基于Markov链和关联规则的用户业务行为预测方法
【技术领域】
[0001] 本发明设及一种在无线泛在环境下基于Markov链和关联规则的用户业务行为预 测方法，属于通讯技术领域。
【背景技术】
[0002] 进入21世纪W来，随着微电子、巧片及信息通信技术的不断发展，人类将逐步进 入泛在网络时代，其中无线泛在网络，即；无线泛在环境使人置身于无所不在的网络之中， 实现人在任何时间、地点，使用任何网络与任何人与物的信息交换，基于个人和社会的需 求，利用现有网络技术和新的网络技术，为个人和社会提供泛在的，无所不含的信息服务和 应用。伴随着互联网技术的快速发展，业务资源也随之呈现爆炸式增长的态势，如何从海量 的业务资源中，快速高效地获取用户所需的业务，使得用户获得较高的用户体验，成为了关 注的重点领域。无线泛在环境下，将W用户为中屯、，业务的产生直接来源于用户的需求，多 模终端可W接入不同无线网络，如何实现不同无线接入网间的网络资源与终端能力的有效 利用，改善信息传输服务质量，从不同角度、不同层次满足用户需求，提高用户体验质量W 及为用户提供智能服务，因此，有必要对用户行为预测进行研究。
[0003] 在未来无线泛在环境下，2G/3G/4G蜂窝移动通信网、IE邸802. 11无线局域网 (WLAN)和IE邸802. 16无线城域网（WiMA幻将作为主流的无线接入方式并存，接入网络之 间将通过有线骨干网或无线Mesh网等互联互通，用户终端之间亦将借助IE邸802. 11或 IEEE 802. 15等系列技术实现Ad化C连接，从而为泛在的业务需求提供泛在的无线接入； 另一方面，最近5年随着移动智能终端和移动操作系统快速发展，进一步增强了移动终端 的用户体验。现有的有线互联网业务类型几乎都可W移植到移动互联网上来，为实现业务 无线化提供了设备条件。
[0004] 无线业务个性化已经成为当今业务发展的新热点，随着用户个性化特征的日趋明 显，个性化推送甚至发展成为运营商、业务商新的营销理念和趋势。因此个性化推送技术应 运而生，它能从大量用户行为历史信息中，通过各种的挖掘算法和预测模型，适时适度地向 用户自动推送出符合其需求的业务，为用户提供个性化的业务定制服务及业务推荐，同时 为业务商推出新业务提供决策依据。
[0005] 目前国内外对用户行为的研究主要侧重于挖掘和分析用户行为特征和规律W及 用户行为预测方面。相关研究采用的工具包括数据挖掘算法和Markov预测模型等。其中 Markov模型是一种简单且有效的模型。由于Markov链的无后效性，目前大多采用Markov 模型理论对用户行为进行预测。Markov模型W其大的信息保留量，从而保证了其预测准确 的特点而成为该方面研究的一个典型模型。
[0006] 然而K阶Markov链模型忽略了较早的历史知识，只是假设下一业务只与最新的K 个业务有关系，简化了预测模型，减少了计算时间，但是预测准确度也会随之下降。针对该 个问题。而本发明能够很好地解决上面的问题。
【发明内容】
[0007] 本发明目的在于提出了一种基于Markov链和关联规则的用户业务行为预测方 法，该方法针对预测算法的问题，首先用二阶Markov链生成预测候选集，再利用二项关联 规则修正预测结果，能够有效地提高预测算法的准确性。该方法的用户业务行为预测方法 具有很好的理论性能保证，预测准确度高。
[000引本发明解决其技术问题所采取的技术方案是：一种基于Markov链和关联规则的 用户业务行为预测方法，该方法首先改进了 Markov链的二阶转移矩阵的计算方法，用二阶 Markov链生成预测候选集，在此基础之上利用二项关联规则修正预测结果，该方法在保证 预测准确率的同时，能在线性时间内完成在线预测。
[0009] 方法流程：
[0010] 步骤1 ;用Markov链预测模型返回下一步有可能会使用的业务集和该些业务对应 的Markov预测概率；
[0011] 步骤2 ;利用二项关联规则从两个角度来修正预测结果；
[0012] 步骤3;分别计算V中所有业务与的可信度，如果所有的可信度都小于阀值min_ rule,则无论mpCTi)的值多大，都从m中删除业务r;;如果存在业务P jG V，且P j与r i的可 信度conf (Pj - r i)大于阀值max_rule，则r;的预测概率为；
[001 引
【主权项】
1. 一种基于Markov链和关联规则的用户业务行为预测方法，其特征在于：所述方法包 括如下步骤： 步骤1 :用Markov链预测模型返回下一步有可能会使用的业务集和这些业务对应的Markov预测概率； 步骤2 :利用二项关联规则从两个角度来修正预测结果； 步骤3 :在步骤1中用Markov链预测模型返回下一步有可能会访问的业务集m和这 些业务对应的Markov预测概率；再在步骤2中利用二项关联规则来修正预测结果，在此 基础上分别计算用户的业务序列v中所有业务与预测结果^的可信度；如果所有的可 信度都小于阀值min_rule，则无论mp(ri)的值多大，都从m中删除业务ri;如果存在业 务PjGv，且p」与r^勺可信度conf(p」一rD大于阀值max_rule，则的预测概率为：
2. 根据权利要求1所述的一种基于Markov链和关联规则的用户业务行为预测 方法，其特征在于：所述方法是用n维向量v(t) =(Vpv2，…，vn)表示用户t时刻 状态，如果某用户t时刻的使用业务为&，则让v(t)的第j维为1，其余维都为0， 用n维向量x(t) =(Xpx2，…，xn)表示t时刻用户使用各个业务的概率，即x(t) =(p久=xD，p(X2 =x2)，…，p(Xn=xn));假设某用户的t时刻的业务序列为 (……，Xi,Xj)，则当前状态v⑴=(F= ()，2V= .〇，，，炉知iv=…0，,，，寺，前一状态 v(l- 1)= (,v= 0,2v= Av=…3，则下一时刻用户访问各个业务的概率 义(七+ 1)为^(^ + 1) = €[1￥(1：)\口(1) + (12￥(1：-1)\卩(2)，其中€[1为一阶转移矩阵的权值， 〇2为二阶转移矩阵的权值，令a1 ;从x(t+l)中选出概率最大的业务作为预测结 果。
3. 根据权利要求1所述的一种基于Markov链和关联规则的用户业务行为预测方法，其 特征在于：所述方法只需扫描一轮数据库即可。
【专利摘要】本发明公开了一种基于Markov链和关联规则的用户业务行为预测方法，该方法针对预测算法的问题，首先用二阶Markov链生成预测候选集，再利用二项关联规则修正预测结果，能够有效地提高预测算法的准确性。该方法的用户业务行为预测算法具有很好的理论性能保证，预测准确度高。本发明只需要扫描一轮数据库即可，相比与传统的挖掘二项关联规则算法，该方法节省了大量的时间和空间，改进了Markov链的二阶转移矩阵的计算方法，用二阶Markov链生成预测候选集，在此基础之上利用二项关联规则修正预测结果。
【IPC分类】G06Q10-04
【公开号】CN104616077
【申请号】CN201510051487
【发明人】张晖, 王超
【申请人】南京邮电大学
【公开日】2015年5月13日
【申请日】2015年1月30日