基于深度神经网络的用户行为路径量化记录方法及装置

AITNT
正文
推荐专利
基于深度神经网络的用户行为路径量化记录方法及装置
申请号:CN202511006432
申请日期:2025-07-22
公开号:CN120910506A
公开日期:2025-11-07
类型:发明专利
摘要
本发明涉及一种基于深度神经网络的用户行为路径量化记录方法及装置,属于计算机数据处理技术领域,获取用户在图形用户界面上的连续操作序列数据,所述连续操作序列数据包含操作位置坐标、时间点、以及操作所针对的界面元素标识;将所述连续操作序列数据输入到预先训练的用户行为路径编码神经网络;将生成的用户行为路径量化表示向量与对应的用户标识关联存储;进而以实现高效、精准地量化记录用户行为路径的技术效果。
技术关键词
深度神经网络 图形用户界面 记录方法 序列 注意力 物理存储位置 时序 标识 模块 无监督特征 记录装置 索引 记录单元 加密数据 快照 分区 核心
系统为您推荐了相关专利信息
1
一种基于深度学习的远程电机实时监测与预警系统
预警系统 故障检测模块 无线传输模块 单片机 多尺度特征提取
2
一种基于文本语义引导和自适应特征聚合的图文检索方法
图文检索方法 文本 图像块特征 细粒度特征 排序损失
3
一种基于Transformer代价体聚合的多视角深度图生成系统
生成系统 局部注意力机制 视角 特征提取模块 相机
4
基于证据决策融合的自闭症谱系障碍分类方法及系统
自闭症谱系障碍 分类方法 决策 多模态 子模块
5
一种车辆零部件生产全周期覆盖的表面缺陷智能分析方法及系统
车辆零部件 缺陷智能 异常状态 分析方法 周期
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号