用户行为分析方法及服务器
阅读：1009发布：2020-09-23
专利汇可以提供用户行为分析方法及服务器专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种用户行为分析方法及 服务器 ，所述方法包括：在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在实时分析服务器启动前，依据第一预设分析策略形成的分析结果；获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；依据第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；其中，所述第一分析结果及第二分析结果均包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。，下面是用户行为分析方法及服务器专利的具体信息内容。
1.一种用户行为分析方法，其特征在于，
所述方法包括：
在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
2.根据权利要求1所述的方法，其特征在于，
所述依据第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果包括：
依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；
对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第二分析结果；
其中，所述I为不小于1的正整数。
3.根据权利要求2所述的方法，其特征在于，
所述依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析包括：
依据以下公式计算确定每一个操作对象对应的分析值S；
其中，所述j为第j分析维度参数；所述J为分析维度的总个数；所述fj(j)为第j分析维度的分析函数；所述wj为第j分析维度的权重；
其中，所述J为不小于1的正整数。
4.根据权利要求1至3任一项所述的方法，其特征在于，
所述方法还包括：
接收所述离线分析服务器发送的修正因子；其中，所述修正因子是所述离线分析服务器基于第二预设分析策略对历史用户行为数据分析确定的；
依据所述修正因子修正所述第一分析策略。
5.一种用户行为分析方法，其特征在于，
所述方法包括：
在实时分析服务器启动后，离线分析服务器依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；其中，所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；所述历史用户行为数据包括用户操作及所述用户操作指向的操作对象；
向所述实时分析服务器发送所述历史用户行为数据；
其中，所述历史用户行为数据用于所述实时分析服务器形成第二分析结果；
所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
6.根据权利要求5所述的方法，其特征在于，
所述方法还包括：
在所述实时分析服务器启动之前，所述离线分析服务器依据第一预设分析策略形成所述第一分析结果；
所述离线分析服务器依据所述第一预设分析策略形成所述第一分析结果包括：
依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；
对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第一分析结果；
其中，所述I为不小于1的正整数。
7.根据权利要求6所述的方法，其特征在于，
所述依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析包括：
依据以下公式计算确定每一个所述操作对象对应的分析值S；
其中，所述j为第j分析维度参数；所述J为分析维度的总个数；所述fj(j)为第j分析维度的分析函数；所述wj为第j分析维度的权重；
其中，所述J为不小于1的正整数。
8.根据权利要求5至7任一项所述的方法，其特征在于，
所述方法还包括：
所述离线分析服务器还依据第二分析策略分析用户行为数据，获得修正因子；
将所述修正因子发送给所述实时分析服务器；
所述修正因子用于修正所述第一分析策略。
9.一种实时分析服务器，其特征在于，
所述服务器包括：
接收单元，用于在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
获取单元，用于获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
第一分析单元，用于依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
10.根据权利要求9所述的服务器，其特征在于，
所述第一分析单元包括：
确定模块，用于依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；
排序模块，用于对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第二分析结果；
其中，所述I为不小于1的正整数。
11.根据权利要求10所述的服务器，其特征在于，
所述确定模块，具体用于依据以下公式计算确定每一个操作对象对应的分析值S；
其中，所述j为第j分析维度参数；所述J为分析维度的总个数；所述fj(j)为第j分析维度的分析函数；所述wj为第j分析维度的权重；
其中，所述J为不小于1的正整数。
12.根据权利要求9至11任一项所述的服务器，其特征在于，
所述接收单元，还用于接收所述离线分析服务器发送的修正因子；其中，所述修正因子是所述离线分析服务器基于第二预设分析策略对历史用户行为数据分析确定的；
所述服务器还包括：
修正单元，用于依据所述修正因子修正所述第一分析策略。
13.一种离线分析服务器，其特征在于，
所述服务器包括：
确定单元，用于在实时分析服务器启动后，依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；所述历史用户行为数据包括用户操作及所述用户操作指向的操作对象；
发送单元，用于向所述实时分析服务器发送所述历史用户行为数据；
其中，所述历史用户行为数据用于所述实时分析服务器形成第二分析结果；
其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
14.根据权利要求13所述的服务器，其特征在于，
所述服务器还包括第二分析单元；
所述第二分析单元，用于依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；及对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第一分析结果；
其中，所述I为不小于1的正整数。
15.根据权利要求14所述的服务器，其特征在于，
所述第二分析单元，具体用于依据以下公式计算确定每一个所述操作对象对应的分析值S；
其中，所述j为第j分析维度参数；所述J为分析维度的总个数；所述fj(j)为对应于第j分析维度的分析函数；所述wj为第j分析维度的权重；
其中，所述J为不小于1的正整数。
16.根据权利要求13至15任一项所述的服务器，其特征在于，
所述第二分析单元，还用于还依据第二分析策略分析用户行为数据，获得修正因子；
所发送单元，用于将所述修正因子发送给所述实时分析服务器；
所述修正因子用于修正所述第一分析策略。
用户行为分析方法及服务器
技术领域
[0001] 本发明涉及信息处理领域数据分析技术，尤其涉及一种用户行为分析方法及服务器。
背景技术
[0003] 目前用户行为分析包括两种方式：
[0004] 第一种：离线分析；离线分析时集中存储大量数据；对多个用户的用户行为进行数据处理；具有的优点是：可处理的数据量大，可以做分析逻辑复杂的深度分析；但是缺点是分析周期长，分析结果的获取延时大；然而很多动态变更的数据，时效性是非常重要的，延时过大可能就会导致分析结果不能反映当前用户行为，从而无法影响分析结果的准确度。
[0005] 第二种：实时分析，实时分析时动态采集并分析用户行为，以充分的考虑到当前用户行为的影响，时延小。但是实时分析的缺点是；通常进行动态分析的服务器，硬件和软件资源都是非常宝贵且有限的，对处理完的原始数据、中间结果及已形成的处理结果是保存还是丢弃，是实时分析服务器面临的一个重要问题。若不保存上述数据，当服务器异常时要重新获得分析结果，显然由于数据已丢弃，显然无法完成分析；若保存上述数据则会占用大量的实时分析服务器的资源，可能会导致实时分析服务器资源紧张，最终会随着时间的推移，实时分析服务器内存储的数据量越来越大，实时分析服务器可用于进行数据处理的资源越来越少，最终导致实时分析服务器的分析结果也无法快速提供。同时显然实时分析服务器通常无法进行分析逻辑复杂的深度分析。此外，易出现异常，导致实时分析服务器通常都存在可靠性不高的问题。
[0006] 随着通信技术及互连网技术的发展，越来越多的消费者习惯从互联网上观看各种类型的多媒体信息，如电视剧、电影以及动漫等；互连网向大量的用户提供服务，面对的海量的用户行为数据；采用离线分析由于其时延性，显然无法满足用户点播多媒体信息的需求；采用实时分析显然对用户行为数据的存储面临着很大的问题及稳定性差的问题；这种矛盾在多媒体信息的点播等用户行为分析过程中，显得更加突出。
发明内容
[0007] 有鉴于此，本发明实施例期望提供用户行为分析方法及实时分析服务器，以解决现有技术中离线分析的延时性大及实时分析的稳定性不高的问题。
[0008] 为达到上述目的，本发明的技术方案是这样实现的：
[0009] 本发明实施例第一方面提供一种用户行为分析方法，
[0010] 所述方法包括：
[0011] 在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0012] 获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0013] 依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
[0014] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0015] 优选地，
[0016] 所述依据第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果包括：
[0017] 依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；
[0018] 对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第二分析结果；
[0019] 其中，所述I为不小于1的正整数。
[0020] 优选地，
[0021] 所述依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析包括：
[0022] 依据以下公式计算确定每一个操作对象对应的分析值S；
[0023]
[0024] 其中，所述j为第j分析维度参数；所述J为分析维度的总个数；所述fj(j)为第j分析维度的分析函数；所述wj为第j分析维度的权重；
[0025] 其中，所述J为不小于1的正整数。
[0026] 优选地，
[0027] 所述方法还包括：
[0028] 接收所述离线分析服务器发送的修正因子；其中，所述修正因子是所述离线分析服务器基于第二预设分析策略对历史用户行为数据分析确定的；
[0029] 依据所述修正因子修正所述第一分析策略。
[0030] 本发明实施例第二方面提供一种用户行为分析方法，所述方法包括：
[0031] 在实时分析服务器启动后，离线分析服务器依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；其中，所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；所述历史用户行为数据包括用户操作及所述用户操作指向的操作对象；
[0032] 向所述实时分析服务器发送所述历史用户行为数据；
[0033] 其中，所述历史用户行为数据用于所述实时分析服务器形成第二分析结果；
[0034] 所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0035] 优选地，
[0036] 所述方法还包括：
[0037] 在所述实时分析服务器启动之前，所述离线分析服务器依据第一预设分析策略形成所述第一分析结果；
[0038] 所述离线分析服务器依据所述第一预设分析策略形成所述第一分析结果包括：
[0039] 依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；
[0040] 对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第一分析结果；
[0041] 其中，所述I为不小于1的正整数。
[0042] 优选地，
[0043] 所述依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析包括：
[0044] 依据以下公式计算确定每一个所述操作对象对应的分析值S；
[0045]
[0046] 其中，所述j为第j分析维度参数；所述J为分析维度的总个数；所述fj(j)为第j分析维度的分析函数；所述wj为第j分析维度的权重；
[0047] 其中，所述J为不小于1的正整数。
[0048] 优选地，
[0049] 所述方法还包括：
[0050] 所述离线分析服务器还依据第二分析策略分析用户行为数据，获得修正因子；
[0051] 将所述修正因子发送给所述实时分析服务器；
[0052] 所述修正因子用于修正所述第一分析策略。
[0053] 本发明实施例第三方面提供一种实时分析服务器，所述服务器包括：
[0054] 接收单元，用于在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0055] 获取单元，用于获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0056] 第一分析单元，用于依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
[0057] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0058] 优选地，
[0059] 所述第一分析单元包括：
[0060] 确定模块，用于依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；
[0061] 排序模块，用于对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第二分析结果；
[0062] 其中，所述I为不小于1的正整数。
[0063] 优选地，
[0064] 所述确定模块，具体用于依据以下公式计算确定每一个操作对象对应的分析值S；
[0065]
[0066] 其中，所述j为第j分析维度参数；所述J为分析维度的总个数；所述fj(j)为第j分析维度的分析函数；所述wj为第j分析维度的权重；
[0067] 其中，所述J为不小于1的正整数。
[0068] 优选地，
[0069] 所述接收单元，还用于接收所述离线分析服务器发送的修正因子；其中，所述修正因子是所述离线分析服务器基于第二预设分析策略对历史用户行为数据分析确定的；
[0070] 所述服务器还包括：
[0071] 修正单元，用于依据所述修正因子修正所述第一分析策略。
[0072] 本发明实施例第四方面提供一种离线分析服务器，所述服务器包括：
[0073] 确定单元，用于在实时分析服务器启动后，依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；所述历史用户行为数据包括用户操作及所述用户操作指向的操作对象；
[0074] 发送单元，用于向所述实时分析服务器发送所述历史用户行为数据；
[0075] 其中，所述历史用户行为数据用于所述实时分析服务器形成第二分析结果；
[0076] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0077] 优选地，
[0078] 所述服务器还包括第二分析单元；
[0079] 所述第二分析单元，用于依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；及对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第一分析结果；
[0080] 其中，所述I为不小于1的正整数。
[0081] 优选地，
[0082] 所述第二分析单元，具体用于依据以下公式计算确定每一个所述操作对象对应的分析值S；
[0083]
[0084] 其中，所述j为第j分析维度参数；所述J为分析维度的总个数；所述fj(j)为对应于第j分析维度的分析函数；所述wj为第j分析维度的权重；
[0085] 其中，所述J为不小于1的正整数。
[0086] 优选地，
[0087] 所述第二分析单元，还用于还依据第二分析策略分析用户行为数据，获得修正因子；
[0088] 所发送单元，用于将所述修正因子发送给所述实时分析服务器；
[0089] 所述修正因子用于修正所述第一分析策略。
[0090] 本发明实施例所述的用户行为分析方法及服务器，实时分析服务器从离线分析服务器接收对应于第一分析结果的历史用户行为数据，并依据历史行为数据及当前用户行为数据、第一分析策略形成第二分析结果，具有以下优点：
[0091] 首先，采用实时分析服务器形成所述第二分析结果，具有时间延迟小，速率高的优点；
[0092] 其次，从离线分析服务器接收历史用户行为数据，实时分析服务器在关闭后无需存储数据，从而实时分析服务器存储的数据量小；且同时实时分析服务器异常时可以从离线分析服务器获取数据，从而稳定性高；
[0093] 再次，从离线分析服务器接收对应于第一分析结果的历史用户行为数据，为有针对性的接收历史用户行为数据，能减少离线分析服务器和实时分析服务器之间的数据交互，同时能减少实时分析服务器在分析时存储的数据量；
[0094] 于此同时，所述第一分析结果和所述第二分析结果均为包括至少一个操作对象的集合；且所述一个操作对象对应有多个信息内容具有时间关联性的多媒体信息；将所述离线分析服务器和实时分析服务器结合分析的方法，应用于用户对多媒体信息点播等操作行为分析中，能很好的解决现有的多媒体信息点播过程中用户行为分析的时延性和稳定性之间的矛盾，相对于完全的实时分析方法具有数据存储便捷的优点。附图说明
[0095] 图1为本发明实施例所述的用户行为分析方法的流程示意图之一；
[0096] 图2为本发明实施例所述分析形成第二分析结果的流程示意图；
[0097] 图3为本发明实施例所述的用户行为分析方法的流程示意图之二；
[0098] 图4为本发明实施例所述的用户行为分析方法的流程示意图之三；
[0099] 图5为本发明实施例所述的用户行为分析方法的流程示意图之四；
[0100] 图6为本发明实施例所述的用户行为分析方法的流程示意图之五；
[0101] 图7为本发明实施例所述的用户行为分析方法的流程示意图之六；
[0102] 图8为本发明实施例所述的用户行为分析方法的流程示意图之七；
[0103] 图9为本发明实施例所述的用户行为分析方法的流程示意图之八；
[0104] 图10为本发明实施例所述的实时分析服务器的结构示意图之一；
[0105] 图11为本发明实施例所述的第一分析单元的结构示意图；
[0106] 图12为本发明实施例所述的实时分析服务器的结构示意图之二；
[0107] 图13为本发明实施例所述的离线分析服务器的结构示意图之一；
[0108] 图14为本发明实施例所述的离线分析服务器的结构示意图之二；
[0109] 图15为本发明实施例所述的分析系统的结构示意图。
具体实施方式
[0111] 方法实施例一：
[0112] 如图1所示，本实施例提供一种用户行为分析方法，所述方法包括：
[0113] 步骤S110：在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0114] 步骤S120：获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0115] 步骤S130：依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
[0116] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0117] 所述实时分析服务器通常为：当其获取到所述当前用户行为数据之后，会立即根据第一预设分析策略进行用户行为分析，以形成分析结果；且通常为了避免实时分析系统中存储有大量的数据，当形成分析结果之后，后续不会用到的数据将会被丢弃。
[0118] 所述离线分析服务器通常为当前用户行为数据之后，不会立即根据第一预设分析策略进行用户行为分析，而是会将所述当前用户行为数据存储起来，到指定时间或分析周期内才进行所述用户行为的分析；且通常形成分析结果之后，不会立即丢弃所述用户行为数据，以防后续异常时可以通过存储的数据重新进行数据的分析。
[0119] 通常所述实时分析服务器有多台，形成一个分布式的实时分析系统；每一个台所述实时分析服务器的处理能力、存储能力都较所述离线分析服务器弱，且所述实时分析服务器可能会存在较为频繁的关闭和启动问题。
[0120] 所述离线分析服务器可有多台，可形成一个集中设置的离线分析集群；每一台所述离线分析服务器通常具有很强的处理能力和数据库；所述数据库用于存储用户各种操作对应的用户行为数据。
[0121] 在本实施例中所述实时分析服务器的启动包括两种情况：
[0122] 第一种：所述实时分析服务器在工作中出现异常(如掉电、系统瘫痪等异常)后重新启动，这种启动为异常启动；
[0123] 第二种：所述实时分析服务器在工作人员的操作下自行关闭后重新启动，这种启动为正常启动。
[0124] 关闭后所述实时分析服务器将丢弃掉所有用户行为数据，这样才能保证实时分析服务器不必用大量的存储资源来存储历史用户行为数据。但是所述实时分析服务器需要继续用户行为分析，为此在本实施例中所述实时分析服务器在启动后，将从离线服务器中接收所述历史用户行为数据。且接收的历史用户行为数据并非所有的历史用户行为数据，而是对应于第一分析结果的历史用户行为数据。
[0125] 所述第一分析结果和所述第二分析结果一样，都是对用户行为的分析；所述第一分析结果是早于所述第二分析结果的一个分析结果；是在实时分析服务器启动之前基于用户行为数据形成的一个分析结果；在本实施例中实时分析服务器接收的数据，仅限于形成所述第一分析结果的数据，并非盲目的将离线分析服务器中存储的所有数据都发送给实时分析系统，而是依据第一分析结果选择实时分析服务器需要用于形成第二分析结果的历史用户行为数据，从而大大的减少了实时分析系统接收的数据及所述实时分析服务器与所述离线分析服务器之间的数据交互量。
[0126] 所述用户行为可包括用户所述操作对象进行的所有用户操作；所述用户操作具体可如：点播所述操作对象中的多媒体信息及停止播放所述多媒体信息等操作。所述多媒体信息具体可以是电视剧、动漫、短剧或具有多部的电影。所述操作对象具体可如电视剧；通常一部电视剧包括多集；每一集为一个所述多媒体信息；一部电视剧中的多集电视剧会按照剧情内容的发展形成一定的时间次序；通常第i+1集的剧情内容是在第i集剧情内容的基础上的进一步发展；其中所述i为不小于1的整数。
[0127] 所述操作对象还可是动漫；通常一部动漫也会分成多集；每一集同样也为一个所述多媒体信息。同一部动漫的任意两集所述动漫之间的信息内容也会有时间上的先后顺序；这种时间上的先后顺序即为上述时间关联性的一种体现。
[0128] 历史用户行为数据及当前用户行为数据除包括用户操作及用户操作指向的操作对象；还可包括用户执行该操作的时间点以及用户标识信息等信息。
[0129] 当所述行为数据中包括时间点时，便于离线分析服务器和实时分析服务器，对数据的帅选；当所述行为数据中包括所述用户标识信息时，方便所述离线分析服务器和实时分析服务器对每一用户的用户行为进行逐个分析。
[0130] 步骤S120中所述获取对应于当前用户行为的当前用户行为数据，包括直接从客户端获取当前用户行为数据，还包括从指定的用户行为数据处理服务器中时所述当前用户行为数据。
[0131] 在具体的实现过程中，用户的客户端在响应用户操作后，将反映用户行为的数据上报到用户行为数据处理服务器，所述用户行为数据处理服务器通常会对数据进行相应的处理，具体如将不同客户端发送的具有不同数据格式的数据形成具有同一格式的数据，再发送到所述实时分析服务器，则此时所述步骤S120为接收所述用户行为数据处理服务器发送的当前用户行为数据。
[0132] 本实施例在进行用户行为分析时，结合了离线分析服务器和实时分析服务器；实时分析服务器从离线分析服务器接收历史用户行为数据并结合当前用户行为数据，形成分析结果；这样就简便的解决了实时分析服务器，在进行用户行为分析时，相对于现有的离线分析方法，具有延时小，效率高的优点，相对于现有的实时分析方法，具有可靠性高，存储的数据量少及对服务器硬件要求低的优点，且能很好的应对实时分析服务器的异常情况。
[0133] 在具体的实现过程中，所述方法还可以依据所述第二分析结果进行后续分析；如，依据所述第二分析结果进行用户价值分析，以便在形成用户价值分析结果之后，为用户提高适合其的服务；再比如，依据所述第二分析结果为用户推荐所述操作对象等。
[0134] 如经过所述步骤S110至步骤S140的执行，形成了所述第二分析结果后，发现用户对电视剧(电视剧为所述多媒体信息的一种)A很感兴趣，则此时根据第二分析结果，当电视剧A有更新内容时，可及时的提示用户电视剧A有更新；或者根据电视剧A的属性信息，向用户推荐与所述电视剧A有着相同属性的电视剧B等。所述属性信息可以包括所述电视剧类型，如动作片、言情片或武侠片等；还可以是信息内容具有相似性的，例如都是禁毒题材的电视剧等。
[0135] 综合上述，本实施例对用户行为进行分析，形成了包括若干个操作对象的第二分析结果；在分析的过程中将离线分析服务器和实时分析服务器结合使用，具有时间延迟小、稳定性高等多重优点，且用于对用户操作执行的多媒体信息进行分析，解决了现有多媒体信息的点播过程中，分析数据量大，单纯依靠离线分析服务器或实时分析服务器都难以及时简便的提供分析结果的问题。
[0136] 方法实施例二：
[0137] 如图1所示，本实施例提供一种用户行为分析方法，所述方法包括：
[0138] 步骤S110：在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0139] 步骤S120：获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0140] 步骤S130：依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
[0141] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0142] 如图2所示，所述步骤S130包括：
[0143] 步骤S131：依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；
[0144] 步骤S132：对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第二分析结果；
[0145] 其中，所述I为不小于1的正整数。
[0146] 所述满足第一预设条件的I个所述分析值对应的操作对象，可以是分析值大于分析阈值的I个所述操作对象，还可以是排序结果中最大的I个所述操作对象。在本实施例中选出的为I个所述操作对象为用户最热衷观看的所述多媒体信息的集合。
[0147] 综合上述，本实施例所述的方法为结合实时分析服务器和离线分析服务器共同分析用户行为所指向的操作对象，以便得出用户喜欢操作哪些操作对象，用户喜欢如点播哪些电视剧，便于后续向用户推荐用户喜欢的操作对象，不仅具有时间延迟小及精确度高的优点，同时还能为准确获知用户的喜好，以便后续根据用户的喜好提供相应的服务。
[0148] 方法实施例三：
[0149] 如图1所示，本实施例提供一种用户行为分析方法，所述方法包括：
[0150] 步骤S110：在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0151] 步骤S120：获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0152] 步骤S130：依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
[0153] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0154] 如图2所示，所述步骤S130包括：
[0155] 步骤S131：依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；
[0156] 步骤S132：对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第二分析结果；
[0157] 其中，所述I为不小于1的正整数。
[0158] 所述步骤S131包括：
[0159] 依据以下公式计算确定每一个操作对象对应的分析值S；
[0160]
[0161] 其中，所述j为第j分析维度参数；所述J为分析维度的总个数；所述fj(j)为对应于第j分析维度的分析函数；所述wj为第j分析维度的权重；
[0162] 其中，所述J为不小于1的正整数。
[0163] 在具体的实现过程中，还可采用有别于本实施例所述的函数对所述操作对象进行聚类分析获得所述分析值，具体的如基于距离的聚类分析或基于密度的聚类分析；所述聚类分析具体如何对所述操作对象进行聚类分析在此就不再做进一步的详细阐述了。
[0164] 以下为本实施例所述方法应用在用户对第一操作对象(剧集C)的操作行为分析的示例：
[0165] 所述步骤S131具体可包括：
[0166] 依据以下公式计算确定每一个剧对应的分析值S；
[0167] S＝(N/M)*W1+(P/M)*W2+f(t,T)*W3+R*W4
[0168] 其中，所述N为用户观看过的第一操作对象中多媒体信息的个数；所述M为所述第一操作对象的当前更新多媒体信息个数；
[0169] 所述W1为第一权重；所述P为用户点播过的第一操作对象中最后一个所述多媒体信息；所述W2为第二权重；所述T为当前时间；所述t为用户最后点播时间；所述f(t,T)为时间函数；所述W3第三权重；所述R为用户点播过所述N多媒体信息的平均完成程度；所述W4为第四权重；
[0170] 其中，所述公式S＝(N/M)*W1+(P/M)*W2+f(t,T)*W3+R*W4即可认为是上述对应的一个具体公式。
[0171] 其中，所述第一权值、第二权重、第三权重及第四权重可以是预先设置的。所述函数f(t,T)可以是一个分段函数，具体如当T-t不大于1天时，所述f(t,T)的取值为1；所述当T-t的取值范围为3到5天时，所述f(t,T)的取值为0.9；当所述当T-t的取值范围为6到9天时，所述f(t,T)的取值为0.6；依次类推，所述T-t的取值越大，则所述f(t,T)的值越小。
[0172] 在具体的实现过程中，所述第一操作对对象的分析值求取不限于上述方法；具体如，假设在上述公式中，所述用户点播过的多媒体信息个数对应的为第一分析维度；用户最后点播过的最后一个多媒体信息对应的为第二分析维度；用户最后点播时间对应的为第三分析维度；所述平均完成程度对应的为第四分析维度；则给用户行为确定分析值时，可以仅采用上述四个分析维度中的一个、两个或三个来进行分析。
[0173] 在具体的实现过程中，所述用户行为可能还包括用户对剧的点评或与网友进行对该剧的讨论；在进行分析时还可以根据用户对多媒体信息的点评内容的关键字或点评频率等信息进行分析；此时，上述公式可以改写如下：
[0174] S＝(N/M)*W1+(P/M)*W2+f(t,T)*W3+R*W4+F1*W5+K*W6
[0175] 其中，所述F1为点评频率，所述W5为第五权重；所述W6为第六权重。所述K为对应关键字的取值，具体如当点评内容包括喜欢或好看等关键字时，所述K取值可为不为0的整数，在具体实现时，还可以根据具体关键字表征的喜欢程度的不同，提高或降低所述K的取值；当包括不喜欢、难看或讨厌等关键字时，所述K取值可为0或为负值。在具体的实现过程中，所述第一权重至第六权重都优选为正整数。
[0176] 当然在具体实现时，还可以将所述点评频率以及点评内容单独作为分析依据，也可以是与第一分析维度至第四分析维度中的一个或多个分析维度结合使用。
[0177] 本实施例提供了一种用户点播所述多媒体信息的行为分析方法，从四个方面对用户追剧行为指向的剧进行分析，能准确的确认出用户喜欢哪些剧，便于后续下向用户推荐其喜欢的剧。
[0178] 在本实施例中，选择从多个分析维度以预定的函数关系来确定每一个操作对象的分析值，便于后续根据分析值选择满足第一预设条件I个操作对象；相对于上述提到的聚类分析，没有数据之间的相互迭代运算，从而运算关系简单、运算速度快等优点。
[0179] 方法实施例四：
[0180] 如图1所示，本实施例提供一种用户行为分析方法，所述方法包括：
[0181] 步骤S110：在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0182] 步骤S120：获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0183] 步骤S130：依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
[0184] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0185] 如图3所示，所述方法还包括：
[0186] 步骤S101：接收所述离线分析服务器发送的修正因子；其中，所述修正因子是所述离线分析服务器基于第二预设分析策略对历史用户行为数据分析确定的；
[0187] 步骤S102：依据所述修正因子修正所述第一分析策略。
[0188] 由于离线分析服务器的分析功能强大，能过对海量数据进行数据的深度挖掘，在本实施例中所述实时分析服务器还接收离线分析服务器发送的依据第二分析策略上对用户历史数据形成的分析结果，并依据该分析结果形成的修正因子；并在步骤S102中校正所述修正因子，以获得更加准确的第二分析结果。
[0189] 具体如，当所述多媒体信息为电视剧，则所述用户行为具体可为用户追剧行为；所述第一分析结果和所述第二分析结果为依据第一分析策略确定当前用户喜欢看什么，可以修正每一分析维度的权重也可以修正每一评分维度对应的函数。例如用户长期以来喜欢看在周末看剧，但是最近发现用户每天晚上在点播观看剧A；打破用户以往的追剧习惯，进而表明用户很喜欢该剧，甚至打破了一般的追剧习惯，则在利用公式
[0190] S＝(N/M)*W1+(P/M)*W2+f(t,T)*W3+R*W4进行分析值的确定时，可以在适当的修正所述函数f(t,T)，以使在工作日点播的剧，在点播时间这一维度的分析值高于在周末点播的剧的分析值。
[0191] 在具体的实现过程中，所述离线分析服务器比实时分析服务器具有更加强大的处理功能，通常还会依据所述第二分析策略进行一些深度分析。这些深度分析用于挖掘用户行为内在的深度规律，通常这些深度分析可以是对时限性要求较低，对分析结果有一定影响的分析。
[0192] 具体的如实时分析服务器及离线分析服务器可以利用第一预设分析策略分析出当前用户对哪一部剧感兴趣，以便提示用户观看。同时所述离线分析服务器，还取指定时间内用户观看剧的行为数据，进而根据所行为数据确定用户对感兴趣剧集类型。通常用户对剧集类型的兴趣相对于用户对具体某一部剧感兴趣是变化是相对较慢的，时限性要求较低。显然对剧集类型兴趣分析，处理的数据量将比用户对具体哪一部剧感性需要处理的数据量大，实时分析服务器可能无法完成，此时优选由离线分析服务器完成。离线分析系统根据剧集类型兴趣分析的分析结果，可以调整其对用户当前对哪一部剧感兴趣的第一预设分析策略，得到更为精确的第一分析结果。
[0193] 如在6月30日至7月29日这一段时间，用户A对剧a和剧b的观看行为后得到用户观看两个剧的喜爱程度是一样的，但是离线分析服务器还对用户喜欢看哪一类型的剧进行了分析，发现用户A喜欢看美剧；而此时，若剧a为美剧；剧b为英剧；可通过所述第一分析结果反映出用户更喜欢剧a；具体如通过在所述第一分析结果中的排序来表示，或将所述剧a加入第一分析结果而将所述剧b排除在所述第一分析结果之外来表示。
[0194] 本实施例在上述任一实施例的基础上，所述实时分析服务器不仅从离线分析服务器接收依据第一分析结果发送的历史用户行为数据，还接收离线分析服务器发送的修正因子，以调整第一分析策略，再次提高了第二分析结果的精确度。
[0195] 方法实施例五：
[0196] 如图4所示，本实施例提供一种用户行为分析方法，所述方法包括：
[0197] 步骤S110：在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；
[0198] 步骤S120：获取对应于当前用户行为的当前用户行为数据；
[0199] 步骤S130：依据第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
[0200] 步骤S140：所述实时分析服务器还向所述离线分析服务器发送所述第二分析结果；
[0201] 在所述离线分析服务器形成的分析结果的形成时间比所述第二分析结果的形成时间早时，所述第二分析结果用于作为所述第一分析结果。
[0202] 通常所述离线分析服务器及所述实时分析服务器均是周期性形成分析结果；所述离线分析服务器对应的分析周期为第一分析周期；所述实时分析服务的分析周期为第二分析周期；通常第一分析周期比第二分析周期长，具体如第一分析周期为24小时，第二分析周期为15分钟；离线分析服务器于凌晨完成了一次分析，形成下一个分析结果将在第二天的凌晨；若实时分析服务器因系统维护，于当天8:00关闭了，可是2小时后所述实时分析服务器又重新开启了，此时离线分析服务器没有形成新的分析结果，若直接以离线分析服务器形成的最后的一次分析结果为第一分析结果，将导致中间8小时的用户行为没有考虑到，考虑到这种情况，本实施例所述的方法还包括：所述实时分析服务器向离线分析服务器发送所述第二分析结果的步骤，具体的可以是周期性的发送，如8个小时或16个小时发送一次，通常采用周期性发送，其发送周期比所述第二分析周期长；以避免频繁向离线分析服务器发送数据。
[0203] 若实时分析服务器向离线分析服务器发送了所述第二分析结果，则在上述情形中，实时分析服务器在关闭前发送的第二分析结果将作为2小时后实时分析服务器接收的数据的依据；这样显然相对于直接以离线分析服务器8小时前形成分析结果作为第一分析结果向实时分析服务器发送历史用户行为数据，显然有利于形成第二分析结果精确度的提高。
[0204] 在本实施例中，进一步限定了所述实时分析服务器在关闭前向所述离线分析服务器发送第二分析结果，因为实时分析服务器不关闭则不需要重新启动，则无需从所述离线分析服务器接收数据，故可限定所述实时分析服务器仅在其关闭前发送所述第二分析结果，以减少实时分析服务器和离线分析服务器之间的数据交互；且同样的如同上一实施例所述的方法一样，也能提高所述第二分析结果的分析准确度。
[0205] 所步骤S140具体为：
[0206] 所述实时分析服务器在所述实时分析服务器关闭前向所述离线分析服务器发送所述第二分析结果。
[0207] 在本实施例中，进一步限定了所述实时分析服务器在关闭前向所述离线分析服务器发送第二分析结果，因为实时分析服务器不关闭则不需要重新启动，则无需从所述离线分析服务器接收数据，故可限定所述实时分析服务器仅在其关闭前发送所述第二分析结果，以减少实时分析服务器和离线分析服务器之间的数据交互；且同样的如同上一实施例所述的方法一样，也能提高所述第二分析结果的分析准确度。
[0208] 方法实施例六：
[0209] 如图5所示，本实施例提供一种用户行为分析方法，所述方法包括：
[0210] 步骤S210：在实时分析服务器启动后，离线分析服务器依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；所述历史用户行为数据包括用户操作及所述用户操作指向的操作对象；
[0211] 步骤S220：向所述实时分析服务器发送所述历史用户行为数据；
[0212] 其中，所述历史用户行为数据用于所述实时分析服务器形成第二分析结果；
[0213] 所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0214] 所述多媒体信息可以是动漫、电视剧或综艺秀等包括声音和画面的信息。
[0215] 一个所述操作对象具体包括至少两个所述多媒体信息；且同一个所述多媒体信息的信息内容具有时间关联性；这种信息内容的时间关联性可以具体体现在如电视剧的情节发展情况，也体现在是综艺秀不同集之间的先后播出顺序上。
[0216] 在本实施例中执行上述步骤S210至步骤S220的为离线分析服务器；在具体实现过程中，所述的离线分析服务器还接收实时分析服务器形成的第二分析结果，在未形成比所述第二分析结果时间晚的作为离线分析服务器发送所述历史用户行为数据的第一分析结果；采用这种方法结合离线分析服务器的自身形成的第一分析结果，有利于提高实时分析系统的分析精确度。
[0217] 方法实施例七：
[0218] 如图5所示，本实施例提供一种用户行为分析方法，所述方法包括：
[0219] 步骤S210：在实时分析服务器启动后，离线分析服务器依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；所述历史用户行为数据包括用户操作及所述用户操作指向的操作对象；
[0220] 步骤S220：向所述实时分析服务器发送所述历史用户行为数据；
[0221] 其中，所述历史用户行为数据用于所述实时分析服务器形成第二分析结果；
[0222] 所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0223] 如图6所示，所述方法还包括：
[0224] 步骤S200：在实时分析服务器启动之前，所述离线分析服务器依据第一预设分析策略形成所述第一分析结果；
[0225] 所述步骤S200包括：
[0226] 依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第一分析结果；
[0227] 其中，所述I为不小于1的正整数。
[0228] 在本实施例中所述离线分析服务器将自行依据第一分析策略形成第一分析结果，方便实时分析服务器在启动时，依据已经分析形成第一分析结果。
[0229] 在本实施例中离线分析服务器自行分析形成第一分析结果，能减少离线分析服务器和实时分析服务器的数据交互量和交互次数。
[0230] 方法实施例八：
[0231] 如图5所示，本实施例提供一种用户行为分析方法，所述方法包括：
[0232] 步骤S210：在实时分析服务器启动后，离线分析服务器依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；所述历史用户行为数据包括用户操作及所述用户操作指向的操作对象；
[0233] 步骤S220：向所述实时分析服务器发送所述历史用户行为数据；
[0234] 其中，所述历史用户行为数据用于所述实时分析服务器形成第二分析结果；
[0235] 所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0236] 如图6所示，所述方法还包括：
[0237] 步骤S200：在实时分析服务器启动之前，所述离线分析服务器依据第一预设分析策略形成所述第一分析结果；
[0238] 所述步骤S200包括：
[0239] 依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第一分析结果；
[0240] 其中，所述I为不小于1的正整数。
[0241] 所述依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析包括：依据以下公式计算确定每一个所述操作对象对应的分析值S；
[0242]
[0243] 其中，所述j为第j分析维度参数；所述J为分析维度的总个数；所述fj(j)为对应于第j分析维度的分析函数；所述wj为第j分析维度的权重；
[0244] 其中，所述J为不小于1的正整数。
[0245] 本实施例所述的离线分析服务器和实时分析服务器采用同样的分析逻辑(即所述第一分析策略)形成分析结果，本实施例中具体限定了依据第一分析策略对用户操作指向的操作对象进行分析，从而得到的分析结果是用户行为指向的操作对象的。在具体的实现过程中，还可以对用户行为的操作行为本身，如操作行为的类型，两个操作之间的关联性等进行分析。
[0246] 当所述多媒体信息为电视剧时，所述用户行为为追剧行为；以下是本实施例所述的方法应用于所述用户追剧行为的一个具体示例；
[0247] 依据以下公式计算确定每一个剧对应的分析值S；
[0248] S＝(N/M)*W1+(P/M)*W2+f(t,T)*W3+R*W4
[0249] 其中，所述N为用户观看过的第一操作对象中多媒体信息的个数；所述M为所述第一操作对象的当前更新多媒体信息个数；
[0250] 所述W1为第一权重；所述P为用户点播过的第一操作对象中最后一个所述多媒体信息；所述W2为第二权重；所述T为当前时间；所述t为用户最后点播时间；所述f(t,T)为时间函数；所述W3第三权重；所述R为用户点播过所述N多媒体信息的平均完成程度；所述W4为第四权重；
[0251] 依据所述分析值进行排序，依据排序结果选取最大的I个所述分析值对应的剧行形成所述第一分析结果。
[0252] 在本实施例中采用四个分析维度对用户的追剧行为进行分析，并获得分析值，依据分析值形成第一分析结果。所述第一分析结果为依据上述公式用户当前最可能想看的剧集的集合，具体如20个电视剧的剧名等。
[0253] 综合上述，本实施例在上述方法实施例的基础上，做了进一步的改进，具体限定了对用户追剧行为进行分析及具体的分析方法，具有分析结果精确及计算复杂度低等优点。
[0254] 方法实施例九：
[0255] 如图5所示，本实施例提供一种用户行为分析方法，所述方法包括：
[0256] 步骤S210：在实时分析服务器启动后，离线分析服务器依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；所述历史用户行为数据包括用户操作及所述用户操作指向的操作对象；
[0257] 步骤S220：向所述实时分析服务器发送所述历史用户行为数据；
[0258] 其中，所述历史用户行为数据用于所述实时分析服务器形成第二分析结果；
[0259] 所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0260] 如图7所示，所述方法还包括：
[0261] 步骤S201：所述离线分析服务器还依据第二分析策略分析用户行为数据，获得修正因子；
[0262] 步骤S202：将所述修正因子发送给所述实时分析服务器；
[0263] 所述修正因子用于修正所述第一分析策略。
[0264] 在具体的实现过程中，所述离线分析服务器还将根据所述修正因子修正所述离线分析服务器内的所述第一分析策略；具体如修正上述实施例中所述公式中的所述wj。
[0265] 本实施例所述的离线分析服务器不仅会依据第一分析结果向实时分析服务器发送历史用户行为数据，还将发送用于修正第一分析策略的修正因子，以修正所述第一分析策略，从而能使所述实时分析服务器获得更加精确的第二分析结果，便于后续进行用户价值分析或向用户推荐相对应的服务。
[0266] 所述离线分析服务器和所述实时分析服务器将各自根据所述修正因子修正所述第一分析策略。
[0267] 在本实施例中所述的用户行为分析方法，在上述实施例的基础上做了进一步的改进，所述离线分析服务器不仅可以分析形成第一分析结果还将依据第二分析策略获得第一分析策略的修正因子，以避免所述第一分析策略长期使用，不进行变更已经不能很好的提供精确的分析结果的问题。
[0268] 方法实施例十：
[0269] 如图8所示，本实施例提供一种用户行为分析方法，所述方法包括：
[0270] 步骤S310：离线分析服务器在实时分析服务器启动时，依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；其中，所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0271] 步骤S320：离线分析服务器向所述实时分析服务器发送所述历史用户行为数据；
[0272] 步骤S330：实时分析服务器获取对应于当前用户行为的当前用户行为数据；其中，所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0273] 步骤S340：实时分析服务器依据第一预设分析策略，分析所述历史用户行为数据及所述用于行为当前数据，获取第二分析结果。
[0274] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0275] 在本实施例中，结合离线分析服务器和实时分析服务器对用于行为进行分析，这样既解决了离线分析服务器延时大的问题，同时也解决了实时分析服务器稳定性不够的问题。将这种离线分析服务器和实时分析服务器结合分析的方法应用于海量用户的点播多媒体信息的用户行为分析中，在延时性和分析结果稳定性方便的性能都得到了很大的提升。
[0276] 在本实施例中所述实时分析服务器执行的步骤可参见方法实施例一至方法[0277] 实施例五；所述离线分析服务器执行的步骤可参见方法实施例六至方法实施例九，详细的操作及具体的有益效果参见上述实施例的对应部分，在此就不再做进一步的详细阐述了。
[0278] 方法实施例十一：
[0279] 如图9所示，本实施例提供一种用户行为分析方法，所述方法包括：
[0280] 步骤S301：离线分析服务器依据第二分析分析策略分析用户行为数据，获得修正因子；
[0281] 步骤S302：离线分析服务器将所述修正因子发送给实时分析服务器；
[0282] 步骤S303：实时分析服务器接收所述离线分析服务器发送的修正因子；
[0283] 步骤S304：实时分析服务器依据所述修正因子修正所述第一分析策略；
[0284] 步骤S305：离线分析服务器依据所述修正因子修正所述第一分析策略；
[0285] 步骤S310：离线分析服务器在实时分析服务器启动时，依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；
[0286] 步骤S320：离线分析服务器向所述实时分析服务器发送所述历史用户行为数据；
[0287] 步骤S330：实时分析服务器获取对应于当前用户行为的当前用户行为数据；
[0288] 步骤S340：实时分析服务器依据第一预设分析策略，分析所述历史用户行为数据及所述用于行为当前数据，获取第二分析结果；
[0289] 其中，所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0290] 所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0291] 所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0292] 本实施例中所述的实时分析服务器不仅从所述离线分析服务器接收历史用户行为数据还接收修正因子，并依据所述修正因子修正所述第一分析策略，以获得更加准确的第二分析结果；在具体的实现过程中，所述离线分析服务器形成所述修正因子的周期通大于所述离线分析服务器形成所述第一分析结果的周期，以避免第一分析策略过于频繁的变更。在具体的实现过程中所述离线分析服务器自身也会依据所述第一分析策略修正存储在离线分析服务器端的第一分析策略；从而能获得更加精确的分析结果，有利于后续用户价值分析或向用户推荐包括至少两个所述多媒体信息的操作对象；且将离线分析服务器和实时分析服务器相结合的分析方法，应用于操作对象包括至少两个多媒体信息的用户行为的分析应用场景中，有效的解决了现有用户操作多媒体信息过程中，时延大或稳定性不够等问题。
[0293] 设备实施例一：
[0294] 如图10所示，本实施例提供一种实时分析服务器，所述服务器包括：
[0295] 接收单元110，用于在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0296] 获取单元120，用于获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0297] 第一分析单元130，用于依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
[0298] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0300] 所述获取单元120的具体结构根据器获取所述用户行为当前数据的方式的不同而结构不同，具体如通过从用户行为数据处理服务器接收所述用户行为当前数据，则所述获取单元120的具体结构同样可为有线或无线的通信接口。
[0301] 所述第一分析单元130的具体结构可包括处理器及存储介质；所述存储介质上存储有计算机可执行代码，所述处理器执行所述计算机可执行代码可依据第一预设分析策略，分析所述用户行为历史数据及所述用户行为当前数据，获得第二分析结果。所述处理器可为中央处理器、数字信号处理器或微处理器或可编程阵列等具有处理功能的结构。
[0302] 在具体的实现过程中，所述第一分析单元130还能用于依据所述第二分析结果进行用户价值分析或向用户推荐相关服务等。
[0303] 本实施例所述的操作对象、用户操作及所述多媒体信息的定义可以参见方法实施例一中对应部分的描述，在此就不再进一步的详细阐述了。
[0304] 本实施例所述的实时分析服务器为方法实施例一所述的方法，提供硬件支撑，能用于实现方法实施例一中任意所述的技术方案，同样的具有时延小或数据存储量少等优点。
[0305] 设备实施例二：
[0306] 如图10所示，本实施例提供一种实时分析服务器，所述服务器包括：
[0307] 接收单元110，用于在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0308] 获取单元120，用于获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0309] 第一分析单元130，用于依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
[0310] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0311] 如图11所示，所述第一分析单元130包括：
[0312] 确定模块131，用于依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；
[0313] 排序模块132，用于对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第二分析结果；
[0314] 其中，所述I为不小于1的正整数。
[0315] 所述确定模块131及所述排序模块132的具体结构都可对应于服务器；所述确定模块131及所述排序模块132可集成对应于同一服务器或分别对应不同的服务器；当所述确定模块131及所述排序模块132集成对应于同一服务器时，所述服务器采用时分复用或并发线程分别处理各模块对应的功能。此外，所述排序模块131还可以包括比较器，用于对所述分析值进行排序。
[0316] 本实施例进一步限定了所述第一分析单元130的结构，并具体限定了是对用户行为中操作对象进行分析处理；本实施例为方法实施例二任意所述的方法提供了硬件支撑，同样的具有延时小及数据存储量小的优点。
[0317] 设备实施例三：
[0318] 如图10所示，本实施例提供一种实时分析服务器，所述服务器包括：
[0319] 接收单元110，用于在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0320] 获取单元120，用于获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0321] 第一分析单元130，用于依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
[0322] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0323] 如图11所示，所述第一分析单元130包括：
[0324] 确定模块131，用于依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；
[0325] 排序模块132，用于对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第二分析结果；
[0326] 其中，所述I为不小于1的正整数。
[0327] 所述确定模块131，具体用于依据以下公式计算确定每一个操作对象对应的分析值S；
[0328]
[0329] 其中，所述j为第j分析维度参数；所述J为分析维度的总个数；所述fj(j)为对应于第j分析维度的分析函数；所述wj为第j分析维度的权重；
[0330] 其中，所述J为不小于1的正整数。
[0332] 在具体的实现过程中，所述确定模块具体用于依据以下算法对用户点播多媒体信息的追剧行为进行分析：其中，一个所述多媒体信息对应电视剧中的一集；
[0333] S＝(N/M)*W1+(P/M)*W2+f(t,T)*W3+R*W4
[0334] 其中，所述N为用户观看过的第一操作对象中多媒体信息的个数；所述M为所述第一操作对象的当前更新多媒体信息个数；
[0335] 所述W1为第一权重；所述P为用户点播过的第一操作对象中最后一个所述多媒体信息；所述W2为第二权重；所述T为当前时间；所述t为用户最后点播时间；所述f(t,T)为时间函数；所述W3第三权重；所述R为用户点播过所述N多媒体信息的平均完成程度；所述W4为第四权重；
[0336] 其中，所述公式S＝(N/M)*W1+(P/M)*W2+f(t,T)*W3+R*W4为所述公式的一个具体例子。
[0337] 设备实施例四：
[0338] 如图10所示，本实施例提供一种实时分析服务器，所述服务器包括：
[0339] 接收单元110，用于在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0340] 获取单元120，用于获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0341] 第一分析单元130，用于依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
[0342] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0343] 所述接收单元110，还用于接收所述离线分析服务器发送的修正因子；其中，所述修正因子是所述离线分析服务器基于第二预设分析策略对历史用户行为数据分析确定的；
[0344] 如图12所示，所述服务器还包括：
[0345] 修正单元140，用于依据所述修正因子修正所述第一分析策略。
[0346] 所述修正单元140的具体结构可包括处理器及存储介质；所述存储介质上存储有计算机可执行代码，所述处理器执行所述计算机可执行代码可依据修正因子修正所述第一分析策略。所述处理器可为中央处理器、数字信号处理器或微处理器或可编程阵列等具有处理功能的结构。
[0347] 本实施例是在上述任意设备实施例基础上的进一步改进，可用来实现方法实施例一至方法实施例四中任意所述的技术方案，同样的具有分析结果时延小及获得分析结果的稳定性高等优点。
[0348] 设备实施例五：
[0349] 如图10所示，本实施例提供一种实时分析服务器，所述服务器包括：
[0350] 接收单元110，用于在实时分析服务器启动后，接收离线分析服务器依据第一分析结果发送的历史用户行为数据；所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0351] 获取单元120，用于获取对应于当前用户行为的当前用户行为数据；所述历史用户行为数据及所述当前用户行为数据均包括用户操作及所述用户操作指向的操作对象；
[0352] 第一分析单元130，用于依据所述第一预设分析策略，分析所述历史用户行为数据及所述当前用户行为数据，获得第二分析结果；
[0353] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0354] 所述服务器还包括发送单元；所述发送单元用于向所述离线分析服务器发送所述第二分析结果；
[0355] 在所述离线分析服务器未形成比所述第二分析结果的形成时间晚的分析结果时，所述第二分析结果用于作为所述第一分析结果。
[0356] 所述发送单元140的具体物理结构可有线或无线的通信接口，具体的如光线通信接口、双绞线通信接口或发送天线等结构。
[0357] 所述实时分析服务器与所述离线分析服务器之间通过互连网建立连接。
[0358] 本实施例所述实时分析服务器还包括发送单元140向离线分析服务器发送第二分析结果，并在离线分析服务器未形成比所述第二分析结果的形成时间晚的分析结果时，作为第一分析结果，这样能有效提升第二分析结果的精确度。在具体的实现过程中，所述发送单元140具体用于在所述实时分析服务器关闭前向所述离线分析服务器发送所述第二分析结果；这样能减少所述实时分析服务器与所述离线分析服务器之间交互的数据量，节省能耗，减少离线分析服务器的繁忙度。
[0359] 设备实施例六：
[0360] 如图13所示，本实施例提供一种离线分析服务器，所述服务器包括：
[0361] 确定单元210，用于在实时分析服务器启动后，离线分析服务器依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；其中，所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0362] 发送单元220，用于向所述实时分析服务器发送所述历史用户行为数据；
[0363] 其中，所述历史用户行为数据用于所述实时分析服务器形成第二分析结果；
[0364] 所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0365] 所确定单元210的具体结构可包括处理器及存储介质；所述存储介质上存储有计算机可执行代码，所述处理器执行所述计算机可执行代码可依据第一分析结果确定出待向所述实时分析服务器发送的用户行为历史数据。所述处理器可为中央处理器、数字信号处理器或微处理器或可编程阵列等具有处理功能的结构。
[0366] 所发送单元220的具体结构可包括有线或无线的通信接口，具体的如光线通信接口、双绞线通信接口或接收天线等结构。
[0367] 本实施例中所述历史用户行为数据、当前用户行为数据、所述的用户操作、操作对象及多媒体信息的描述可以参见方法实施例一中对应部分，在此就不再做详细描述了。
[0368] 本实施例所述的离线分析服务器为方法实施例六所述的方法，提供硬件支撑，能用于实现方法实施例六中任意所述的技术方案，同样的具有时延小或数据存储量少等优点；本实施例所述离线分析服务器用于对用户观看或点播所述都媒体信息的用户行为中，为海量的用户多媒体信息点播等操作行为，提高了具有时延小及稳定性高的分析结构。
[0369] 设备实施例七：
[0370] 如图13所示，本实施例提供一种离线分析服务器，所述服务器包括：
[0371] 确定单元210，用于在实时分析服务器启动后，离线分析服务器依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；其中，所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0372] 发送单元220，用于向所述实时分析服务器发送所述历史用户行为数据；
[0373] 其中，所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0374] 如图14所示，所述服务器还包括依据第一预设分析策略形成所述第一分析的第二分析单元230；
[0375] 所述第二分析单元230，用于依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；及对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第一分析结果；
[0376] 其中，所述I为不小于1的正整数。
[0377] 所第二分析单元230的具体结构可包括处理器及存储介质；所述存储介质上存储有计算机可执行代码，所述处理器执行所述计算机可执行代码可依据第一分析策略形成第一分析结果；在具体的实现过程中所述第一分析策略与实时分析服务中形成第二分析结果的第一分析策略是一致的。所述处理器可为中央处理器、数字信号处理器或微处理器或可编程阵列等具有处理功能的结构。
[0378] 在本实施例中所述离线分析服务器还专门设置了第二分析单元230用于形成第一分析结果，为方法实时例七所述的方法提供了具体的实现硬件，减少了离线服务器和实时服务器之间的数据交互。
[0379] 设备实施例八：
[0380] 如图13所示，本实施例提供一种离线分析服务器，所述服务器包括：
[0381] 确定单元210，用于在实时分析服务器启动后，离线分析服务器依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；其中，所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0382] 发送单元220，用于向所述实时分析服务器发送所述历史用户行为数据；
[0383] 如图14所示，所述服务器还包括依据第一预设分析策略形成所述第一分析的第二分析单元230；
[0384] 所述第二分析单元230，用于依据所述第一预设分析策略及操作行为，确定每一个所述操作对象对应的分析值；及对所述分析值进行排序，依据排序结果满足第一预设条件的I个所述分析值对应的操作对象形成所述第一分析结果；
[0385] 其中，所述I为不小于1的正整数。
[0386] 所述第二分析单元230，具体用于依据以下公式计算确定每一个所述操作对象对应的分析值S；
[0387]
[0388] 其中，所述j为第j分析维度参数；所述J为分析维度的总个数；所述fj(j)为对应于第j分析维度的分析函数；所述wj为第j分析维度的权重；
[0389] 其中，所述J为不小于1的正整数。
[0390] 在具体的实现过程中，所述 可以被具体改写成以下公式：
[0391] S＝(N/M)*W1+(P/M)*W2+f(t,T)*W3+R*W4
[0392] 其中，所述N为用户观看过的第一操作对象中多媒体信息的个数；所述M为所述第一操作对象的当前更新多媒体信息个数；
[0393] 所述W1为第一权重；所述P为用户点播过的第一操作对象中最后一个所述多媒体信息；所述W2为第二权重；所述T为当前时间；所述t为用户最后点播时间；所述f(t,T)为时间函数；所述W3第三权重；所述R为用户点播过所述N多媒体信息的平均完成程度；所述W4为第四权重；
[0394] 所述第二分析单元230具体依据上述公式确定每一个所述操作对象的分析值并形成所述第一分析结果。
[0395] 在本实施例中所述第二分析单元230具体可为包括计算器或具有计算功能的处理器，用于依据上述函数关系式计算分析值并对分析值进行排序。
[0396] 本实施例所述的服务器为方法实施例十二所述的方法，提供了支撑，同样的具有计算复杂度低的优点。
[0397] 设备实施例九：
[0398] 如图13所示，本实施例提供一种离线分析服务器，所述服务器包括：
[0399] 确定单元210，用于在实时分析服务器启动后，离线分析服务器依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；其中，所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0400] 发送单元220，用于向所述实时分析服务器发送所述历史用户行为数据；
[0401] 所述第二分析单元230，还用于还依据第二分析策略分析用户行为数据，获得修正因子；
[0402] 所发送单元220，用于将所述修正因子发送给所述实时分析服务器；
[0403] 所述修正因子用于修正所述第一分析策略。
[0404] 本实施例所述的第二分析单元230依据第二分析策略获得修正因子，并通过所述发送单元220向所述实时分析服务器发送，在具体的实现过程中，所述第二分析单元230还将依据所述修正因子校正存储在其内部的第一分析策略进行校正。综合上述，本实施例提供一种离线分析服务器，可用于方法实施例九所述方法的任意技术
[0405] 设备实施例十：
[0406] 如图13所示，本实施例提供一种离线分析服务器，所述服务器包括：
[0407] 确定单元210，用于在实时分析服务器启动后，离线分析服务器依据按照第一预设分析策略形成的第一分析结果，确定向实时分析服务器发送的历史用户行为数据；其中，所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果；
[0408] 发送单元220，用于向所述实时分析服务器发送所述历史用户行为数据；
[0409] 所述第二分析单元230，还用于还依据第二分析策略分析用户行为数据，获得修正因子；
[0410] 所发送单元220，用于将所述修正因子发送给所述实时分析服务器；
[0411] 所述修正因子用于修正所述第一分析策略。
[0412] 在具体的实现过程中，所述离线分析服务器还包括接收单元；所述接收单元用于接收所述实时分析服务器发送的第二分析结果；所述接收单元的具体结构包括接收接口，如有线接口中的双绞线接收接口；无线接口中的接收天线等结构。所述接收单元具体用于在所述实时分析服务器关闭前接收所述第二分析结果，以减少离线分析服务器与实时分析服务器之间的数据交互；其中，所述第二分析结果用于在所述离线分析服务器未形成比所述第二分析结果的形成时间晚的分析结果时，将所述第二分析结果视为所述第一分析结果，作为确定向实时分析服务器发送历史用户数据的依据。
[0413] 本实施例是在设备实施例六至设备实施例九的基础上的进一步改进，为方法实施例十所述方法的任意技术方案提供了具体的实现结构；同样的具有分析结果形成的时延小等优点。
[0414] 设备实施例十一：
[0415] 如图15所示，本实施例提供一个分析系统，所述分析系统包括离线分析服务器200、实时分析服务器100及用户行为数据处理服务器300；所述用户行为数据处理服务器
300用于从客户端400及客户端500接收上报的用户行为数据，并将接收到的用户行为数据形成同一数据格式的数据，在分别分发给实时分析服务器200和离线分析服务器100。
300用于从客户端400及客户端500接收上报的用户行为数据，并将接收到的用户行为数据形成同一数据格式的数据，在分别分发给实时分析服务器200和离线分析服务器100。
[0416] 所述离线分析服务器200和实时分析服务器100也可以直接接收客户端上报的用户行为数据。
[0417] 在具体的实现过程中，所述离线分析服务器200在所述实时分析服务器100启动时，依据已经形成的第一分析结果确定向实时分析服务器100发送的历史用户行为数据；并向实时分析服务器200发送所述历史用户行为数据。所述第一分析结果为在所述实时分析服务器启动前，依据第一预设分析策略形成的分析结果。
[0418] 所述实时分析服务器100在启动时，从所述离线分析服务器200接收所述历史用户行为数据，并从所述用户行为数据处理服务器300接收的当前用户行为数据；再采用第一预设分析策略对所述历史用户行为数据和当前用户行为数据进行分析，形成第二分析结果。所述第一分析结果及所述第二分析结果均为包括至少一个所述操作对象的集合；一个所述操作对象对应至少两个多媒体信息；对应于同一所述操作对象的多媒体信息的信息内容具有时间关联性。
[0419] 所述离线分析服务器200、实时分析服务器100、用户行为数据处理服务器300、客户端400及客户端500均可以通过互联网连接。所述互连网可以是有线网或无线网或有线网与无线网的混合网络。
[0420] 在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备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，如：多个单元或组件可以结合，或可以集成到另一个服务器，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
[0421] 上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，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全部单元来实现本实施例方案的目的。
[0422] 另外，在本发明各实施例中的各功能单元可以全部集成在一个处理模块中，也可以是各单元分别单独作为一个单元，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，也可以采用硬件加软件功能单元的形式实现。
[0423] 本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
[0424] 以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 数据降维方法、画像构建方法及系统、可读存储介质 | 2020-05-12 | 57 |
| 一种基于物联网的智慧农业信息处理系统 | 2020-05-14 | 627 |
| 一种邮件信息和恶意代码信息的关联性分析方法及系统 | 2020-05-08 | 635 |
| 一种基于网络数据包提取文件的方法 | 2020-05-08 | 248 |
| 噪声源检测方法、装置、计算机设备和存储介质 | 2020-05-13 | 723 |
| 一种基于机器学习的井间连通性评价方法 | 2020-05-11 | 900 |
| 一种基于深度学习的轨道交通客流需求预测方法和装置 | 2020-05-12 | 775 |
| 一种用于提高非线性颤振可靠度振动计算精度与计算效率的数据处理方法 | 2020-05-08 | 221 |
| 一种用于企业风控分析的网络管理系统及其控制方法 | 2020-05-12 | 782 |
| 一种输电网结构形态评估方法 | 2020-05-13 | 477 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈