技术摘要：
本发明为行为周期确定方法及装置，提供行为周期检测方法及装置，其中方法包括：确定一用户的多个行为类型对应的多个缴费数据序列；针对每个行为类型对应的缴费数据序列执行下述操作：若该行为类型对应缴费数据序列中的历史缴费记录数据个数不大于第一数值，则采用固定  全部
背景技术：
目前于信息时代中用户可以在移动应用上进行多种类型的缴费行为，例如电费缴 费、水费缴费、电话缴费、燃气缴费、宽带缴费等多种类型。 缴费行为通常具有一定的周期性，所以可以生成周期预测模型以计算用户缴费行 为周期，以便预测下次缴费行为时间，从而提前提醒用户，进而提升用户体验。 目前，通常基于不同用户历史缴费记录数据训练机器模型得到周期预测模型，基 于该周期预测模型为不同用户的不同类型缴费行为计算缴费行为周期。 但是，由于不同用户具有不同行为习惯，对不同类型缴费行为也有不同缴费习惯， 所以不同用户的不同类型行为对应的缴费周期存在较大的差别。因此现有技术方案基于同 一周期预测模型计算得到缴费行为周期，其准确性较差。
技术实现要素：
鉴于此，本申请提供一种行为周期检测方法及装置，可以分别为不同用户的不同 缴费行为生成对应的周期预测模型，从而提升周期预测模型的准确性。 为了实现上述目的，本发明提供了下述技术特征： 一种行为周期检测方法，包括： 确定一用户的多个行为类型对应的多个缴费数据序列；其中所述缴费数据序列包 括至少一个按时间先后排列的历史缴费记录数据； 针对每个行为类型对应的缴费数据序列执行下述操作： 若该行为类型对应缴费数据序列中的历史缴费记录数据个数不大于第一数值，则 采用固定周期预测模型为该行为类型确定缴费行为周期； 若该行为类型对应缴费数据序列中的历史缴费记录数据个数大于第一数值、不大 于第二数值，则采用平均周期预测模型为该行为类型确定缴费行为周期； 若该行为类型对应缴费数据序列中的历史缴费记录数据个数大于第二数值，则采 用复杂周期预测模型为该行为类型确定缴费行为周期。 可选的，所述采用固定周期预测模型为该行为类型确定缴费行为周期包括： 查询与所述行为类型对应的预设周期； 将所述预设周期作为该行为类型的缴费行为周期。 可选的，所述历史缴费记录数据包括缴费时间，则所述采用平均周期预测模型为 该行为类型确定缴费行为周期包括： 计算该行为类型对应缴费数据序列中相邻历史缴费记录数据之间的缴费时间间 隔； 将该行为类型对应缴费数据序列中相邻历史缴费记录数据之间的缴费时间间隔 4 CN 111582600 A 说　明　书 2/9 页 的加权平均值，确定为该行为类型的缴费行为周期。 可选的，所述历史缴费记录数据包括缴费时间和对应的缴费金额，则所述采用平 均周期预测模型为该行为类型确定缴费行为周期包括： 计算该行为类型对应的缴费数据序列中各个历史缴费记录数据中缴费金额的平 均使用速率； 将最近缴费金额与平均使用速率的商值，确定为缴费行为周期。 可选的，所述历史缴费记录数据包括缴费时间和对应的缴费金额，则所述采用平 均周期预测模型为该行为类型确定缴费行为周期包括： 计算该行为类型对应缴费数据序列中相邻历史缴费记录数据之间的缴费时间间 隔； 将该行为类型对应缴费数据序列中相邻历史缴费记录数据之间的缴费时间间隔 的加权平均值，确定为该行为类型的第一缴费行为周期； 计算该行为类型对应的缴费数据序列中各个历史缴费记录数据中缴费金额的平 均使用速率； 将最近缴费金额与平均使用速率的商值，确定为该行为类型的第二缴费行为周 期； 将最近将所述第一缴费行为周期和所述第二缴费行为周期的综合值，确定为该行 为类型的缴费行为周期。 可选的，所述历史缴费记录数据包括缴费时间和对应的缴费金额，则所述采用复 杂周期预测模型为该行为类型确定缴费行为周期包括： 输入该行为类型对应缴费数据序列至长短期记忆神经网络模型，获得长短期记忆 神经网络模型输出的该行为类型的缴费行为周期。 可选的，所述历史缴费记录数据包括缴费时间和对应的缴费金额，则所述采用复 杂周期预测模型为该行为类型确定缴费行为周期包括： 输入该行为类型对应缴费数据序列至自回归移动平均模型，获得自回归移动平均 模型输出的该行为类型的缴费行为周期。 可选的，所述历史缴费记录数据包括缴费时间和对应的缴费金额，则所述采用复 杂周期预测模型为该行为类型确定缴费行为周期包括： 输入该行为类型对应缴费数据序列至长短期记忆神经网络模型，获得长短期记忆 神经网络模型输出的该行为类型的第一缴费行为周期； 输入该行为类型对应缴费数据序列至自回归移动平均模型，获得自回归移动平均 模型输出的该行为类型的第二缴费行为周期； 将所述第一缴费行为周期和所述第二缴费行为周期的综合值，确定为该行为类型 的缴费行为周期。 可选的，还包括： 确定各个行为类型的最近缴费时间； 将各个行为类型的最近缴费时间与各个行为类型的缴费行为周期的和，确定为各 个行为类型的下次缴费时间； 发送各个行为类型的下次缴费时间至所述用户的移动终端，以供所述移动终端显 5 CN 111582600 A 说　明　书 3/9 页 示所述各个行为类型的下次缴费时间。 一种行为周期检测装置，包括： 确定单元，用于确定一用户的多个行为类型对应的多个缴费数据序列；其中所述 缴费数据序列包括至少一个按时间先后排列的历史缴费记录数据； 针对每个行为类型对应的缴费数据序列执行下述操作： 第一执行单元，用于若该行为类型对应缴费数据序列中的历史缴费记录数据个数 不大于第一数值，则采用固定周期预测模型为该行为类型确定缴费行为周期； 第二执行单元，用于若该行为类型对应缴费数据序列中的历史缴费记录数据个数 大于第一数值、不大于第二数值，则采用平均周期预测模型为该行为类型确定缴费行为周 期； 第三执行单元，用于若该行为类型对应缴费数据序列中的历史缴费记录数据个数 大于第二数值，则采用复杂周期预测模型为该行为类型确定缴费行为周期。 通过以上技术手段，可以实现以下有益效果： 本发明可以为不同用户分别执行行为周期检测方法，从而可以单独为不同用户确 定合适的周期预测模型。 并且，由于相同用户针对不同缴费行为也有不同的行为习惯，因此本发明会确定 多个行为类型对应的多个缴费数据序列，并基于每个缴费数据序列中历史缴费记录数据个 数不同，提供与历史缴费记录数据个数所适用的周期预测模型，并基于周期预测性来确定 缴费行为周期。 本发明可以分别为不同用户的不同缴费行为生成对应的周期预测模型，从而提升 周期预测模型的准确性。 附图说明 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本 申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以 根据这些附图获得其他的附图。 图1为本申请实施例公开的一种行为周期检测方法实施例一的流程图； 图2为本申请实施例公开的又一种行为周期检测方法实施例一的流程图； 图3为本申请实施例公开的又一种行为周期检测方法实施例一的流程图； 图4为本申请实施例公开的又一种行为周期检测方法实施例一的流程图； 图5为本申请实施例公开的一种行为周期检测方法实施例二的流程图； 图6为本申请实施例公开的一种行为周期检测装置的结构示意图。