用户行为监测报告生成方法、装置、设备及存储介质

摘要

本发明属于计算机领域，公开了一种用户行为监测报告生成方法、装置、设备及存储介质。本发明获取用户在浏览客户端页面时的当前行为特征；获取用户的历史行为特征，获取历史行为特征与当前行为特征之间的相似性评价值；根据相似性评价值确定敏感事件匹配模式；根据敏感事件匹配模式对当前行为特征和历史行为特征进行匹配，获得匹配结果；根据匹配结果判定出用户触发预设敏感事件时，对用户的操作行为信息进行监测，并根据操作行为信息生成用户行为监测报告。相对于现有的直接监测用户的行为获得用户行为监测报告的方式，本发明上述方式能够使生成用户行为监测报告时数据量少且更加精准。

说明书

技术领域

本发明涉及计算机技术领域，尤其涉及一种用户行为监测报告生成方法、装置、设备及存储介质。

背景技术

随着信息化进程的推进,互联网和网络数据业务的飞速发展,越来越多的人开始应用互联网获取信息。网络用户可以通过网络存储文件、浏览网站、订购车票和购物等。

当今社会有很多的网站，这就存在着一些竞争关系，为了更好的设计一个网站，让一个网站浏览的人数更多，从而增加点击量和订阅量的，这样就需要我们对这个网站进行分析和数据挖掘，我们可以根据每天浏览某网站的人数和访客量来判断一个网站的好坏和受欢迎程度，同时也可以根据外链的跳转率和访客或会员所用的浏览器等工具的分析来进行精准的广告推广，也可以根据地区的点击量和访客或是会访问的时间的分析来进行合理的商品推广，精准的推荐等操作，现有的对用户在网站上的行为进行监测的方法为监测用户的所有上网行为，则就导致获取的数据量庞大，很难从庞大的数据中获取到真实有用的用户行为报告，且现有的网站上一般具有引导性的操作流程以及用户误操作等，有时并不能代表用户的真实意愿，更加导致了获取的用户行为报告不是真实有效的，使得生成的数据量庞大的报告无法有效的进行后续的利用。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供了一种用户行为监测报告生成方法、装置、设备及存储介质，旨在解决现有技术中获得用户行为监测报告时数据量庞大、真实性低和不够精确的技术问题。

为实现上述目的，本发明提供了一种用户行为监测报告生成方法，所述方法包括以下步骤：

获取用户在浏览客户端页面时的当前行为特征；

获取所述用户的历史行为特征，获取所述历史行为特征与所述当前行为特征之间的相似性评价值；

根据所述相似性评价值确定敏感事件匹配模式；

根据所述敏感事件匹配模式对所述当前行为特征和所述历史行为特征进行匹配，获得匹配结果；

根据所述匹配结果判定出所述用户触发预设敏感事件时，对所述用户的操作行为信息进行监测，并根据所述操作行为信息生成用户行为监测报告。

可选地，所述获取所述历史行为特征与所述当前行为特征之间的相似性评价值的步骤，包括：

获取所述历史行为特征与所述当前行为特征之间的特征相似度和特征权重因子；

根据所述特征相似度确定所述历史行为特征的特征相似度平均值；

根据所述特征权重因子、所述特征相似度和所述相似度平均值通过以下公式计算所述相似性评价值：

其中，H为相似性评价值，k

可选地，所述根据所述相似性评价值确定敏感事件匹配模式的步骤，包括：

将所述相似性评价值与预设评价阈值进行比较；

在所述相似性评价值大于所述预设评价阈值时，判定当前的敏感事件匹配模式为精确匹配模式；

相应的，所述根据所述敏感事件匹配模式对所述当前行为特征和所述历史行为特征进行匹配，获得匹配结果的步骤，包括：

根据所述精确匹配模式对所述当前行为特征和所述历史行为特征进行匹配，获得匹配结果。

可选地，所述根据所述精确匹配模式对所述当前行为特征和所述历史行为特征进行匹配，获得匹配结果的步骤，包括：

从所述当前行为特征中获取预设数量的第一行为特征；

获取所述第一行为特征对应的行为执行时间；

根据所述行为执行时间从所述历史行为特征中获取第二行为特征；

根据所述精确匹配模式将所述第一行为特征与所述第二行为特征进行匹配，获得匹配结果。

可选地，所述根据所述精确匹配模式将所述第一行为特征与所述第二行为特征进行匹配，获得匹配结果的步骤之后，还包括：

根据所述匹配结果在预设行为规则表中查找是否存在对应的预设敏感事件；

在存在对应的预设敏感事件时，判定所述用户触发预设敏感事件。

可选地，所述根据所述匹配结果在预设行为规则表中查找是否存在对应的预设敏感事件的步骤之后，还包括：

在不存在对应的预设敏感事件时，将所述匹配结果发送至目标终端，以使所述目标终端判断所述匹配结果是否触发敏感事件并反馈判断结果；

在所述判断结果为触发敏感事件时，根据所述判断结果获取所述匹配结果对应的目标敏感事件

将所述匹配结果和所述目标敏感事件存储至所述预设行为规则表中，以更新所述预设行为规则表。

可选地，所述将所述相似性评价值与预设评价阈值进行比较的步骤之后，还包括：

在所述相似性评价值小于或等于所述预设评价阈值时，获取所述预设行为规则表中的目标匹配结果；

判断所述当前行为特征和所述历史行为特征中是否存在满足所述目标匹配结果的特征组合；

在所述当前行为特征和所述历史行为特征中存在满足所述目标匹配结果的特征组合时，将所述特征组合作为模糊匹配的匹配结果。

此外，为实现上述目的，本发明还提供一种用户行为监测报告生成装置，所述装置包括：

特征获取模块，用于获取用户在浏览客户端页面时的当前行为特征；

相似性评价值模块，用于获取所述用户的历史行为特征，获取所述历史行为特征与所述当前行为特征之间的相似性评价值；

匹配模式确定模块，用于根据所述相似性评价值确定敏感事件匹配模式；

匹配模块，用于根据所述敏感事件匹配模式对所述当前行为特征和所述历史行为特征进行匹配，获得匹配结果；

监测模块，用于根据所述匹配结果判定出所述用户触发预设敏感事件时，对所述用户的操作行为信息进行监测，并根据所述操作行为信息生成用户行为监测报告。

此外，为实现上述目的，本发明还提出一种用户行为监测报告生成设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的用户行为监测报告生成程序，所述用户行为监测报告生成程序配置为实现如上文所述的用户行为监测报告生成方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有用户行为监测报告生成程序，所述用户行为监测报告生成程序被处理器执行时实现如上文所述的用户行为监测报告生成方法的步骤。

本发明通获取用户在浏览客户端页面时的当前行为特征；获取用户的历史行为特征，获取历史行为特征与当前行为特征之间的相似性评价值；根据相似性评价值确定敏感事件匹配模式；根据敏感事件匹配模式对当前行为特征和历史行为特征进行匹配，获得匹配结果；根据匹配结果判定出用户触发预设敏感事件时，对用户的操作行为信息进行监测，并根据操作行为信息生成用户行为监测报告。相对于现有的直接监测用户的行为获得用户行为监测报告的方式，本发明上述方式能够使生成用户行为监测报告时数据量少且更加精准。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的用户行为监测报告生成设备的结构示意图；

图2为本发明用户行为监测报告生成方法第一实施例的流程示意图；

图3为本发明用户行为监测报告生成方法第二实施例的流程示意图；

图4为本发明用户行为监测报告生成方法第三实施例的流程示意图；

图5为本发明用户行为监测报告生成装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的用户行为监测报告生成设备结构示意图。

如图1所示，该用户行为监测报告生成设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的结构并不构成对用户行为监测报告生成设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及用户行为监测报告生成程序。

在图1所示的用户行为监测报告生成设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明用户行为监测报告生成设备中的处理器1001、存储器1005可以设置在用户行为监测报告生成设备中，所述用户行为监测报告生成设备通过处理器1001调用存储器1005中存储的用户行为监测报告生成程序，并执行本发明实施例提供的用户行为监测报告生成方法。

基于上述用户行为监测报告生成设备，本发明实施例提供了一种用户行为监测报告生成方法，参照图2，图2为本发明用户行为监测报告生成方法第一实施例的流程示意图。

本实施例中，所述用户行为监测报告生成方法包括以下步骤：

步骤S10：获取用户在浏览客户端页面时的当前行为特征。

需要说明的是，本实施例的执行主体可以是一种具有网络通信以及程序运行的计算服务设备，例如手机、电脑、平板电脑等可以是实现相同或相似功能的其他设备。以下以用户行为监测报告生成服务器为例，对本实施例及下述各实施例进行说明。

需要说明的是，所述用户可以是浏览或操作客户端页面的用户，所述当前行为特征可以是用户当前在客户端页面上进行的操作的特征，例如当前行为特征可以是用户在某网站点击了登录按钮，详情按钮或统计用户的浏览时间等特征，本实施例在此不加以限制。

应理解的是，所述获取用户在浏览客户端页面时的当前行为特征可以是获取用户在浏览客户端页面时的当前行为信息，根据所述当前行为信息提取出用户的行为特征。例如，用户的行为信息可以是在某网站上进行的一系列的浏览信息以及操作信息，在用户的浏览时间大于一定值时，将用户在该页面的浏览时间作为特征提取出来，当用户的操作信息中有点击了包含有预设的关键字的按钮时，将该操作行为作为特征提取出来，根据用户的操作信息提取特征的方式以及规则可以根据具体的使用场景以及需求进行制定，本实施例在此不加以限制。

步骤S20：获取所述用户的历史行为特征，获取所述历史行为特征与所述当前行为特征之间的相似性评价值。

需要说明的是，所述历史行为特征为根据用户的历史操作信息提取的历史行为特征，所述相似性评价值为正数，用以表示所述历史行为特征与所述当前行为特征之间的相似性等级或分数。

应理解的是，所述相似性评价值可以是所述历史行为特征和所述当前行为特征之间的相似度，例如，当前行为特征为用户通过点击资讯进入了关于上调最低工资标准的新闻资讯以及浏览60s的特征，历史行为特征为用户搜索工资标准以及点击多个存在工资关键词的链接并浏览，可以判定，当前行为特征与历史行为特征的相似度为9。所述相似性评价值的定义和计算也可以是其他方式本实施例在此不加以限制。

步骤S30：根据所述相似性评价值确定敏感事件匹配模式。

需要说明的是，所述敏感事件匹配模式可以是对所述当前行为特征和所述历史行为特征进行匹配的匹配匹配模式，所述敏感事件匹配模式有精确匹配模式和模糊匹配模式，所述精确匹配模式即要求所述历史行为特征与所述当前行为特征在行为的执行时间顺序上连续，中间不得还有其他的时间上连续的其他特征，所述模糊匹配模式即不要求所述当前行为特征与所述历史行为特征在时间顺序上连续，即只要有对应的特征组合在一起满足需要得到的结果即可。也可以是制定其他的匹配方法或规则作为所述敏感事件的匹配模式，本实施例在此不加以限制。

进一步的，为了使生成的用户行为监测报告更能反映用户的真实意愿，所述根据所述相似性评价值确定敏感事件匹配模式可以是：将所述相似性评价值与预设评价阈值进行比较；在所述相似性评价值大于所述预设评价阈值时，判定当前的敏感事件匹配模式为精确匹配模式。

需要说明的是，所述预设评价阈值可以是用来确定所述敏感事件匹配模式是否为所述精确匹配模式或所述模糊匹配的阈值，所述预设评价阈值是自定义的划分依据，例如，当自定义的预设评价阈值为8时，当前实际的相似性评价值为9时，判定当前的敏感事件匹配模式为精确匹配。

步骤S40：根据所述敏感事件匹配模式对所述当前行为特征和所述历史行为特征进行匹配，获得匹配结果。

需要说明的是，所述匹配结果可以是对所述当前行为特征和所述历史行为特征进行组合，将组合后的结果作为匹配结果。

在具体实施中，当当前的敏感事件匹配模式为精确匹配模式时，历史行为特征按照行为执行顺序排列为A、B、C时，当前行为特征为D时，所述匹配结果可以是CD、BCD、ABCD，而不能是时间不严格相邻的BD、AD等，但是当当前的敏感事件匹配模式为模糊匹配模式时，上述匹配结果都可以成立。

步骤S50：根据所述匹配结果判定出所述用户触发预设敏感事件时，对所述用户的操作行为信息进行监测，并根据所述操作行为信息生成用户行为监测报告。

需要说明的是，所述预设敏感事件可以是预设的需要进行监测的事件，例如，匹配结果表示用户可能存在对网站具有攻击意图的时候，此时用户即触发了预设的敏感事件，需要对用户接下来的操作行为信息进行监测，并根据所述操作行为信息生成用户行为监测报告，在特殊情况下，若用户持续触发预设敏感事件，即表示用户持续对网站具有攻击意图，可以采取限制用户在网站上的操作行为等手段阻止用户的继续操作，以保护网站的安全。

本实施例通过获取用户在浏览客户端页面时的当前行为特征；获取用户的历史行为特征，获取历史行为特征与当前行为特征之间的相似性评价值；根据相似性评价值确定敏感事件匹配模式；根据敏感事件匹配模式对当前行为特征和历史行为特征进行匹配，获得匹配结果；根据匹配结果判定出用户触发预设敏感事件时，对用户的操作行为信息进行监测，并根据操作行为信息生成用户行为监测报告。相对于现有的直接监测用户的行为获得用户行为监测报告的方式，本实施例上述方式能够使生成的用户行为监测报告时数据量少、真实性更高且更加精准表明用户意图。

参考图3，图3为本发明用户行为监测报告生成方法第二实施例的流程示意图。

基于上述第一实施例，在本实施例中，所述步骤S20包括：

步骤S201：获取所述历史行为特征与所述当前行为特征之间的特征相似度和特征权重因子。

需要说明的是，所述特征相似度可以是所述历史行为特征与所述当前行为特征之前的相似度，可以根据所述历史行为特征与所述当前行为特征中包含的关键词的相似度和关键词一致的数量进行确定，例如，当前行为特征为用户点击了关于武汉上调最低工资标准的新闻资讯，历史行为特征A为用户搜索武汉市最低工资标准，历史行为特征B为用户点击武汉市最新气温发布，历史行为特征C为用户打开新车推荐广告，此时，历史行为特征A、B和C相对与当前行为特征的相似度分别为9、5、0。所述特征权重因子可以是所述历史行为特征对所述当前行为特征的影响所占的权重比例，可以根据以往的用户在客户端的操作时特征和特征之间的关联性进行确定，例如，以往用户在历史行为特征中存在了历史行为特征A时，必定后续会出现当前行为特征B，或大多数用户在存在历史行为特征C时，大概率会出现当前行为特征B，此时，历史行为特征A和历史行为特征C相对于当前行为特征B的权重因子分别为0.8和0.4，权重因子越大越能说明特征之间的关联性越强，在明确用户意图时能起到更好的作用效果，所述特征权重因子也可以是根据特征之间相似区域的分类获得，例如，历史行为特征与当前行为特征之间的关键字相似时，该历史行为特征相对于当前行为特征的权重因子越大，而历史行为特征与当前行为特征的相似地方为浏览时间或在客户端的页面位置距离相距较小等，该历史行为特征相对与当前行为特征的权重因子较小，所述特征权重因子的定义以及计算方式也可以是其他方式，本实施例在此不加以限制。

步骤S202：根据所述特征相似度确定所述历史行为特征的特征相似度平均值。

需要说明的是，根据所述特征相似度确定所述历史行为特征的特征相似度平均值可以是获取所述特征相似度中的满足一定条件的特征相似度计算所述特征相似度平均值，所述一定条件可以是认为设定的条件，用来使得计算的结果更能反映历史行为特征与当前行为特征的相似度，使获得的相似度平均值更准确，例如，所述一定条件可以是获取所述特征相似度值大于4的特征相似度，计算该特征相似度值的平均值，作为所述特征相似度平均值。

步骤S203：根据所述特征权重因子、所述特征相似度和所述相似度平均值通过以下公式计算所述相似性评价值：

其中，H为相似性评价值，k

在具体实施中，例如，历史行为特征与所述当前行为特征之间的特征相似度为1、3、8，特征权重因子分别为0.8、0.4、0.1，根据特征相似度确定所述历史行为特征的特征相似度平均值为4，再根据上述公式计算出相似性评价值为0.8*(1-4)

本实施例获取所述历史行为特征与所述当前行为特征之间的特征相似度和特征权重因子；根据所述特征相似度确定所述历史行为特征的特征相似度平均值；根据所述特征权重因子、所述特征相似度和所述相似度平均值通过预设公式计算所述相似性评价值，本实施例通过所述特征权重因子、所述特征相似度和所述相似度平均值共同确定所述相似性评价值，让所述相似性评价值的获取全面的参照了其他因素的影响，使得获得的所述相似性评价值更加准确，更能反映历史行为特征与当前行为特征的相似性，以及更好的用于后续的确定匹配模式等步骤。

参考图4，图4为本发明用户行为监测报告生成方法第三实施例的流程示意图。

基于上述各实施例，在本实施例中，所述步骤S40，包括：

步骤S401：在当前匹配模式为精确匹配模式时，从所述当前行为特征中获取预设数量的第一行为特征。

需要说明的是，所述预设数量可以是人为设定的用来与历史行为特征进行匹配的当前行为特征的数量，所述第一行为特征可以是按照预设数量从当前行为特征中选取的行为特征。

应理解的是，所述当前行为特征在具体的场景中可能为一个或若干个，在进行匹配时，为了减少匹配量和提高匹配的准确度，可以采取从当前行为特征中获取预设数量的第一行为特征的方式进行后续的匹配，在进行当前行为特征的选取时，可以根据当前行为特征中的关联性，选取当前行为特征中关联性最强的预设数量的行为特征，也可以是采用随机选取的方式，或者是根据用户在该行为特征上浏览的时间长短进行确定，例如，获取用户付出的时长最长的若干个当前行为特征，作为所述第一行为特征，当当前的行为特征的数量小于所述预设数量时，可以将所述当前行为特征全部作为所述第一行为特征。

步骤S402：获取所述第一行为特征对应的行为执行时间。

需要说明的是，所述执行时间可以是所述用户在触发所述第一行为特征时的时间或时间戳，可以将所述第一行为特征的执行时间对应的时间戳中最小的时间戳作为所述行为执行时间，也可以是统计所有第一行为特征分别对应的时间，本实施例在此不加以限制。

步骤S403：根据所述行为执行时间从所述历史行为特征中获取第二行为特征。

需要说明的是，所述第二行为特征可以是从所述历史行为特征中选取的行为特征，所述根据所述行为执行时间从所述历史行为特征中获取第二行为特征可以是从所述历史行为特征中获取与所述行为执行时间最接近的或在日期不同但是处于同一天的同一时间的历史行为特征，例如，行为执行时间为12月3日12:30，历史行为特征的执行时间有12月3日12:25、12月3日12:22、12月1日12:30、12月2日12:25、12月1日09:30、12月2日09:20，根据上述历史行为特征执行时间与行为执行时间，将上述时间12月3日12:25、12月3日12:22、12月1日12:30、12月2日12:25对应的历史行为特征作为上述第二行为特征。

步骤S404：根据所述精确匹配模式将所述第一行为特征与所述第二行为特征进行匹配，获得匹配结果。

需要说明的是，所述精确匹配模式就是将所述第一行为特征与所述第二行为特征严格按照时间顺序进行匹配的模式，例如，第一行为特征A对应的行为执行时间为12月3日12:30，第二行为特征B对应执行时间为12月3日12:25、第二行为特征C对应执行时间为12月3日12:22、第二行为特征D对应执行时间为12月1日12:30、第二行为特征E对应执行时间为12月2日12:25，将所述第一行为特征与所述第二行为特征严格进行匹配的话，得到的匹配结果有BA、CBA、DA、EA，因为CB特征与DE特征不属于同一天的行为特征，顾在精确匹配模式下不能进行匹配，且B特征的执行时间处于C特征与A特征的执行时间之间，顾不能忽视B特征，而直接将CA特征进行匹配。

进一步的，在获得匹配结果之后，所述方法还包括：根据所述匹配结果在预设行为规则表中查找是否存在对应的预设敏感事件，在存在对应的预设敏感事件时，判定所述用户触发预设敏感事件。

需要说明的是，所述预设行为规则表可以是自定义的匹配结果与对应的预设敏感事件的映射表，所述预设行为规则表中存储有匹配结果和对应的预设敏感事件，例如，用户的匹配结果为特征BA，在所述预设行为规则表中，特征BA对应的预设敏感事件为可能对网站具有攻击性，或者是用户的匹配结果为特征DE，在所述预设行为规则表中，特征DE对应的预设敏感事件为用户对该网站模块感兴趣，在根据所述匹配结果在预设行为规则表中查找是否存在对应的预设敏感事件时，在存在对应的敏感事件时，判定所述用户触发预设敏感事件。

进一步的，为了完善所述预设行为规则表，以及使后续可以继续增加对用户在触发敏感事件时的监测以生成用户行为检测报告，在不存在对应的预设敏感事件时，将所述匹配结果发送至目标终端，以使所述目标终端判断所述匹配结果是否触发敏感事件并反馈判断结果，在所述判断结果为触发敏感事件时，根据所述判断结果获取所述匹配结果对应的目标敏感事件，将所述匹配结果和所述目标敏感事件存储至所述预设行为规则表中，以更新所述预设行为规则表。

需要说明的是，所述目标终端可以是管理员终端，以使所述目标终端判断所述匹配结果是否触发敏感事件并反馈判断结果可以是使管理员判断所述匹配结果是否触发敏感事件并反馈判断结果，以及管理员可以根据需要增加所述预设行为规则表中的匹配事件以及对应的敏感事件。

进一步的，因为精确匹配模式下的限制过多，有些情况下，可能导致忽视了用户触发预设敏感事件或造成用户的有意避免触发，所述将所述相似性评价值与预设评价阈值进行比较的步骤之后，还包括：在所述相似性评价值小于或等于所述预设评价阈值时，获取所述预设行为规则表中的目标匹配结果，判断所述当前行为特征和所述历史行为特征中是否存在满足所述目标匹配结果的特征组合，在所述当前行为特征和所述历史行为特征中存在满足所述目标匹配结果的特征组合时，将所述特征组合作为模糊匹配的匹配结果。

需要说明的是，所述目标匹配结果可以是所述预设行为规则表中的匹配结果，即预先设定的特征的组合模式，对应着其会触发的预设敏感事件，用来与所述历史行为特征与当前行为特征匹配后的匹配结果进行匹配。

应理解的是，在以模糊匹配模式进行匹配时，因为特征的数量可能过多，会导致特征与特征的组合相应变多，此时，通过先获取所述预设行为规则表中的目标匹配结果在所述历史行为特征和所述当前行为特征中查找是否有匹配的特征组合模式，在查找到匹配的特征组合模式，即判定触发预设敏感事件，停止运算，减少系统工作量，例如，预设行为规则表中的目标匹配结果有AD和BC，历史行为特征和当前行为特征有A、E、F、B和D，根据目标匹配结果AD在所述A、E、F、B和D中查找是否有满足BC的组合模式，若没有，则查找是否有满足AD的组合模式，查找到存在AD的组合模式，即触发预设敏感事件，利用此种匹配方式，可以减少根据匹配结果在预设行为规则表中进行匹配的时间和计算量，在某些情况，也可以存在其他的匹配模式和查找方式，本实施例在此不加以限制。

本实施例在匹配模式为精确匹配模式时，从所述当前行为特征中获取预设数量的第一行为特征；获取所述第一行为特征对应的行为执行时间；根据所述行为执行时间从所述历史行为特征中获取第二行为特征；根据所述精确匹配模式将所述第一行为特征与所述第二行为特征进行匹配，获得匹配结果。在模糊匹配模式时，判断所述当前行为特征和所述历史行为特征中是否存在满足所述目标匹配结果的特征组合；在所述当前行为特征和所述历史行为特征中存在满足所述目标匹配结果的特征组合时，将所述特征组合作为模糊匹配的匹配结果。并且在不存在对应的预设敏感事件时，将所述匹配结果发送至目标终端，以使所述目标终端判断所述匹配结果是否触发敏感事件并反馈判断结果；在所述判断结果为触发敏感事件时，根据所述判断结果获取所述匹配结果对应的目标敏感事件将所述匹配结果和所述目标敏感事件存储至所述预设行为规则表中，以更新所述预设行为规则表。本实施例通过上述方式，通过精确匹配达到了准确反映用户意图的目的，同时避免了用户可能出现的刻意避免和产生漏洞的问题，并且和目标终端配合，可以更新预设行为规则表，增加敏感事件，进而获得更多场景下的用户行为检测报告。

参照图5，图5为本发明用户行为监测报告生成装置第一实施例的结构框图。

如图5所示，本发明实施例提出的用户行为监测报告生成装置包括：

特征获取模块10，用于获取用户在浏览客户端页面时的当前行为特征；

相似性评价值模块20，用于获取所述用户的历史行为特征，获取所述历史行为特征与所述当前行为特征之间的相似性评价值；

匹配模式确定模块30，用于根据所述相似性评价值确定敏感事件匹配模式；

匹配模块40，用于根据所述敏感事件匹配模式对所述当前行为特征和所述历史行为特征进行匹配，获得匹配结果；

监测模块50，用于根据所述匹配结果判定出所述用户触发预设敏感事件时，对所述用户的操作行为信息进行监测，并根据所述操作行为信息生成用户行为监测报告。

本实施例通过获取用户在浏览客户端页面时的当前行为特征；获取用户的历史行为特征，获取历史行为特征与当前行为特征之间的相似性评价值；根据相似性评价值确定敏感事件匹配模式；根据敏感事件匹配模式对当前行为特征和历史行为特征进行匹配，获得匹配结果；根据匹配结果判定出用户触发预设敏感事件时，对用户的操作行为信息进行监测，并根据操作行为信息生成用户行为监测报告。相对于现有的直接监测用户的行为获得用户行为监测报告的方式，本实施例上述方式能够使生成的用户行为监测报告时数据量少、真实性更高且更加精准表明用户意图。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的参数运行方法，此处不再赘述。

基于本发明上述用户行为监测报告生成装置第一实施例，提出本发明用户行为监测报告生成装置的第二实施例。

在本实施例中，所述相似性评价值模块，还用于获取所述历史行为特征与所述当前行为特征之间的特征相似度和特征权重因子；根据所述特征相似度确定所述历史行为特征的特征相似度平均值；根据所述特征权重因子、所述特征相似度和所述相似度平均值通过以下公式计算所述相似性评价值：

其中，H为相似性评价值，k

进一步的，所述匹配模式确定模块，还用于将所述相似性评价值与预设评价阈值进行比较；在所述相似性评价值大于所述预设评价阈值时，判定当前的敏感事件匹配模式为精确匹配模式；相应的，所述根据所述敏感事件匹配模式对所述当前行为特征和所述历史行为特征进行匹配，获得匹配结果的步骤，包括：根据所述精确匹配模式对所述当前行为特征和所述历史行为特征进行匹配，获得匹配结果。

进一步的，所述匹配模块，还用于从所述当前行为特征中获取预设数量的第一行为特征；获取所述第一行为特征对应的行为执行时间；根据所述行为执行时间从所述历史行为特征中获取第二行为特征；根据所述精确匹配模式将所述第一行为特征与所述第二行为特征进行匹配，获得匹配结果。

进一步的，所述匹配模块，还用于根据所述匹配结果在预设行为规则表中查找是否存在对应的预设敏感事件；在存在对应的预设敏感事件时，判定所述用户触发预设敏感事件。

进一步的，所述匹配模块，还用于在不存在对应的预设敏感事件时，将所述匹配结果发送至目标终端，以使所述目标终端判断所述匹配结果是否触发敏感事件并反馈判断结果；在所述判断结果为触发敏感事件时，根据所述判断结果获取所述匹配结果对应的目标敏感事件将所述匹配结果和所述目标敏感事件存储至所述预设行为规则表中，以更新所述预设行为规则表。

进一步的，所述匹配模块，还用于在所述相似性评价值小于或等于所述预设评价阈值时，获取所述预设行为规则表中的目标匹配结果；判断所述当前行为特征和所述历史行为特征中是否存在满足所述目标匹配结果的特征组合；在所述当前行为特征和所述历史行为特征中存在满足所述目标匹配结果的特征组合时，将所述特征组合作为模糊匹配的匹配结果。

本发明用户行为监测报告生成装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有用户行为监测报告生成程序，所述用户行为监测报告生成程序被处理器执行时实现如上文所述的用户行为监测报告生成方法的步骤。

此外，本发明实施例还提出一种用户行为监测报告生成设备，所述用户行为监测报告生成设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的用户行为监测报告生成程序，所述用户行为监测报告生成程序被所述处理器执行时实现上文所述的用户行为监测报告生成方法的步骤。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。