[发明专利]基于复杂对应系统的用户行为一致性度测量方法

权利要求书

1.一种基于复杂对应系统的用户行为一致性度测量方法，其特征在于，整个方案分为三个阶段：

第一阶段具体实施步骤：

步骤1-1，在已有工作流网的基础上，对交叉序关系进行细分，细化行为轮廓关系；

步骤1-2，分析复杂对应关系，将复杂对应关系分类，确定各个类的行为特征；

步骤1-3，同时根据用户之间的间接关系分析用户活动间的传递依赖关系；

以上步骤1-1、1-2和1-3是并列进行着；

第二阶段具体实施步骤：

步骤2-1，根据步骤1-2完成的复杂对应关系的分类及其每个类的行为特征，确定五类对应关系之间的相关性；

步骤2-2，根据步骤1-1细化的行为轮廓关系，建立用户扩展的行为轮廓关系；

步骤2-3，在步骤2-2的基础上并结合步骤1-3，根据公式

把用户行为关系转化成矩阵元素；其中a_ij为行为关系矩阵中的元素，并且i,j＝1,2,…,n；

步骤2-4，在步骤2-2和2-3的基础上，构建用户行为关系矩阵图；

从矩阵MD₁→MD₂→MD₃→MD₄…→MD_n→MD，其构造步骤如下所示：

第三阶段具体实施步骤：

步骤3-1，根据步骤2-1确定的五类用户复杂对应类以及步骤2-4建立的行为关系矩阵图，将用户行为关系矩阵进行分解；

步骤3-2，根据用户实际模型与预期模型的对应关系，计算用户模型与预期模型的行为一致性，

计算公式：

其中，一致的行为关系表现出用户活动的一致的部分，用行为矩阵的面积来刻画其整个一致的行为关系，一致性度值越高代表该用户行为与预期行为越一致，一致性度值越低代表该用户行为与预期行为越不一致，当一致性度特别低时，怀疑该用户行为为非法行为。

2.如权利要求1所述的基于复杂对应系统的用户行为一致性度测量方法，其特征在于，步骤3-1中，所述将用户行为关系矩阵进行分解，其行为关系矩阵图中元素的求解算法为：

输入：两个工作流网N₁＝(P₁,T₁；F₁)和N₂＝(P₂,T₂；F₂)，其中他们中有着对应关系的变迁集A＝{a₁,a₂,…,a_n}、B＝{b₁,b₂,…,b_m}、进行排序的行为关系矩阵MD_A0和MD_B0；

输出：行为关系矩阵图MD_A、MD_B中的元素a_ij、b_ij；

(1)先确定MD_A中对角线的元素a_ii，依次判断a_i是否处于环结构中，若a_i不在环结构中，那么输出a_ii＝2，执行步骤(2)；否则输出a_ii＝0，执行步骤(2)；

(2)再确定a_i,i+1、a_i+1,i的值，在网N₁中，依次计算a_i与a_i+1的行为关系，然后将行为关系转化为整数p，输出a_i,i+1＝a_i+1,i＝p，执行步骤(3)；

(3)再确定a_i,i+2、a_i+2,i的值；若a_i,i+1≠a_i+1,i+2，输出a_i,i+2＝a_i+2,i＝min{a_i,i+1,a_i+1,i+2}；否则，若a_i,i+1＝a_i+1,i+2＝1，那么输出a_i,i+2＝a_i+2,i＝1；否则，若a_i,i+1＝a_i+1,i+2≠1，那么判断a_i与a_i+2的行为关系，并转化为行为关系数值q，输出a_i,i+2＝a_i+2,i＝q，执行步骤(4)；

(4)同理，确定a_i,i+h、a_i+h,i，输出a_i,i+h＝a_i+h,i，直到最后一个元素a_1n，算法终止；

同理根据该行为关系矩阵图中元素的求解算法，计算出MD_B中的元素b_ij，从而得到矩阵MD_B。

3.如权利要求1所述的基于复杂对应系统的用户行为一致性度测量方法，其特征在于，步骤3-2中，所述计算用户模型与预期模型的行为一致性，其一致性度的求解算法为：

输入：两个工作流网N₁＝(P₁,T₁；F₁)和N₂＝(P₂,T₂；F₂)，他们的行为关系矩阵MD_A0和MD_B0，是由步骤3-1步骤中的行为关系矩阵图中元素的求解算法求得；

输出：一致性度BP；

(1)先根据MD_A0与MD_B0中变迁集的对应关系，将MD_A0和MD_B0分别分为p和q个对应集合，将MD_A0依次标记为{a₁,a₂,…a_m}、{a_m+1,a_m+2,…a_l}...{a_s+1,…a_n}，执行步骤(2)；

(2)先根据MD_A0中第一个与MD_B0对应的集合{a₁,a₂,…a_m}，取MD_A0中前m阶方阵记为模块1，并执行步骤(3)；

(3)根据MD_A0中第二个与MD_B0对应的集合{a_m+1,a_m+2,…a_l}，取MD_A0中第1→m行和m+1→l列组成的m×(l-m)阶矩阵及其转置矩阵记为模块2，并执行步骤(4)；

(4)仿照之前的步骤，直到MD_A0中第p个与MD_B0对应的集合{a_s+1,…a_n}，取MD_A0中第1→m行和s+1→n列组成的m×(n-s)阶矩阵及其转置矩阵记为模块p，并执行步骤(5)；

(5)根据MD_A0中第二个与MD_B0对应的集合{a_m+1,a_m+2,…a_l}，取MD_A0中第m+1→l行和m+1→l列组成的l-m阶方阵记为模块p+1，并执行步骤(6)；

(6)仿照步骤(4)，将MD_A0中m+1→l行和s+1→n列组成的(l-m)×(n-s)阶矩阵及其转置矩阵记为模块p+2，并执行步骤(7)；

(7)一直这样进行下去，直到MD_A0中第p个与MD_B0对应的集合{a_s+1,…a_n}，取s+1→n行和s+1→n列组成的n-s阶方阵记为模块并执行步骤(8)；

(8)若p＝q，同理将MD_B0也分解为对应模块，并标记模块名从则执行步骤(10)；否则若p≠q，将MD_B0中非重复对应关系也分解为对应模块，执行步骤(9)；

(9)锁定重复对应的变迁集合，以重复对应的集合组成的区域依次记为模块执行步骤(10)；

(10)在MD_A0中，依次对模块中的矩阵元素进行排查，找出其a_i、a_i与MD_B0相同模块中不同的元素b_i、b_j，若p＝q，输出一致性度BP，算法终止；否则若p≠q，则锁定模块1_c、2_c…,(q-p)_c，输出一致性度BP，算法终止。