[发明专利]一种考虑跳过顺序模式的行为预测系统及方法

说明书

一种考虑跳过顺序模式的行为预测系统，包括有数据存储模块，顺序行为模式建模模块，跳过顺序行为模式建模模块，投票预测模块；利用一种考虑跳过顺序模式的行为预测系统的预测方法，步骤为：步骤一，触发预测系统开始命令；步骤二，数据采集存储模块，采集并存储用户行为数据；步骤三，建模顺序模式，计算N步转移概率矩阵；步骤四，建模跳过顺序模式，计算N步间隔事件概率；步骤五，通过投票法综合步骤三，步骤四的结果，给出预测结果；有效的提高了预测准确度。

技术领域

本发明属于网络应用的用户行为预测技术领域，特别涉及一种考虑跳过顺序模式的行为预测系统及方法，用于互联网应用的用户行为的预测。

背景技术

随着计算机技术以及互联网的发展，各类网络应用层出不穷，极大的方便了人们的生活，并且这些应用对现有的技术提出了更高要求。比如在移动端，部分应用对实时性要求越来越高，并且需求的数据量也呈现指数级增长，如果在用户提出请求时再进行处理和响应，实时的调度、缓存、加载等过程会产生较大时延，影响移动端应用的进一步发展。因此，能够提前预测用户需求的预测方法是目前的热门研究领域之一。

目前的预测模型例如马尔科夫模型考虑了顺序模式的事件发生概率，但是没有明确建模到跳过某些行为的模式，即过去行为的影响可能跳过几步，例如某旅游游客在车站，酒店，餐厅，酒吧与旅游景点中依次签到，虽然车站与酒店的签到并不是景点签到这个时间的前两个事件，但是它们与后者有很强的关联，在餐厅与酒吧的签到对景点签到基本没有影响。所以在这种具有跳过某些行为的环境下，利用目前的预测算法，预测准确度可能会有所减小，如果考虑并且建模这种跳过顺序模式，可以大大提高预测准确率，从而提升相关应用的使用体验。

发明内容

为克服上述现有技术不足，本发明的目的在于提供一种考虑跳过顺序模式的行为预测系统及方法，对跳过顺序模式进行建模，在马尔科夫模型基础上，通过融合建模跳过顺序模式以及顺序模式，有效的提高了预测准确度。

为实现上述目的，本发明采用的技术方案是：

一种考虑跳过顺序模式的行为预测系统，包括有数据存储模块，顺序行为模式建模模块，跳过顺序行为模式建模模块，投票预测模块；

所述的数据采集存储模块，采集用户的历史行为，以及存储行为数据与系统运行过程中的中间数据；

所述的顺序行为建模模块，通过用户的历史行为利用马尔科夫理论，进行行为模式建模；

所述的跳过顺序行为模式建模模块，通过用户的历史行为序列，通过本发明提出的算法，进行行为建模；

所述的投票预测模块，利用投票法决定最终预测结果。

利用一种考虑跳过顺序模式的行为预测系统的预测方法，包括以下步骤：

步骤一，触发预测系统开始命令；

步骤二，数据采集存储模块，采集并存储用户行为数据；

步骤三，建模顺序模式，计算N步转移概率矩阵；

步骤四，建模跳过顺序模式，计算N步间隔事件概率；

步骤五，通过投票法综合步骤三，步骤四的结果，给出预测结果。

步骤二所述的数据采集存储模块，将采集到的用户行为数据表示为形式化表示为：

U_i＝{E₁,E₂,…,E_n}U_i表示第i个序列,E_i表示第i个事件。

步骤三所属的建模顺序模式，具体实现方式如下：