行为智能平台：从事件流到自主洞察的概率旅程图、行为知识提取与 grounding 语言生成
摘要
当代产品分析系统需要用户提出明确查询，如编写 SQL、配置仪表盘或构建漏斗，以便产生洞察。这一种拉模式的系统创造了瓶颈：它需要具备领域知识和技术流畅度，并且假设实践者事先知道要询问什么问题。我们认为，行为分析应从被动回答查询的系统，转向主动持续检测和解释行为现象的系统。我们提出了行为智能平台（BIP），该平台将原始事件流转换为自动生成的洞察。BIP 由四层组成。首先，归一化与状态导出（NSD）标准化事件并将其映射到语义状态层次结构。其次，行为图引擎（BGE）将用户旅程建模为吸收马尔可夫链并计算转换概率、移除效应和路径质量指标。第三，行为知识图（BKG）和探测器系统将图输出转换为以事实为依托的行为事实，并识别行为现象。最后，grounding 语言层约束大型语言模型的输出，以确保事实的可靠性，产生可靠的叙事洞察。我们形式化了行为智能问题，提出了用于自主洞察生成的探测器分类法，并提出了一种在注意力有限的情况下对洞察进行有趣性评分的策略。
引用
@article{arxiv.2604.22762,
title = {Behavioral Intelligence Platforms: From Event Streams to Autonomous Insight via Probabilistic Journey Graphs, Behavioral Knowledge Extraction, and Grounded Language Generation},
author = {Arun Patra and Bhushan Vadgave},
journal= {arXiv preprint arXiv:2604.22762},
year = {2026}
}
备注
v2: corrected numerical values in Fig 3 and Sec 7.2 fact bundle to match published simulation scripts; clarified Markov-property identity in Sec 4.2.2; added simulate_trajectories.py for Monte Carlo reproducibility; softened confidence and path-quality presentation; added Markov-attribution citations (Anderl 2016, Shao & Li 2011, Kakalejcik 2022). Formal results unchanged