[发明专利]基于地点挖掘的用户行为评估方法

说明书

技术领域

本发明涉及一种基于地点挖掘的用户行为评估方法，属于数据挖掘领域。

背景技术

随着移动互联网的不断发展，手机等移动设备已逐渐普及。目前手机等移动设备 都配备了GPS，或者具有网络定位功能，方便用户自动记录每天的行程。用户每天不同时间 段在不同地点的停留时间分布，反映了该用户的行为规律。

基于用户轨迹数据的数据挖掘技术正在不断的发展中，一般应用在热门地点推荐 等领域，企业领域的应用还比较少，例如，2013年《昆明理工大学》公开的基于手机定位数据 的用户出行规律分析。

通过挖掘用户轨迹数据，企业可以方便地评估员工的工作行为。这种技术不仅仅 局限在企业管理，也可以应用在任何需要轨迹数据做支撑的用户行为评估领域。但现有传 统企业考核员工在外工作表现一般是通过考勤打卡来实现，这种方法需要人工维护记录， 采用指纹机等方案还需要投入额外硬件成本，能够识别的地点也受到限制。

发明内容

本发明的目的在于克服现有技术存在的上述问题，提供一种基于地点挖掘的用户 行为评估方法。本发明可以从用户原始杂乱的轨迹数据中，得到用户的行为模式，准确反应 出用户每天的行为规律，大大降低了传统的考勤打卡违规作弊的可能。

为实现上述目的，本发明采用的技术方案如下：

一种基于地点挖掘的用户行为评估方法，其特征在于：利用轨迹数据挖掘用户的 行为模式，分析用户的行为规律，对用户行为进行评估。

所述方法具体包括如下步骤：

a、获取位置信息得到轨迹数据，并对轨迹数据预处理；

b、通过轨迹数据获取用户不同时间段在不同地点的时间分布，得到用户的行为模 式；

c、利用用户行为模式的历史记录更新用户偏好模型，根据用户偏好模型判断是否 为异常行为，计算用户行为得分。

所述步骤a中，移动设备上报轨迹数据为L＝{l₁,l₂,…,l_n}，其中l_i＝(lat_i,long_i, time_i)表示经纬度和时间，首先去除轨迹数据中的重复点，再通过Kalman滤波过滤速度异 常点，平滑轨迹数据，使轨迹数据更接近真实的行程轨迹。

所述步骤b中，采用基于时间序列的聚类算法，获取用户不同时间段在不同地点的 时间分布，得到用户的行为模式。

所述步骤b具体包括：

b1、选取两个参数值地点最大范围D_max和有效地点时间跨度T；

b2、依次对轨迹数据进行以下处理：当相邻两个轨迹点的距离小于地点范围阈值D 时，两个轨迹点合并为一个新轨迹点，新轨迹点参与下一次处理；当相邻两个轨迹点的距离 大于地点范围阈值D_max时，且前一个轨迹点的时间跨度大于有效地点时间阈值T时，该轨迹 点为一有效地点，表示p＝{lat,lng,start_ts,end_ts}；

b3、用户有效地点数目为M，一天划分为N个时间段，用户行为模式表示为M×N矩阵 P＝[f_ij],每一行表示用户的某个有效地点，每一列表示一天中的某个时间段，f_ij表示在第 j个时间段停留在第i个地点的概率。

所述步骤c中，用户偏好模型通过下述方法得出：

c1、通过夹角余弦系数，定义用户行为模式距离函数。对于行为模式X和行为模式 Y，第i个时间段的地点分布向量为X_i＝{x₁,x₂,…,x_M}和Y_i＝{y₁,y₂,…,y_M}，M为有效地点数 目，N为时间段总数，则有