确定状态数据的方法和装置

技术领域

本发明涉及计算机技术领域，尤其涉及一种确定状态数据的方法和装置。

背景技术

实际工作中有必要根据用户的当前状态去了解其在未来某一时刻的状态以便执行相应决策，现有技术无法达到这一要求。

发明内容

有鉴于此，本发明实施例提供一种确定状态数据的方法和装置，能够根据用户当前状态和预先确定的状态转移概率矩阵确定用户在未来时刻的状态。

为实现上述目的，根据本发明的一个方面，提供了一种确定状态数据的方法。

本发明实施例的确定状态数据的方法包括：依据用户在当前统计周期的行为数据确定该用户在当前统计周期的状态数据；利用该用户在当前统计周期的状态数据、预定的未来时刻距当前统计周期的时长数据以及预先获取的该用户的状态转移概率矩阵确定该用户在所述未来时刻的状态数据的概率分布信息；其中，所述状态转移概率矩阵中包括：该用户在多个历史统计周期中相邻历史统计周期的每一状态转移方式的转移概率信息。

可选地，所述方法进一步包括：依据该用户在所述多个历史统计周期的行为数据确定该用户在所述多个历史统计周期的状态数据，获取发生在相邻历史统计周期的每一状态转移方式的出现次数；将任一状态转移方式的出现次数与该状态转移方式相关的所有状态转移方式的出现总次数的商确定为所述任一状态转移方式的转移概率信息；其中，与所述任一状态转移方式相关的状态转移方式与所述任一状态转移方式开始于该用户的同一状态数据。

可选地，每一历史统计周期与当前统计周期具有相等时长；以及，利用该用户在当前统计周期的状态数据、预定的未来时刻距当前统计周期的时长数据以及预先获取的该用户的状态转移概率矩阵确定该用户在所述未来时刻的状态数据的概率分布信息，包括：将该用户在当前统计周期的状态数据转换为当前状态向量；利用所述未来时刻距当前统计周期的时长数据确定所述未来时刻与当前统计周期之间分布的统计周期数量；将当前状态向量乘以至少一个该用户的状态转移概率矩阵，得到该用户在所述未来时刻的状态向量；其中，该状态向量中的每一分量表征该用户在所述未来时刻对应于一种状态数据的发生概率，与当前状态向量相乘的状态转移概率矩阵的数量与所述统计周期数量相等。

可选地，所述方法用于判断是否向该用户展示信息对象；以及，所述方法进一步包括：判断预先确定的该用户的历史标签数据是否与待展示信息对象匹配；若是，则依据该用户在所述多个历史统计周期的行为数据确定该用户在所述多个历史统计周期的状态数据。

可选地，该用户的状态数据包括期望状态和/或至少一种非期望状态；该用户的行为数据为与待展示信息对象相关的多维度数据，每一维度预先配置有权重值。

可选地，依据用户在当前统计周期的行为数据确定该用户在当前统计周期的状态数据，包括：确定该用户在当前统计周期的每一维度行为数据的加权计算结果；在该加权计算结果满足预设条件时，将该用户在当前统计周期的状态数据确定为期望状态；在该加权计算结果不满足所述条件时，将该用户在当前统计周期的状态数据确定为一种非期望状态。

可选地，所述方法进一步包括：判断该用户在所述未来时刻对应于期望状态的发生概率是否大于预设阈值：若是，向该用户展示待展示信息对象。

为实现上述目的，根据本发明的另一方面，提供了一种确定状态数据的装置。

本发明实施例的确定状态数据的装置可包括：当前状态判断单元，用于依据用户在当前统计周期的行为数据确定该用户在当前统计周期的状态数据；未来状态判断单元，用于利用该用户在当前统计周期的状态数据、预定的未来时刻距当前统计周期的时长数据以及预先获取的该用户的状态转移概率矩阵确定该用户在所述未来时刻的状态数据的概率分布信息；其中，所述状态转移概率矩阵中包括：该用户在多个历史统计周期中相邻历史统计周期的每一状态转移方式的转移概率信息。

为实现上述目的，根据本发明的又一方面，提供了一种电子设备。

本发明的一种电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明所提供的确定状态数据的方法。

为实现上述目的，根据本发明的再一方面，提供了一种计算机可读存储介质。

本发明的一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明所提供的确定状态数据的方法。

根据本发明的技术方案，上述发明中的一个实施例具有如下优点或有益效果：依据用户在历史统计周期的行为数据确定其历史状态，统计历史状态的转移方式即可得到用户状态转移过程(该过程为马尔可夫过程)的状态转移概率矩阵，将用户当前状态与状态转移概率矩阵进行结合运算即可了解到用户在未来时刻的状态，由此便于执行相应决策。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是本发明实施例中确定状态数据的方法的主要步骤示意图；

图2是本发明实施例的用户状态转移示意图；

图3是本发明实施例的用户状态转移关系示意图；

图4是本发明实施例中确定状态数据的方法的具体执行步骤示意图；

图5是本发明实施例中确定状态数据的装置的组成部分示意图；

图6是根据本发明实施例可以应用于其中的示例性系统架构图；

图7是用来实现本发明实施例中确定状态数据的方法的电子设备结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在一些工作场景中需要根据用户的当前状态判断其在未来时刻所处的状态，现有技术难以达到这一要求，本发明可以通过基于马尔可夫过程的状态判断方法实现这一目的。马尔可夫过程是一类随机过程，该过程中任一时刻的状态仅由之前的一个或多个状态决定，与更早之前的状态无关，时间与状态均取离散值的马尔可夫过程为马尔科夫链。在马尔可夫链中，未来时刻的状态可通过当前状态和状态转移概率矩阵来计算。此外，在以下说明中，用户状态可以是执行相关事务时用户所体现的状态。例如，用户在购物时可以处在高活跃状态、平稳状态或低活跃状态(三者的活跃程度依次降低)，以下可将这三种状态称为不同的状态数据。可以理解，状态数据的数量与内容可根据实际需要设置，以上高活跃状态、平稳状态或低活跃状态仅为示例。需要指出的是，在不冲突的情况下，本发明的实施例以及实施例中的技术特征可以相互结合。

图1是根据本发明实施例中确定状态数据的方法的主要步骤示意图。

如图1所示，本发明实施例的确定状态数据的方法可具体按照如下步骤执行：

步骤S101：依据用户在当前统计周期的行为数据确定该用户在当前统计周期的状态数据。

在本发明实施例中，可以设置多个统计周期对用户行为数据进行周期性统计。当前统计周期即当前时刻所处的统计周期，早于当前统计周期的统计周期为历史统计周期。可以理解，当前统计周期和每一历史统计周期都可以是连续的时间段或不连续的时间段，也可以具有相同时长或不同时长。较佳地，当前统计周期和每一历史统计周期都是具有相同时长的连续时间段。例如，如果统计周期时长为一个月，当前时刻为某年一月某时刻，则上一年的每一个月均为一个历史统计周期。

用户行为数据可以是针对相关事务的多个维度的用户数据。例如，在相关事务为判断用户的购物活跃状态时，用户行为数据可以涉及以下维度：浏览相关物品的次数、是否关注相关物品、是否关注物品提供方等。通过任一统计周期的用户行为数据可以判断用户在该统计周期的状态数据。具体地，计算用户在任一统计周期的每一维度行为数据的加权计算结果例如加权和，在加权计算结果满足预设条件(例如大于预设门限值)时，将该用户在该统计周期的状态数据确定为期望状态；在该加权计算结果不满足预设条件(例如不大于门限值)时，将该用户在该统计周期的状态数据确定为一种非期望状态。其中，期望状态可以是前述高活跃状态，非期望状态可以是前述平稳状态或低活跃状态。需要说明的是，用户行为数据可根据具体场景确定，例如在判断是否向用户展示信息对象(例如在线广告)的场景中，用户行为数据可以是与信息对象承载的物品所在的类目相关的浏览、关注等数据，上述类目可以根据需要确定为各种粒度，例如信息对象承载的物品为某品牌女式服装时，可以将女式服装作为上述类目，也可以将粒度更粗的服装或者囊括所有物品的全类目作为上述类目。

在执行步骤S101之前，可以计算多个历史统计周期中用户状态转移形成的状态转移概率矩阵。可以理解，由于周期性事件的影响，用户状态往往呈现周期性变化，用户状态转移的过程可以认为是马尔可夫过程或者马尔科夫链。例如，用户的购物状态往往跟随每月的工资发放呈现以月为周期的转移，这种状态转移过程可以认为是马尔科夫链。图2是本发明实施例的用户状态转移示意图，如图2所示，每一方框代表用户在历史时期某一个月即某一个历史统计周期的状态数据，相邻的两个方框对应于相邻的两个历史统计周期，箭头指向为时间推进方向，D1表示高活跃状态，D2表示平稳状态，D3表示低活跃状态。从图2中可以看到，发生在任意两个相邻的历史统计周期的状态转移方式共有9种，分别是从D1到D1、从D1到D2、从D1到D3、从D2到D1、从D2到D2、从D2到D3、从D3到D1、从D3到D2、从D3到D3，这九种用户状态转移方式如图3所示。

对每一状态转移方式在历史统计周期出现的次数进行统计可以确定状态转移概率矩阵。其中，状态转移概率矩阵中的每一元素为每一状态转移方式的转移概率信息。对于任一状态转移方式来说，其转移概率信息为该状态转移方式的出现次数与该状态转移方式相关的所有状态转移方式的出现总次数的商。在本发明实施例中，与该状态转移方式相关的状态转移方式指的是与该状态转移方式开始于同一状态数据的状态转移方式。例如，对于从D1到D2的状态转移方式来说，其相关的状态转移方式为：从D1到D1的状态转移方式、从D1到D2的状态转移方式、从D1到D3的状态转移方式。换句话说，对于从第一状态数据到第二状态数据的状态转移方式(第一状态数据和第二状态数据均为任何一种状态数据)，首先可以确定从第一状态数据到第二状态数据的状态转移方式的出现次数以及从第一状态数据开始的所有状态转移方式的出现总次数，之后将前者除以后者即可得到从第一状态数据到第二状态数据的状态转移方式的转移概率信息。通过上述方式能够确定每一状态转移方式的转移概率信息，从而确定状态转移概率矩阵。

以图2为例，图2中存在14个历史统计周期，各状态转移方式的出现次数如下表所示：

利用上述计算方法，即可得到状态转移概率矩阵如下：

其中，第一行到第三行分别对应D1、D2、D3，第一列到第三列分别对应D1、D2、D3，每一元素表示从所在行到所在列的状态转移方式的转移概率。

步骤S102：利用该用户在当前统计周期的状态数据、预定的未来时刻距当前统计周期的时长数据以及预先获取的该用户的状态转移概率矩阵确定该用户在未来时刻的状态数据的概率分布信息。

为了计算未来时刻的用户状态数据的概率分布信息，本步骤中首先将用户在当前统计周期的状态数据转换为当前状态向量，一般地，当前状态向量为能够与状态转移概率矩阵相乘的行向量。例如，如果用户在当前统计周期的状态数据为高活跃状态，则将其转换为当前状态向量(1，0，0)；如果用户在当前统计周期的状态数据为平稳状态，则将其转换为当前状态向量(0，1，0)；如果用户在当前统计周期的状态数据为低活跃状态，则将其转换为当前状态向量(0，0，1)。此外，需计算当前统计周期距未来时刻分布的统计周期的数量，即将当前统计周期距未来时刻的时长(具体计算中可以使用当前统计周期处于较晚时间的端点与未来时刻之间的时长)除以统计周期时长并对计算结果进行调整即可。还以图2所示场景为例，如果当前统计周期为二月，预计的未来时刻为同年四月的某一时刻，则当前统计周期距未来时刻的时长为一个月加若干天，此时计算的统计周期的数量为1与2之间的小数，将其上取整为2即为当前统计周期距未来时刻分布的统计周期的数量。

在得到用户当前状态向量和上述统计周期数量之后，可以将当前状态向量乘以至少一个状态转移概率矩阵，从而得到用户在未来时刻的状态向量。可以理解，未来时刻的状态向量中的每一分量表征用户在未来时刻对应于一种状态数据的发生概率，与当前状态向量相乘的状态转移概率矩阵的数量与上述统计周期数量相等，这样就得到了用户在未来时刻的状态数据的概率分布信息。例如，在上例中，如果用户的当前状态向量为(1，0，0)，则其在未来时刻的状态向量通过以下公式计算：

其中，(1/3,1/2,1/6)为用户在3月的状态向量。(15/36,25/72,17/72)为用户在4月的状态向量，也即未来时刻的状态向量，15/36为对应于高活跃状态的发生概率，25/72为对应于平稳状态的发生概率，17/72为对应于低活跃状态的发生概率。此后可根据以上计算结果进行后续决策。

图4是本发明实施例中确定状态数据的方法的具体执行步骤示意图，图4所示步骤为将以上确定状态数据的方法应用在信息对象展示场景的执行步骤。其中，信息对象指的是作为信息载体的特定形式的数据对象或虚拟信息，例如在线广告(在线广告指的是以互联网上的网页等作为载体的广告)。可以理解，以上场景仅为本发明的确定状态数据的方法的适用场景之一。

在本发明实施例中，需要确定预定的未来时刻适于进行信息对象展示的用户，具体步骤为：首先，根据用户的历史标签数据与信息对象的匹配程度(即根据用户历史行为数据得到的画像数据)对候选用户进行选取，将匹配程度较低的用户去除，对匹配程度较高的用户执行下一步骤。例如，如果信息对象为洗衣液，则具有家庭主妇、中年等标签的用户与信息对象的匹配程度较高，可针对这些用户执行下一步骤。接着，使用前述方法确定每一用户的状态转移概率矩阵和当前状态矩阵，并利用状态转移概率矩阵和当前状态矩阵进行计算确定用户在未来时刻的状态数据概率分布。最后，使用状态数据概率分布来选取目标用户进行信息对象展示，例如，将高活跃状态的发生概率大于预设阈值的用户确定为目标用户。通过以上设置，能够基于用户的状态转移规律进行数据分析或实现更为精准的信息对象投放。

在本发明实施例的技术方案中，依据用户在历史统计周期的行为数据确定其历史状态，统计历史状态的转移方式即可得到用户状态转移过程的状态转移概率矩阵，将用户当前状态与状态转移概率矩阵进行结合运算即可了解到用户在未来时刻的状态，由此便于执行相应决策。

需要说明的是，对于前述的各方法实施例，为了便于描述，将其表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，某些步骤事实上可以采用其它顺序进行或者同时进行。此外，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是实现本发明所必须的。

为便于更好的实施本发明实施例的上述方案，下面还提供用于实施上述方案的相关装置。

请参阅图5所示，本发明实施例提供的确定状态数据的装置500可以包括：当前状态判断单元501和未来状态判断单元502。

其中，当前状态判断单元501可用于依据用户在当前统计周期的行为数据确定该用户在当前统计周期的状态数据；未来状态判断单元502可用于利用该用户在当前统计周期的状态数据、预定的未来时刻距当前统计周期的时长数据以及预先获取的该用户的状态转移概率矩阵确定该用户在所述未来时刻的状态数据的概率分布信息；其中，所述状态转移概率矩阵中包括：该用户在多个历史统计周期中相邻历史统计周期的每一状态转移方式的转移概率信息。

在本发明实施例中，所述装置500可进一步包括历史状态判断单元，其用于：依据该用户在所述多个历史统计周期的行为数据确定该用户在所述多个历史统计周期的状态数据，获取发生在相邻历史统计周期的每一状态转移方式的出现次数；将任一状态转移方式的出现次数与该状态转移方式相关的所有状态转移方式的出现总次数的商确定为所述任一状态转移方式的转移概率信息；其中，与所述任一状态转移方式相关的状态转移方式与所述任一状态转移方式开始于该用户的同一状态数据。

具体应用中，每一历史统计周期与当前统计周期具有相等时长；未来状态判断单元502可进一步用于：将该用户在当前统计周期的状态数据转换为当前状态向量；利用所述未来时刻距当前统计周期的时长数据确定所述未来时刻与当前统计周期之间分布的统计周期数量；将当前状态向量乘以至少一个该用户的状态转移概率矩阵，得到该用户在所述未来时刻的状态向量；其中，该状态向量中的每一分量表征该用户在所述未来时刻对应于一种状态数据的发生概率，与当前状态向量相乘的状态转移概率矩阵的数量与所述统计周期数量相等。

在一些实施例中，所述装置500可用于判断是否向该用户展示信息对象；所述装置500可进一步包括预处理单元，其用于：判断预先确定的该用户的历史标签数据是否与待展示信息对象匹配；若是，则依据该用户在所述多个历史统计周期的行为数据确定该用户在所述多个历史统计周期的状态数据。

在一可选实现方式中，该用户的状态数据包括期望状态和/或至少一种非期望状态；该用户的行为数据为与待展示信息对象相关的多维度数据，每一维度预先配置有权重值。

实际应用场景中，当前状态判断单元501可进一步用于：确定该用户在当前统计周期的每一维度行为数据的加权计算结果；在该加权计算结果满足预设条件时，将该用户在当前统计周期的状态数据确定为期望状态；在该加权计算结果不满足所述条件时，将该用户在当前统计周期的状态数据确定为一种非期望状态。

此外，在本发明实施例中，所述装置500可进一步包括信息对象展示单元，其用于：判断该用户在所述未来时刻对应于期望状态的发生概率是否大于预设阈值：若是，向该用户展示待展示信息对象。

在本发明实施例的技术方案中，依据用户在历史统计周期的行为数据确定其历史状态，统计历史状态的转移方式即可得到用户状态转移过程的状态转移概率矩阵，将用户当前状态与状态转移概率矩阵进行结合运算即可了解到用户在未来时刻的状态，由此便于执行相应决策。

图6示出了可以应用本发明实施例的确定状态数据的方法或确定状态数据的装置的示例性系统架构600。

如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605(此架构仅仅是示例，具体架构中包含的组件可以根据申请具体情况调整)。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种客户端应用，例如用户状态判断应用(仅为示例)。

终端设备601、602、603可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603所操作的用户状态判断应用提供支持的运算服务器(仅为示例)。运算服务器可以对接收到的用户状态判断请求进行处理，并将处理结果(例如计算得到的用户状态--仅为示例)反馈给终端设备601、602、603。

需要说明的是，本发明实施例所提供的确定状态数据的方法一般由服务器605执行，相应地，确定状态数据的装置一般设置于服务器605中。

应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

本发明还提供了一种电子设备。本发明实施例的电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明所提供的确定状态数据的方法。

下面参考图7，其示出了适于用来实现本发明实施例的电子设备的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM703中，还存储有计算机系统700操作所需的各种程序和数据。CPU701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本发明公开的实施例，上文的主要步骤图描述的过程可以被实现为计算机软件程序。例如，本发明实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行主要步骤图所示的方法的程序代码。在上述实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元701执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。在本发明中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这根据所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括当前状态判断单元和未来状态判断单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，当前状态判断单元还可以被描述为“向未来状态判断单元提供用户在当前统计周期的状态数据的单元”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中的。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该设备执行时，使得该设备执行的步骤包括：依据用户在当前统计周期的行为数据确定该用户在当前统计周期的状态数据；利用该用户在当前统计周期的状态数据、预定的未来时刻距当前统计周期的时长数据以及预先获取的该用户的状态转移概率矩阵确定该用户在所述未来时刻的状态数据的概率分布信息；其中，所述状态转移概率矩阵中包括：该用户在多个历史统计周期中相邻历史统计周期的每一状态转移方式的转移概率信息。

在本发明实施例的技术方案中，依据用户在历史统计周期的行为数据确定其历史状态，统计历史状态的转移方式即可得到用户状态转移过程的状态转移概率矩阵，将用户当前状态与状态转移概率矩阵进行结合运算即可了解到用户在未来时刻的状态，由此便于执行相应决策。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。