線上動態(tài)地分析用戶行為，從而提高用戶行為分析的準(zhǔn)確性。

本發(fā)明第一方面提供了一種用戶行為分析方法，包括：

分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息；

根據(jù)所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力；

根據(jù)所述在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力，確定在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為相似度。

在第一方面的第一種可能的實現(xiàn)方式中，所述分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息包括:

分別獲取所述第一用戶的定位信息以及所述第二用戶的定位信息；

根據(jù)所述第一用戶的定位信息以及所述第二用戶的定位信息，分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息。

結(jié)合第一方面的第一種可能的實現(xiàn)方式，在第一方面的第二種可能的實現(xiàn)方式中，所述根據(jù)所述第一用戶的定位信息以及所述第二用戶的定位信息，分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息包括：

根據(jù)所述第一用戶的定位信息以及所述第二用戶的定位信息，分別確定所述第一用戶以及所述第二用戶是否在預(yù)設(shè)范圍內(nèi)；

若所述第一用戶以及所述第二用戶在所述預(yù)設(shè)范圍內(nèi)，則分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息。

在第一方面的第三種可能的實現(xiàn)方式中，所述根據(jù)所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力包括：

將所述第一用戶作為用戶網(wǎng)絡(luò)中的第一節(jié)點，以及將所述第二用戶作為所述用戶網(wǎng)絡(luò)中的第二節(jié)點；

基于所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，將所述第一節(jié)點轉(zhuǎn)化為第一向量以及所述第二節(jié)點轉(zhuǎn)化為第二向量；

根據(jù)轉(zhuǎn)化得到的所述第一向量以及所述第二向量，通過預(yù)設(shè)的行為影響力函數(shù)計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力。

結(jié)合第一方面以及第一方面的第三種可能的實現(xiàn)方式，在第一方面的第四種可能的實現(xiàn)方式中，所述根據(jù)所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力包括：

根據(jù)所述第一行為信息確定在所述時間段內(nèi)的目標(biāo)時間點上所述第一用戶 執(zhí)行目標(biāo)事件的第一概率，以及根據(jù)所述第二行為信息確定在所述目標(biāo)時間點上所述第二用戶執(zhí)行所述目標(biāo)事件的第二概率；

根據(jù)所述第一概率、所述第二概率以及預(yù)設(shè)的行為影響力函數(shù)，計算在所述目標(biāo)時間點上的所述第一用戶與所述第二用戶之間的行為影響力。

在第一方面的第五種可能的實現(xiàn)方式中，所述第一用戶與所述第二用戶之間的行為影響力包括所述第一用戶對所述第二用戶的行為影響力以及所述第二用戶對所述第一用戶的行為影響力，所述行為相似度其中，為在所述目標(biāo)時間點上所述第一用戶對所述第二用戶的行為影響力，為在所述目標(biāo)時間點上所述第二用戶對所述第一用戶的行為影響力，θ_αβ為比例系數(shù)，ω_αβ為所述第一用戶與所述第二用戶之間的影響力強(qiáng)度函數(shù)。

相應(yīng)地，本發(fā)明第二方面提供了一種用戶行為分析裝置，包括：

信息獲取模塊，用于分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息；

信息計算模塊，用于根據(jù)所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力；

信息確定模塊，用于根據(jù)所述在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力，確定在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為相似度。

在第二方面的第一種可能的實現(xiàn)方式中，所述信息獲取模塊包括:

第一獲取單元，用于分別獲取所述第一用戶的定位信息以及所述第二用戶的定位信息；

第二獲取單元，用于根據(jù)所述第一用戶的定位信息以及所述第二用戶的定位信息，分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時 間段內(nèi)的第二行為信息。

結(jié)合第二方面的第一種可能的實現(xiàn)方式，在第二方面的第二種可能的實現(xiàn)方式中，所述第二獲取單元具體用于：

根據(jù)所述第一用戶的定位信息以及所述第二用戶的定位信息，分別確定所述第一用戶以及所述第二用戶是否在預(yù)設(shè)范圍內(nèi)；

若所述第一用戶以及所述第二用戶在所述預(yù)設(shè)范圍內(nèi)，則分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息。

在第二方面的第三種可能的實現(xiàn)方式中，所述信息計算模塊具體用于：

將所述第一用戶作為用戶網(wǎng)絡(luò)中的第一節(jié)點，以及將所述第二用戶作為所述用戶網(wǎng)絡(luò)中的第二節(jié)點；

基于所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，將所述第一節(jié)點轉(zhuǎn)化為第一向量以及所述第二節(jié)點轉(zhuǎn)化為第二向量；

根據(jù)轉(zhuǎn)化得到的所述第一向量以及所述第二向量，通過預(yù)設(shè)的行為影響力函數(shù)計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力。

結(jié)合第二方面以及第二方面的第三種可能的實現(xiàn)方式，在第二方面的第四種可能的實現(xiàn)方式中，所述信息計算模塊具體用于：

根據(jù)所述第一行為信息確定在所述時間段內(nèi)的目標(biāo)時間點上所述第一用戶執(zhí)行目標(biāo)事件的第一概率，以及根據(jù)所述第二行為信息確定在所述目標(biāo)時間點上所述第二用戶執(zhí)行所述目標(biāo)事件的第二概率；

根據(jù)所述第一概率、所述第二概率以及預(yù)設(shè)的行為影響力函數(shù)，計算在所述目標(biāo)時間點上的所述第一用戶與所述第二用戶之間的行為影響力。

在第二方面的第五種可能的實現(xiàn)方式中，所述第一用戶與所述第二用戶之間的行為影響力包括所述第一用戶對所述第二用戶的行為影響力以及所述第二用戶對所述第一用戶的行為影響力，所述行為相似度其中，為在所述 目標(biāo)時間點上所述第一用戶對所述第二用戶的行為影響力，為在所述目標(biāo)時間點上所述第二用戶對所述第一用戶的行為影響力，θ_αβ為比例系數(shù)，ω_αβ為所述第一用戶與所述第二用戶之間的影響力強(qiáng)度函數(shù)。

實施本發(fā)明實施例，首先分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息；然后根據(jù)所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力；最后根據(jù)所述在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力，確定在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為相似度，從而可以在時間線上動態(tài)地分析用戶行為，提高用戶行為分析的準(zhǔn)確性。

附圖說明

為了更清楚地說明本發(fā)明實施例的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明提出的一種用戶行為分析方法的第一實施例的流程圖；

圖2是本發(fā)明實施例提供的一種行為信息分享示意圖；

圖3是本發(fā)明實施例提供的一種行為影響力計算模型示意圖；

圖4是本發(fā)明提出的一種用戶行為分析方法的第二實施例的流程圖；

圖5是本發(fā)明實施例提出的一種用戶行為分析裝置的結(jié)構(gòu)示意圖；

圖6是本發(fā)明實施例提供的裝置中信息獲取模塊的結(jié)構(gòu)示意圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。

請參考圖1，圖1是本發(fā)明提出的一種用戶行為分析方法的第一實施例的流程圖。如圖所示，本發(fā)明實施例的執(zhí)行主體可以為智能穿戴設(shè)備，本發(fā)明實施例中的方法包括：

S101，分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息。其中，第一行為信息可以包括多個時間點以及每個時間點對應(yīng)的第一用戶的執(zhí)行事件，第二行為信息可以包括多個時間點以及每個時間點對應(yīng)的第二用戶的執(zhí)行事件。

具體實現(xiàn)中，首先其他用戶終端可以將第一用戶的第一行為信息和定位信息，以及將第二用戶的第二行為信息和定位信息分享到網(wǎng)絡(luò)服務(wù)器，然后智能穿戴設(shè)備分別獲取所述第一用戶的定位信息以及所述第二用戶的定位信息；根據(jù)所述第一用戶的定位信息以及所述第二用戶的定位信息，分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息。

進(jìn)一步的，可以根據(jù)所述第一用戶的定位信息以及所述第二用戶的定位信息，分別確定所述第一用戶以及所述第二用戶是否在預(yù)設(shè)范圍內(nèi)；若所述第一用戶以及所述第二用戶在所述預(yù)設(shè)范圍內(nèi)，則分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息，若所述第一用戶以及所述第二用戶不在所述預(yù)設(shè)范圍內(nèi)，則繼續(xù)搜索。其中，預(yù)設(shè)范圍可以為方圓10米范圍或者方圓20米范圍。需要說明的是，智能穿戴設(shè)備設(shè)備不局限僅獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息，還可以獲取其他多個用戶在所述時間段內(nèi)的行為信息，并對其他多個用戶的行為信息進(jìn)行分析。

例如：如圖2所示，陌生人A以及陌生人B分別將自身時間線分享到網(wǎng)絡(luò)服務(wù)器，智能穿戴設(shè)備分別獲取陌生人A的時間線A、以及獲取陌生人B的時間線B，時間線A上分別包括陌生人A在多個時間點上的執(zhí)行事件，時間線B上包括陌生B在多個時間點上的執(zhí)行事件。

S102，根據(jù)所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力。

具體實現(xiàn)中，可以將所述第一用戶作為用戶網(wǎng)絡(luò)中的第一節(jié)點，以及將所述第二用戶作為所述用戶網(wǎng)絡(luò)中的第二節(jié)點；基于所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，將所述第一節(jié)點轉(zhuǎn)化為第一向量以及所述第二節(jié)點轉(zhuǎn)化為第二向量；根據(jù)轉(zhuǎn)化得到的所述第一向量以及所述第二向量，通過預(yù)設(shè)的行為影響力函數(shù)計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力。

例如：如圖3所示，首先通過g(v1，y1，z)將用戶節(jié)點V1轉(zhuǎn)化為向量y1，通過g(v2，y2，z)將用戶節(jié)點V2轉(zhuǎn)化為向量y2,通過g(v3，y3，z)將用戶節(jié)點V3轉(zhuǎn)化為向量y3,通過g(v4，y4，z)將用戶節(jié)點V4轉(zhuǎn)化為向量y4，然后通過f(y1，y2，z)計算向量y1與向量y2之間的行為影響力，通過f(y1，y3，z)計算向量y1與向量y3之間的行為影響力，通過f(y2，y4，z)計算向量y2與向量y4之間的行為影響力，其中，z為時間段內(nèi)的任何時間點。需要說明的是，各個節(jié)點是在并行模式下運行，因此各個節(jié)點可以同時傳遞信息，從而可以提高運算的效率。

S103，根據(jù)所述在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力，確定在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為相似度。

具體實現(xiàn)中，第一用戶與第二用戶之間的行為影響力包括所述第一用戶對所述第二用戶的行為影響力以及所述第二用戶對所述第一用戶的行為影響力，所述行為相似度其中，為在所述目標(biāo)時間點上所述第一用戶對所述第二用戶的行為影響力，為在所述目標(biāo)時間點上所述第二用戶對所述第一用戶的行為影響力，θ_αβ為比例系數(shù)，ω_αβ為所述第一用戶與所述第二用戶之間的影響力強(qiáng)度函數(shù)。從上述行為相似度計算公式可以分析出第一用戶以及第二用戶在時間段內(nèi)各個時間點上的行為相似度，行為相似度隨著時間的變化而變化，從而更加準(zhǔn)確地對用戶行為進(jìn)行分析。

在本發(fā)明實施例中，首先分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息；然后根據(jù)所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力；最后根據(jù)所述在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力，確定在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為相似度，從而可以在時間線上動態(tài)地分析用戶行為，提高用戶行為分析的準(zhǔn)確性。

請參考圖4，圖4是本發(fā)明提出的一種用戶行為分析方法的第二實施例的流程圖。如圖所示，本發(fā)明實施例中的方法包括：

S401，分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息。

具體實現(xiàn)中，首先其他用戶終端可以將第一用戶的第一行為信息和定位信息，以及將第二用戶的第二行為信息和定位信息分享到網(wǎng)絡(luò)服務(wù)器，然后智能穿戴設(shè)備分別獲取所述第一用戶的定位信息以及所述第二用戶的定位信息；根據(jù)所述第一用戶的定位信息以及所述第二用戶的定位信息，分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息。

進(jìn)一步的，可以根據(jù)所述第一用戶的定位信息以及所述第二用戶的定位信息，分別確定所述第一用戶以及所述第二用戶是否在預(yù)設(shè)范圍內(nèi)；若所述第一用戶以及所述第二用戶在所述預(yù)設(shè)范圍內(nèi)，則分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息，若所述第一用戶以及所述第二用戶不在所述預(yù)設(shè)范圍內(nèi)，則繼續(xù)搜索。其中，預(yù)設(shè)范圍可以為方圓10米范圍或者方圓20米范圍。需要說明的是，智能穿戴設(shè)備設(shè)備不局限僅獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息，還可以獲取其他多個用戶在所述時間段內(nèi)的行為信息，并對其他多個用戶的行為信息進(jìn)行分析。

例如：如圖2所示，陌生人A以及陌生人B分別將自身時間線分享到網(wǎng)絡(luò)服務(wù)器，智能穿戴設(shè)備分別獲取陌生人A的時間線A、以及獲取陌生人B的時 間線B，時間線A上分別包括陌生人A在多個時間點上的執(zhí)行事件，時間線B上包括陌生B在多個時間點上的執(zhí)行事件。

S402，根據(jù)所述第一行為信息確定在所述時間段內(nèi)的目標(biāo)時間點上所述第一用戶執(zhí)行目標(biāo)事件的第一概率，以及根據(jù)所述第二行為信息確定在所述目標(biāo)時間點上所述第二用戶執(zhí)行所述目標(biāo)事件的第二概率。

具體實現(xiàn)中，可以對所述時間段內(nèi)第一用戶的第一行為信息進(jìn)行統(tǒng)計，確定第一用戶執(zhí)行目標(biāo)事件的第一頻率進(jìn)而計算出在目標(biāo)時間點上執(zhí)行目標(biāo)事件的第一概率，對所述時間段內(nèi)的第二行為信息進(jìn)行統(tǒng)計，確定在第二用戶執(zhí)行目標(biāo)事件的第二頻率進(jìn)而計算出在目標(biāo)時間點上執(zhí)行目標(biāo)事件的第二概率。

S403，根據(jù)所述第一概率、所述第二概率以及預(yù)設(shè)的行為影響力函數(shù)，計算在所述目標(biāo)時間點上的所述第一用戶與所述第二用戶之間的行為影響力。

S404，根據(jù)所述在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力，確定在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為相似度。

具體實現(xiàn)中，第一用戶與第二用戶之間的行為影響力包括所述第一用戶對所述第二用戶的行為影響力以及所述第二用戶對所述第一用戶的行為影響力，所述行為相似度其中，為在所述目標(biāo)時間點上所述第一用戶對所述第二用戶的行為影響力，為在所述目標(biāo)時間點上所述第二用戶對所述第一用戶的行為影響力，θ_αβ為比例系數(shù)，ω_αβ為所述第一用戶與所述第二用戶之間的影響力強(qiáng)度函數(shù)。從上述行為相似度計算公式可以分析出第一用戶以及第二用戶在時間段內(nèi)各個時間點上的行為相似度，行為相似度隨著時間的變化而變化，從而更加準(zhǔn)確地對用戶行為進(jìn)行分析。

在本發(fā)明實施例中，首先分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息；然后根據(jù)所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為 信息，計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力；最后根據(jù)所述在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力，確定在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為相似度，從而可以在時間線上動態(tài)地分析用戶行為，提高用戶行為分析的準(zhǔn)確性。

請參考圖5，圖5是本發(fā)明實施例提出的一種用戶行為分析裝置的結(jié)構(gòu)示意圖。如圖所示，本發(fā)明實施例中的裝置包括：

信息獲取模塊501，用于分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息。

具體實現(xiàn)中，如圖6所示，信息獲取模塊501可以進(jìn)一步包括：

第一獲取單元601，用于分別獲取所述第一用戶的定位信息以及所述第二用戶的定位信息。具體的，首先其他用戶終端可以將第一用戶的第一行為信息和定位信息，以及將第二用戶的第二行為信息和定位信息分享到網(wǎng)絡(luò)服務(wù)器，然后智能穿戴設(shè)備分別獲取所述第一用戶的定位信息以及所述第二用戶的定位信息

第二獲取單元602，用于根據(jù)所述第一用戶的定位信息以及所述第二用戶的定位信息，分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息。

進(jìn)一步的，可以根據(jù)所述第一用戶的定位信息以及所述第二用戶的定位信息，分別確定所述第一用戶以及所述第二用戶是否在預(yù)設(shè)范圍內(nèi)；若所述第一用戶以及所述第二用戶在所述預(yù)設(shè)范圍內(nèi)，則分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息，若所述第一用戶以及所述第二用戶不在所述預(yù)設(shè)范圍內(nèi)，則繼續(xù)搜索。其中，預(yù)設(shè)范圍可以為方圓10米范圍或者方圓20米范圍。需要說明的是，智能穿戴設(shè)備設(shè)備不局限僅獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息，還可以獲取其他多個用戶在所述時間段內(nèi)的行為信息，并對其他多個用戶的行為信息進(jìn)行分析。

例如：如圖2所示，陌生人A以及陌生人B分別將自身時間線分享到網(wǎng)絡(luò) 服務(wù)器，智能穿戴設(shè)備分別獲取陌生人A的時間線A、以及獲取陌生人B的時間線B，時間線A上分別包括陌生人A在多個時間點上的執(zhí)行事件，時間線B上包括陌生B在多個時間點上的執(zhí)行事件。

信息計算模塊502，用于根據(jù)所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力。

具體實現(xiàn)中，可以將所述第一用戶作為用戶網(wǎng)絡(luò)中的第一節(jié)點，以及將所述第二用戶作為所述用戶網(wǎng)絡(luò)中的第二節(jié)點；基于所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，將所述第一節(jié)點轉(zhuǎn)化為第一向量以及所述第二節(jié)點轉(zhuǎn)化為第二向量；根據(jù)轉(zhuǎn)化得到的所述第一向量以及所述第二向量，通過預(yù)設(shè)的行為影響力函數(shù)計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力。

例如：如圖3所示，首先通過g(v1，y1，z)將用戶節(jié)點V1轉(zhuǎn)化為向量y1，通過g(v2，y2，z)將用戶節(jié)點V2轉(zhuǎn)化為向量y2,通過g(v3，y3，z)將用戶節(jié)點V3轉(zhuǎn)化為向量y3,通過g(v4，y4，z)將用戶節(jié)點V4轉(zhuǎn)化為向量y4，然后通過f(y1，y2，z)計算向量y1與向量y2之間的行為影響力，通過f(y1，y3，z)計算向量y1與向量y3之間的行為影響力，通過f(y2，y4，z)計算向量y2與向量y4之間的行為影響力，z為時間段內(nèi)的任何時間點。需要說明的是，各個節(jié)點是在并行模式下運行，因此各個節(jié)點可以同時傳遞信息，從而提高運算的效率。

可選的，可以根據(jù)所述第一行為信息確定在所述時間段內(nèi)的目標(biāo)時間點上所述第一用戶執(zhí)行目標(biāo)事件的第一概率，以及根據(jù)所述第二行為信息確定在所述目標(biāo)時間點上所述第二用戶執(zhí)行所述目標(biāo)事件的第二概率。根據(jù)所述第一概率、所述第二概率以及預(yù)設(shè)的行為影響力函數(shù)，計算在所述目標(biāo)時間點上的所述第一用戶與所述第二用戶之間的行為影響力。具體的，可以對所述時間段內(nèi)第一用戶的第一行為信息進(jìn)行統(tǒng)計，確定第一用戶執(zhí)行目標(biāo)事件的第一頻率進(jìn)而計算出在目標(biāo)時間點上執(zhí)行目標(biāo)事件的第一概率，對所述時間段內(nèi)的第二行為信息進(jìn)行統(tǒng)計，確定在第二用戶執(zhí)行目標(biāo)事件的第二頻率進(jìn)而計算出在目標(biāo) 時間點上執(zhí)行目標(biāo)事件的第二概率，從而最終計算出行為影響力。

信息確定模塊503，用于根據(jù)所述在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力，確定在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為相似度。

具體實現(xiàn)中，第一用戶與第二用戶之間的行為影響力包括所述第一用戶對所述第二用戶的行為影響力以及所述第二用戶對所述第一用戶的行為影響力，所述行為相似度其中，為在所述目標(biāo)時間點上所述第一用戶對所述第二用戶的行為影響力，為在所述目標(biāo)時間點上所述第二用戶對所述第一用戶的行為影響力，θ_αβ為比例系數(shù)，ω_αβ為所述第一用戶與所述第二用戶之間的影響力強(qiáng)度函數(shù)。從上述行為相似度計算公式可以分析出第一用戶以及第二用戶在時間段內(nèi)各個時間點上的行為相似度，行為相似度隨著時間的變化而變化，從而更加準(zhǔn)確地對用戶行為進(jìn)行分析。

在本發(fā)明實施例中，首先分別獲取第一用戶在時間段內(nèi)的第一行為信息以及第二用戶在所述時間段內(nèi)的第二行為信息；然后根據(jù)所述第一用戶在所述時間段內(nèi)的所述第一行為信息以及所述第二用戶在所述時間段內(nèi)的所述第二行為信息，計算在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力；最后根據(jù)所述在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為影響力，確定在所述時間段內(nèi)所述第一用戶與所述第二用戶之間的行為相似度，從而可以在時間線上動態(tài)地分析用戶行為，提高用戶行為分析的準(zhǔn)確性。

需要說明的是，對于前述的各個方法實施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明并不受所描述的動作順序的限制，因為依據(jù)本發(fā)明，某一些步驟可以采用其他順序或者同時進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說明書中所描述的實施例均屬于優(yōu) 選實施例，所涉及的動作和模塊并不一定是本發(fā)明所必須的。

在上述實施例中，對各個實施例的描述都各有側(cè)重，某個實施例中沒有詳細(xì)描述的部分，可以參見其他實施例的相關(guān)描述。

本領(lǐng)域普通技術(shù)人員可以理解上述實施例的各種方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成，該程序可以存儲于一計算機(jī)可讀存儲介質(zhì)中，存儲介質(zhì)可以包括：閃存盤、只讀存儲器(英文：Read-Only Memory，簡稱：ROM)、隨機(jī)存取器(英文：Random Access Memory，簡稱：RAM)、磁盤或光盤等。

以上對本發(fā)明實施例所提供的內(nèi)容下載方法及相關(guān)設(shè)備、系統(tǒng)進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個例對本發(fā)明的原理及實施方式進(jìn)行了闡述，以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。