基于Markov鏈和關聯(lián)規(guī)則的用戶業(yè)務行為預測方法
【技術領域】
[0001] 本發(fā)明設及一種在無線泛在環(huán)境下基于Markov鏈和關聯(lián)規(guī)則的用戶業(yè)務行為預 測方法，屬于通訊技術領域。
【背景技術】
[0002] 進入21世紀W來，隨著微電子、巧片及信息通信技術的不斷發(fā)展，人類將逐步進 入泛在網(wǎng)絡時代，其中無線泛在網(wǎng)絡，即；無線泛在環(huán)境使人置身于無所不在的網(wǎng)絡之中， 實現(xiàn)人在任何時間、地點，使用任何網(wǎng)絡與任何人與物的信息交換，基于個人和社會的需 求，利用現(xiàn)有網(wǎng)絡技術和新的網(wǎng)絡技術，為個人和社會提供泛在的，無所不含的信息服務和 應用。伴隨著互聯(lián)網(wǎng)技術的快速發(fā)展，業(yè)務資源也隨之呈現(xiàn)爆炸式增長的態(tài)勢，如何從海量 的業(yè)務資源中，快速高效地獲取用戶所需的業(yè)務，使得用戶獲得較高的用戶體驗，成為了關 注的重點領域。無線泛在環(huán)境下，將W用戶為中屯、，業(yè)務的產(chǎn)生直接來源于用戶的需求，多 模終端可W接入不同無線網(wǎng)絡，如何實現(xiàn)不同無線接入網(wǎng)間的網(wǎng)絡資源與終端能力的有效 利用，改善信息傳輸服務質量，從不同角度、不同層次滿足用戶需求，提高用戶體驗質量W 及為用戶提供智能服務，因此，有必要對用戶行為預測進行研究。
[0003] 在未來無線泛在環(huán)境下，2G/3G/4G蜂窩移動通信網(wǎng)、IE邸802. 11無線局域網(wǎng) (WLAN)和IE邸802. 16無線城域網(wǎng)（WiMA幻將作為主流的無線接入方式并存，接入網(wǎng)絡之 間將通過有線骨干網(wǎng)或無線Mesh網(wǎng)等互聯(lián)互通，用戶終端之間亦將借助IE邸802. 11或 IEEE 802. 15等系列技術實現(xiàn)Ad化C連接，從而為泛在的業(yè)務需求提供泛在的無線接入； 另一方面，最近5年隨著移動智能終端和移動操作系統(tǒng)快速發(fā)展，進一步增強了移動終端 的用戶體驗?，F(xiàn)有的有線互聯(lián)網(wǎng)業(yè)務類型幾乎都可W移植到移動互聯(lián)網(wǎng)上來，為實現(xiàn)業(yè)務 無線化提供了設備條件。
[0004] 無線業(yè)務個性化已經(jīng)成為當今業(yè)務發(fā)展的新熱點，隨著用戶個性化特征的日趨明 顯，個性化推送甚至發(fā)展成為運營商、業(yè)務商新的營銷理念和趨勢。因此個性化推送技術應 運而生，它能從大量用戶行為歷史信息中，通過各種的挖掘算法和預測模型，適時適度地向 用戶自動推送出符合其需求的業(yè)務，為用戶提供個性化的業(yè)務定制服務及業(yè)務推薦，同時 為業(yè)務商推出新業(yè)務提供決策依據(jù)。
[0005] 目前國內外對用戶行為的研究主要側重于挖掘和分析用戶行為特征和規(guī)律W及 用戶行為預測方面。相關研究采用的工具包括數(shù)據(jù)挖掘算法和Markov預測模型等。其中 Markov模型是一種簡單且有效的模型。由于Markov鏈的無后效性，目前大多采用Markov 模型理論對用戶行為進行預測。Markov模型W其大的信息保留量，從而保證了其預測準確 的特點而成為該方面研究的一個典型模型。
[0006] 然而K階Markov鏈模型忽略了較早的歷史知識，只是假設下一業(yè)務只與最新的K 個業(yè)務有關系，簡化了預測模型，減少了計算時間，但是預測準確度也會隨之下降。針對該 個問題。而本發(fā)明能夠很好地解決上面的問題。

【發(fā)明內容】

[0007] 本發(fā)明目的在于提出了一種基于Markov鏈和關聯(lián)規(guī)則的用戶業(yè)務行為預測方 法，該方法針對預測算法的問題，首先用二階Markov鏈生成預測候選集，再利用二項關聯(lián) 規(guī)則修正預測結果，能夠有效地提高預測算法的準確性。該方法的用戶業(yè)務行為預測方法 具有很好的理論性能保證，預測準確度高。
[000引本發(fā)明解決其技術問題所采取的技術方案是：一種基于Markov鏈和關聯(lián)規(guī)則的 用戶業(yè)務行為預測方法，該方法首先改進了 Markov鏈的二階轉移矩陣的計算方法，用二階 Markov鏈生成預測候選集，在此基礎之上利用二項關聯(lián)規(guī)則修正預測結果，該方法在保證 預測準確率的同時，能在線性時間內完成在線預測。
[0009] 方法流程：
[0010] 步驟1 ;用Markov鏈預測模型返回下一步有可能會使用的業(yè)務集和該些業(yè)務對應 的Markov預測概率；
[0011] 步驟2 ;利用二項關聯(lián)規(guī)則從兩個角度來修正預測結果；
[0012] 步驟3;分別計算V中所有業(yè)務與的可信度，如果所有的可信度都小于閥值min_ rule,則無論mpCTi)的值多大，都從m中刪除業(yè)務r;;如果存在業(yè)務P jG V，且P j與r i的可 信度conf (Pj - r i)大于閥值max_rule，則r;的預測概率為；
[001 引
【主權項】
1. 一種基于Markov鏈和關聯(lián)規(guī)則的用戶業(yè)務行為預測方法，其特征在于：所述方法包 括如下步驟： 步驟1 :用Markov鏈預測模型返回下一步有可能會使用的業(yè)務集和這些業(yè)務對應的Markov預測概率； 步驟2 :利用二項關聯(lián)規(guī)則從兩個角度來修正預測結果； 步驟3 :在步驟1中用Markov鏈預測模型返回下一步有可能會訪問的業(yè)務集m和這 些業(yè)務對應的Markov預測概率；再在步驟2中利用二項關聯(lián)規(guī)則來修正預測結果，在此 基礎上分別計算用戶的業(yè)務序列v中所有業(yè)務與預測結果^的可信度；如果所有的可 信度都小于閥值min_rule，則無論mp(ri)的值多大，都從m中刪除業(yè)務ri;如果存在業(yè) 務PjGv，且p」與r^勺可信度conf(p」一rD大于閥值max_rule，則的預測概率為：
2. 根據(jù)權利要求1所述的一種基于Markov鏈和關聯(lián)規(guī)則的用戶業(yè)務行為預測 方法，其特征在于：所述方法是用n維向量v(t) =(Vpv2，…，vn)表示用戶t時刻 狀態(tài)，如果某用戶t時刻的使用業(yè)務為&，則讓v(t)的第j維為1，其余維都為0， 用n維向量x(t) =(Xpx2，…，xn)表示t時刻用戶使用各個業(yè)務的概率，即x(t) =(p久=xD，p(X2 =x2)，…，p(Xn=xn));假設某用戶的t時刻的業(yè)務序列為 (……，Xi,Xj)，則當前狀態(tài)v⑴=(F= ()，2V= .〇，，，爐知iv=…0，,，，寺，前一狀態(tài) v(l- 1)= (,v= 0,2v= Av=…3，則下一時刻用戶訪問各個業(yè)務的概率 義(七+ 1)為^(^ + 1) = €[1￥(1：)\口(1) + (12￥(1：-1)\卩(2)，其中€[1為一階轉移矩陣的權值， 〇2為二階轉移矩陣的權值，令a1 ;從x(t+l)中選出概率最大的業(yè)務作為預測結 果。
3. 根據(jù)權利要求1所述的一種基于Markov鏈和關聯(lián)規(guī)則的用戶業(yè)務行為預測方法，其 特征在于：所述方法只需掃描一輪數(shù)據(jù)庫即可。
【專利摘要】本發(fā)明公開了一種基于Markov鏈和關聯(lián)規(guī)則的用戶業(yè)務行為預測方法，該方法針對預測算法的問題，首先用二階Markov鏈生成預測候選集，再利用二項關聯(lián)規(guī)則修正預測結果，能夠有效地提高預測算法的準確性。該方法的用戶業(yè)務行為預測算法具有很好的理論性能保證，預測準確度高。本發(fā)明只需要掃描一輪數(shù)據(jù)庫即可，相比與傳統(tǒng)的挖掘二項關聯(lián)規(guī)則算法，該方法節(jié)省了大量的時間和空間，改進了Markov鏈的二階轉移矩陣的計算方法，用二階Markov鏈生成預測候選集，在此基礎之上利用二項關聯(lián)規(guī)則修正預測結果。
【IPC分類】G06Q10-04
【公開號】CN104616077
【申請?zhí)枴緾N201510051487
【發(fā)明人】張暉, 王超
【申請人】南京郵電大學
【公開日】2015年5月13日
【申請日】2015年1月30日