[发明专利]用户行为分析方法、分析预测方法及电视节目推送系统

权利要求书

1.一种用户行为分析方法，其特征在于，包括以下步骤：

ST1、根据历史用户行为数据，提取出用户行为模式结构数据，并存储在用户行为模式数据库中；

ST2、将存储在用户行为模式数据库中的用户行为模式结构数据按行为类型特征进行第一次聚类，并生成按类型相似的聚类用户数据集；

ST3、对所述的按类型相似的聚类用户数据进行第二次按变化结构特征进行聚类，并生成具有相似行为变迁的用户簇集数据集；

ST4、输出用户聚类簇集结果数据。

2.根据权利要求1所述的用户行为分析方法，其特征在于，所述步骤ST1中，用户行为模式结构数据为D1＝(U，P)其中，U＝{用户1、用户2......用户n}代表用户集合，P＝P(c，s，n，m，k)，其中，c为行为类型，s为行为起始时间，n为行为间隔时间，m为行为出现周期次数，k为行为时间长度。

3.根据权利要求2所述的用户行为分析方法，其特征在于，所述步骤ST2中，所述对所述的按类型用户行为数据进行第一次聚类具体在于：

定义聚类的用户行为类型相似度表达式为其中，C_i、C_j表示U中第i、j个用户的行为模式类集合；

对结构数据D1＝(U，P)，P(c，s，n，m，k)的行为类型c按所述的用户行为类型相似度表达式进行聚类分析。

4.根据权利要求3所述的用户行为分析方法，其特征在于，所述步骤ST3具体在于：

定义所述按类型用户行为数据集为D2＝(U，S)，其中U＝{用户1、用户2......用户n}；S＝{(s_ij，s_ij+n_ij×m_ij)}，s_ij为第i个用户的第j个行为模式起点，n_ij第i个用户的第j个行为为模式周期，m_ij第i个用户的第j个行为为周期数；

定义则聚类的变化特征相似度表达式为

其中，w_ij的值为1时代表用户i与j用户行为模式类型相同且次序相同，否则为0；|(C_i∪C_j)|为用户i与用户j存在的类型元素总个数；

对结构数据D2＝(U，S)，S＝{(s_ij，s_ij+n_ij×m_ij)}，按所述的变化特征相似度表达式进行聚类分析。

5.根据权利要求4所述的用户行为分析方法，其特征在于，所述的聚类分析基于MST的聚类分析，具体包括以下步骤：

STA、用相似度表达式，算出所有点之间的权值；

STB、使用MST聚类构造算法，生成最小生成树；

STC、设定可容忍差异权值，大与或等于其值的边定义为边界边；

STD、打断所有边界边；根据打断数量来确定最终生成的聚类数。

6.根据权利要求5所述的用户行为分析方法，其特征在于，所述步骤STB中基于MST聚类的最小生成树构造算法为普里姆算法或克鲁斯卡尔算法。

7.一种用户行为分析预测方法，其特征在于，所述方法包括以下步骤：

STA1、建立用户行为分析预测系统，所述用户行为分析预测系统，存储有按变化结构特征用户行为数据集，所述的按变化结构特征用户行为数据集，采用如权利要求1至6任一项所述的用户行为分析方法生成；

STB1、收集当前用户行为数据；

STC1、将所述用户行为数据输入所述的用户行为分析预测系统，所述的用户行为分析预测系统生成按变化特征用户行为进行聚类的数据聚类簇集，并通过聚类结果中其它用户预测用户行为变迁的可能性。

8.一种电视节目推送系统，其特征在于，所述的系统包括：

智能电视终端，用于播放节目与采集即时用户行为数据；

用户行为聚类分析引擎，用于根据所述的即时用户行为数据进行包括按类型、按变化结构特征的两次聚类分析，将具有相同历史行为变迁的用户分为一类形成簇集，作为后期推荐数据集；

节目推送云端服务器，用于根据聚类结果集推送用户潜在兴趣节目。