- 综合排序
- 最热优先
- 最新优先
- 来自专栏采云轩
如何实现用户行为的动态采集与分析
从去年开始负责用户行为采集与分析体系的建设。很高兴有机会能在这里给大家分享我们从 0-1 建设用户采集与分析系统的经验。 建设价值 首先来说一下，为什么我们要做这样一个用户行为分析的系统？ ? 左边这一个模块，是面向用户进行行为采集的，右边模块是面向内部用户；提供给用户非常丰富的数据可视化展示。 事件分析是用户行为分析的基础也是最常用的功能，次数、分布、间隔，通过事件分析可以创建各种分析报表。页面基于各个页面的行为数据，针对性的优化着陆页的页面布局，增加着陆页的访问吸引力。 热力图分析，通过将用户行为进行可视化展示，帮助我们深入分析用户对内容及功能的注意力 转化分析是用户行为分析中最重要的分析模型，通过转化分析可以找出用户行为的转化路径和漏斗，提升平台的整体转化率。 从触达用户到用户完成转化的整个过程中都存在转化率 用户分析能够很好的帮助我们确定产品的目标用户群，用户的行为习惯，掌握用户的活跃和留存特征，通过用户分群可以实现精细化的用户运营 ?
1.8K10发布于 2020-05-21 - 来自专栏爬虫资料
如何通过 PhantomJS 模拟用户行为抓取动态网页内容
为了应对这一挑战，PhantomJS 作为一个无头浏览器，能够模拟用户行为并执行 JavaScript，成为了获取动态网页内容的有效工具。 本文将详细介绍如何通过 PhantomJS 模拟用户行为，结合爬虫代理 IP 技术，抓取大众点评上的商家信息，包括店名、地址和评分等关键数据。 它可以模拟用户访问页面的行为，如点击按钮、输入表单，甚至处理复杂的 JavaScript 动态内容加载。2. 实例下面的代码展示了如何使用 PhantomJS 结合爬虫代理IP技术抓取动态网页内容，并模拟用户行为。 结论使用 PhantomJS 模拟用户行为抓取动态网页内容是一种有效的爬虫技术，特别是在处理 JavaScript 动态加载页面时。
75210编辑于 2024-09-13 - 来自专栏我和未来有约会
转向行为 - 寻找行为
寻找行为只是把机车移动到指定点。 现在给出寻找行为的一个例子： <UserControl xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation" xmlns:x 仅仅是让场景上一个有转向行为的机车在每帧去寻找鼠标。试着改变机车的最大速率和最大力度，或者改变其质量(mass)来感受一 下这些因素对转向行为的影响。 myStar.seek(new Vector2D(mouseX, mouseY)); myStar.update(); 到此，应该已经见识了转向机车如何寻找鼠标或者另一辆机车，当对这些工作有了很好的理解后，我们进入下一个行为
1.5K70发布于 2018-01-16 - 来自专栏爬虫资料
静态规则解析与动态行为分析结合的混合抽取框架
于是问题来了：以前那些一眼就能看到的数据，现在被藏在脚本、接口和用户行为后面。静态规则变得越来越无力。 某些字段看似明明白白，其实是由JavaScript动态拼出来的，比如价格被加密成一串看不懂的数字。第三层：传输隐蔽。 动态层：用 Playwright 模拟浏览器行为，还原网页运行时的状态。两者协同工作，就像两个调查员——一个分析现场痕迹，另一个重演案发过程。 三、代码实战：静态+动态的混合采集下面是一段可以运行的混合抽取示例代码，用来采集新闻网站的标题、作者和发布时间。 如果用一张图去概括，大致可以这么理解：静态规则层 —— 专注结构化HTML ↓ 动态行为层 —— 处理JS渲染和异步请求 ↓ 数据融合层 —— 统一整理与输出未来，这套体系还会继续演进：行为层会加入滚动
19610编辑于 2025-11-05 - 来自专栏vivo互联网技术
vivo悟空活动中台-基于行为预设的动态布局方案
本文以“满屏”场景下的页面布局思考为切入点，以微组件为元素单元，提供了一种新的布局方案设计思路——基于行为预设的动态布局方案，并详细的分享了设计目的及具体实现方案，对技术基础要求不高，是一篇男女老少皆宜的 下图反映了固定定位在可视区域变小的情景下，元素对“剩余”空间的挤占： 2.4.2、预设方案进行灵活适配 为了进一步提升满屏场景布局的效果，悟空中台团队基于 DPR & rem 布局方案，借鉴了元素相对窗口固定定位的思想，提出并实现了基于行为预设的动态布局方案 offsetVertical}rem) translateY(${offsetHorizontal}rem) scale(${style.scale}); ` 五、预设方案在生产中的应用 1、集成形式 目前基于行为预设的动态布局方案已经作为 用户可以通过简单的两步操作，便可调选中元素的吸附和缩放特性进行预设： 2、产出实例 悟空平台已经产出许多应用了的线上专题，比如经典的vivo 浏览器年终策划 | 2018 大事鉴： 六、写在最后 基于行为预设的动态布局方案 一定程度上实现了根据视口尺寸对元素定位和大小的动态设置，达到了“恰到好处的突出重点”的效果。
2.8K10发布于 2020-06-08 - 来自专栏技术汇总专栏
面向动态用户行为的 Agent 化推荐系统建模方法
面向动态用户行为的Agent化推荐系统建模方法引言传统推荐系统大多采用集中式流水线架构：数据收集→特征工程→模型推理→结果输出。 这种方式在静态场景下表现良好，但在以下场景中逐渐暴露瓶颈：用户兴趣高度动态变化推荐目标多样（点击率、转化率、满意度）需要实时交互与策略调整推荐逻辑复杂、规则与模型并存为此，越来越多的系统开始引入Agent ItemUnderstandingAgent）策略决策Agent（DecisionAgent）排序执行Agent（RankingAgent）反馈学习Agent（FeedbackAgent）整体协作关系如下：展开代码语言：TXTAI代码解释用户行为 用户感知Agent↓策略决策Agent←内容理解Agent↓排序执行Agent↓推荐结果↓反馈学习Agent→反向优化各Agent二、用户感知Agent（UserProfilingAgent）职责收集用户行为 ,"ML"]}])decision_agent=DecisionAgent()ranking_agent=RankingAgent()feedback_agent=FeedbackAgent()#用户行为
25310编辑于 2026-01-11 - 来自专栏我和未来有约会
转向行为 - 追捕行为
对于追捕行为，它非常类似寻找行为。其实追捕的最后一个动作就是调用寻找。追捕的本质是预测目标所要到达的位置并事先赶到。 那么，该如何预测目标的位置呢？ 而实际上，寻找行为就是一个预测时间为零的追捕行为。 一个策略是基于两机车间的距离来判断预测时间。如果目标太远，需要花一段时间才能赶上，就预测长一点，如果很接近，马上就能达到，就预测短一点。 一个是只顾移动的机车，其作为目标，另外两个转向机车，一个用寻找行为，一个用追捕行为。如果一切正常，追捕者靠着优越的算法会胜出。 接下来的行为是：躲避。
1.6K100发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 躲避行为
躲避就是追捕的反行为。就像追捕类似于寻找，躲避类似于避开。 本质上讲，是预测出机车将要去到的位置并远离它。在这里所有的原则都和追捕相同。
1.4K80发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 到达行为
到达行为在很多场合都可以被当作是寻找行为。实际上，它们之间的算法和处理方式都一样。唯一不同的是，在到达模式中，一辆机车在到达目标的某一距离时，会变成一种精确模式慢慢地靠近目标点。 为了了解到达行为的必要性，可以先运行一下SeekTest类，然后移动鼠标到某处让机车过来“抓住”它。会看到机车快速的越过了鼠标，接着它发现过头了，又返回来，还是过头了....于是会一直循环下去。 到达行为通过减速接近目标，解决了这个问题： public void arrive(Vector2D target) { Vector2D desiredVelocity 最终速度会趋向于0（假设只有一个行为作用于该机车）。 如果愿意可以再试着玩玩增加多辆机车，或者现在就进入下一个行为：追捕。
1.5K60发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 避开行为
避开行为与寻找行为彻底相反。实际上，除了代码最后一行用相减代替了相加以外，其它都一样。 现在我们有了一对正反行为，接下来要做的是为这对行为创建一对机车来看看情况。 我们还可以把两个行为同时用于一辆机车上。下面的例子中，机车A同时寻找和避开机车B，机车B同时寻找和避开机车C，机车C同时的寻找和避开机车A。这三辆机车会因为追捕各自的目标而形成一个圆。 如果这些都没问题了，那就开始探索下一个行为：到达。
1.3K70发布于 2018-01-16 - 来自专栏我和未来有约会
转向行为 - 漫游行为
漫游行为就像它的名字一样，角色在场景中毫无目的的移动。这通常用来模拟巡视和觅食，也有纯粹是为了漫游而漫游的。 漫游行为在实现上不像听起来那么容易。
1.5K80发布于 2018-01-16 - 来自专栏全栈程序员必看
姿态估计与行为识别（行为检测、行为分类）的区别
姿态估计和行为识别作为计算机视觉的两个领域，对于新人来说，较为容易弄混姿态估计和行为识别两个概念。 视频中人体行为识别主要分为两个子方向。 参考文献 行为识别的综述博客： https://blog.csdn.net/neu_chenguangq/article/details/79504214 给出了行为识别的一些概述及资源合集（文章、代码 常用的行为检测的数据集： THUMOS2014：在行为检测任务中只有20类动作的未分割视频是有序行为片段标注的 MEXaction2：骑马和斗牛 ActivityNet：目前最大的数据集，同时包含分类和检测两个任务 (2)环境差异, 遮挡、多视角、光照、低分辨率、动态背景. (3)时间变化, 人在执行动作时的速度变化很大，很难确定动作的起始点，从而在对视频提取特征表示动作时影响最大。
3.5K20编辑于 2022-06-24 - 来自专栏公共互联网反网络钓鱼（APCN）
基于行为特征与动态沙箱的AsyncRAT变种检测及防御机制研究
在此基础上，本文提出了一种融合静态启发式分析、动态行为沙箱仿真及端点遥测数据关联的综合防御架构。 该架构重点监控PowerShell脚本解释器的异常调用链、.NET程序集的动态加载行为以及非标准端口的加密流量特征。 企业亟需从被动防御转向主动狩猎，深入理解AsyncRAT新变种的底层运行机制，挖掘其在行为层面的固有缺陷，并构建基于行为特征与动态分析的纵深防御体系。 4 基于多维行为特征的动态检测架构设计针对上述挑战，本文提出一种基于多维行为特征的动态检测架构。 通过深度融合静态启发式分析、基于ETW的动态行为监控、内存注入检测及网络流量语义分析，企业可以有效打破攻击者的隐身伪装，实现对AsyncRAT及其变种的早期发现与精准阻断。
22510编辑于 2026-02-25 - 来自专栏全栈程序员必看
行为树
行为树常被用来实现游戏中的AI。每次执行AI ，都会从根节点遍历整个树，父节点执行子节点，子节点执行完后将结果返回父节点。 关于更多关于行为树概念上的东西，大家很容易找到相关的资料，这里不再最赘述，主要是通过一个实际的例子来看行为树在AI上的应用。 下面是用行为树表达的方式： 上面的图让我们能很容易指导我们的代码编写，我们需要完成所有的叶子节点，然后将他们按照图示，放到相应的组合节点中去，然后不停的遍历整个行为树。 我使用AS3完成了下面的demo，去实现上图中的行为树AI（如无法观看请下载最新的FlashPlayer）。 行为树很适合做AI编辑器，我们定义好一些条件和动作，策划人员通过简单的拖拽和设置即可实现复杂的游戏AI。
1.5K10编辑于 2022-09-19 - 来自专栏体验主义
如何使用“行为模型”做用户行为养成
但如果探究背后的原因是有行为心理学依据的，这就是大家也许熟知的“福格行为模型”。最新的福格行为模型做了什么改动？如何利用行为模型帮用户养成（好的）习惯？ 新“福格行为模型” 旧版福格行为模型 （Fogg's Behavior Model）表述为B=MAT。 其中，让行为变得微小不是放弃行为，而是降低门槛，循序渐进。通过寻找行为的入门步骤或者缩小行为的规模，开始尝试建立信心，逐步达到理想的行为结果和习惯状态是福格行为模型所推崇的方式。 在已有的行为习惯中，寻找合适的“锚点”，与预期希望的行为建立连接，这样的行为习惯养成更加有效，而不是过分依赖人物和情境的外部提醒。 所以，当用户具备一定的动机和能力时，想让用户做出行为，从提示入手进行行为设计是最容易取得效果的。 使用福格行为模型做用户行为养成 首先我们要明确在我们各自的产品中，行动具体指什么。
2.3K10编辑于 2022-01-21 - 来自专栏明明如月的技术专栏
软考高级：UML 静态图（机构图）、动态图（行为图）概念和例题
UML中的图分为两大类：静态图和动态图。静态图表示系统的静态结构，动态图表示系统的行为和交互。以下是静态图和动态图的基本概念和类型。 动态图（行为图） 类型 描述 用例图 描述系统的功能以及外部用户（参与者）如何与这些功能交互。 活动图 描述系统中的业务流程或操作的工作流程。 静态图和动态图在软件开发过程中起着至关重要的作用，帮助开发者和利益相关者理解系统的结构和行为，从而促进更有效的设计和实现。 对象图 UML动态图中，哪个图用于描述对象之间的交互和消息的时间顺序？ A. 用例图 B. 活动图 C. 顺序图 D. 用例图不属于UML结构图，它是UML行为图的一种。 A. 活动图描述了系统中业务流程或操作工作流程。 A. 对象图展示了系统中对象之间的关系和它们的状态。 A.
1.3K00编辑于 2024-05-24 - 来自专栏思影科技
NATURE NEUROSCIENCE:大脑动态隐性状态是行为导向的工作记忆的基础
并且工作记忆的准确性（即行为学表现的准确率）和大脑隐性状态的可解析度有关。 实验一：30名被试执行视觉工作记忆任务，同时记录EEG数据。 图1： 实验一的任务结构，行为学表现和注意力相关的α波活动。a. 一个试次的图解。两个记忆项目被呈现（随机朝向的光栅刺激），被试被指导去记忆这两个朝向的刺激。 解析记忆光栅准确率高的试次伴随着行为学上更好的表现（如图3a所示）。 图4 ： 实验二的任务结构，行为学表现和注意力相关的α波活动。 在刺激呈现期间解码，如图5a：优先刺激具有更高的解码准确性和更长时间的可解性。 图6：在脉冲刺激1和2之后的时间段内的注意和非注意工作记忆项目，以及他们和行为学表现的关系。
1K60发布于 2018-04-08 - 来自专栏开源
用户行为分析入门：行为事件分析指标解读
我们需要借助更具洞察力的行为事件分析指标来追踪用户在产品内的关键行为，进而分析业务效果、用户转化等情况。什么是行为事件分析指标？ 定义：围绕用户的实际操作行为（点击、提交、跳出、转化等）进行分析特点：颗粒度细、紧贴业务流程、支持分层与转化分析行为事件分析是用户行为数据“从表象到动因”的跃迁。 基础指标 VS 行为事件指标，有什么区别？常见通用的行为事件分析指标进一步利用好分析指标当我们获得了行为分析的结果就可以：理解用户行为 → 优化产品和运营决策 → 提升业务指标。1. 追踪关键用户行为了解用户是否完成了关键操作，例如下单、注册、分享、提交表单等。精准定义「转化」行为，识别转化路径中的关键节点。2. 分析行为路径与流程瓶颈还原用户操作路径，识别在哪一步骤用户流失最多。 做用户分群与标签体系根据用户行为频次、功能使用、活跃度等划分用户（如高活跃、沉默用户）。为用户画像打下基础，支持千人千面、自动化营销等策略。6.
47510编辑于 2025-08-06 - 来自专栏石云升
带团队：只有人的行为才能影响行为
上级想要下级改变，只有通过自己的行为才能改变下属。我原来写过一篇文章，说管理者如何带团队。说白了就是以身作则。但这里在落地过程中会遇到一些问题。以下六项是需要注意的。 比如员工按你方法做事出错了，你带着情绪骂人家蠢，这种教不能影响人的行为，这是在发泄你的态度，不仅不能造成正向影响，反而会造成负面影响。 2、所以每个人的领悟能力是不一样的。 4、找到下属关键的行为进行指导，一次只改变一件行为。比如下属不会反馈，那么侧重反馈。如果是不会获取上级的需求，那么就教他如何通过追问理清标准和边界。 5、把你想要他做的方法，变成他自己想要做的。
69310编辑于 2022-08-25 - 来自专栏秋枫学习笔记
行为感知Transformer：用于多行为序列推荐的
为了捕获用户的个性化行为模式和行为间的复杂协作关系，作者提出PBAT方法： 通过个性化行为模式生成器来提取动态且具有区分度的行为模式，不同用户的行为模式是不同的 并在自注意力层引入行为感知的协作提取器， ： 动态表征编码，利用高斯分布来描述多行为序列中的实体和关系，得到更具区分性的表征 个性化模式学习，利用自适应高斯生成来精细化通用行为模式，更好地反映用户的个性化偏好。 通过整合统一的行为关系和个性化模式来提取行为协作影响因子； 使用行为感知注意力机制探索从物品、行为和位置的复杂序列协作。 2.1 个性化行为模式生成器 2.1.1 动态表征编码 受外部和内部因素的影响，用户行为模式在序列环境中表现出很大的动态性和不确定性。因此，固定向量无法描述不断演变的序列模式。 行为关系分布 由于每对行为转换都表现出异构的顺序依赖性（即不同行为之间的依赖性不同），因此需要考虑行为关系分布。
1.2K10编辑于 2024-02-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号