基于移动交易序列模式的用户行为模式增益挖掘方法技术

基于移动交易序列模式的用户行为模式增益挖掘，首先是基于增益模式集成移动模式挖掘高增益移动行为序列模式，其次是依赖频次模式挖掘解决不同类型商务模式的顾客行为序列模式，然后是在各种复杂环境下验证评价算法的执行效率。通过高增益模式与动态行为路径的集成探索出高效益的移动序列模式处理。本发明专利技术提出基于移动商务行为特征数据信息构造树算法，挖掘移动商务行为数据的品类特征信息，在同类算法结果比较中具有能较高水准地表达发掘移动序列行为模式。

【技术实现步骤摘要】
基于移动交易序列模式的用户行为模式增益挖掘方法
：本专利技术涉及一种增益挖掘方法，特别是一种基于移动交易序列模式的用户行为模式增益挖掘方法
技术介绍
：数据挖掘的行为是指在大数据库中发现潜在有用的信息的过程。在行为信息学中，早期的研究集中在不同类别的应用中发掘各种用户行为模式，例如在电子商务领域中的交叉营销模式，电子商务网站设计与管理，规划移动商务框架。自从移动传媒设备及无线移动应用成为最流行最重要的传播媒介之后，这些移动商务事务议题，如移动框架下挖掘移动用户商业行为模式，在过去10几年发展中日趋成为热点研究课题。现有的移动设备通过GPS设备功能服务日志记录了移动用户个性化系列行为路径，因此，商业体会及时和准确获取移动用户移动行为路径细节。结合行为日志与支付记录分析，用户这种移动购买事务动态路径序列能够激发某种个性化的序列行为模式，在这些移动事务序列中暗含着有潜质的有用信息。有学者提出基于移动框架下的动态路径及序列模式发掘移动用户行为序列模式，即该序列模式包含用户动态路径计算及移动商务事务序列。比如一个移动序列模式pattern{|￥A:(trousers)|；|￥B:(shoes)|；＠￥A→￥B}，这种移动序列模式揭示出客户的移动商务事务路径模式经常是{＠￥A→…￥B}，顾客习惯性的沿着该行为序列模式路径{＠￥A→…￥B}分别在￥A买trousers在￥B买shoes，假设店主捕获了这些客户序列行为模式，那么￥A店老板就会针对shoes搞促销活动，迎合顾客的个性商业事务行为需求，在本店内努力培养顾客的购买预期。然而，在现实商业事务处理中，移动序列模式不能真实发掘数据库中商品实际利润，这种序列行为挖掘客户行为信息存在一定的缺陷，如购买黄金珠宝等饰品的顾客高价值商务行为，由于这些顾客的低频率购买行为，因而这些给商家带来丰厚利润的高增益顾客没有被发掘出来。据此，在传统商业事务数据库处理中增益挖掘被提出用于解决此类实际商业问题。常用的处理手段是事先设定增益阈值，该值的设计可以考虑商品的特性、价值、增益，希冀这种增益挖掘能在商务事务数据库中发掘出具有高利润的高效益商务行为模式。所以按此观点，将增益挖掘加进移动模式挖掘框架结构中用于发掘潜在的价值客户行为模式。这些有用的信息反馈给行为模式的决策者，他们基于此就可制定反应敏捷的商务行为模式。假设存在如下两种客户商务行为模式，如pattern1{|￥a:(skirts)|；|￥f:(shoes)|；＠￥a→￥c→￥e→￥f}，和pattern2{|￥a:(skirts)|；|￥f:(goldjewelry)|；＠￥a→￥b→￥c→￥d→￥e→￥f}。两种客户商务行为模式的路径起点和终点虽然相同，但是行为模式的路径不同，因而客户最终购买模式也可能存在差异。从客户购买模式来看，通常都会认识到两种商品shoes和goldjewelry的利润价值差异较大。现实商务管理中，如果商店老板能事先发现客户的这两种购买行为模式，依此商家就会基于模式pattern2的行为路径中搞商品促销与展销活动，以便吸引和培养客户在￥a购买skirts之后能在￥f购买高利润的goldjewelry商品。从现有的研究文献看，虽然针对移动模式挖掘与增益挖掘都有相关的研究成果，目前国内还没有实现两者相融合的研究，国外针对两者在移动商务模式中的潜在信息挖掘研究开展的也不够深入与系统，离实际应用还有差距。本文旨在基于增益挖掘集成移动序列模式行为发掘高增益移动序列模式。为解决此问题，本文提出了逐层扩展算法与构造树算法两种类型算法，逐层扩展算法属于过程处理发现，构造树算法属于深度优先搜索与宽度优先策略，构造树算法树形结构表述了移动商务行为数据的品类特征信息，如产地、产品名目、行为路径及利润等商务数据库相关的信息。从实验结果分析，构造树算法能充分表示客户商务行为特征，在同类算法结果比较中具有能较高水准地表达发掘移动序列行为模式。
技术实现思路
：针对上述现有技术的不足，本专利技术基于增益挖掘、集成挖掘移动序列交易数据，发现高增益电子商务移动序列模式，挖掘发现移动商业交易框架下的用户事务行为路径与综合挖掘用户倾向性的交易行为，提供了一种用户行为模式增益挖掘方法。为实现上述目的，本专利技术采用的技术方案是：基于移动交易序列模式的用户行为模式增益挖掘方法，先对符号表示及语义做出说明：表1符号表示及语义其具体步骤是：一、算法的输入序列增益模式USP(Ti)树的构造过程是一遍扫描源数据库，在USP(Ti)树中每个节点P都包含节点位置、项目集、节点标号及路径列表等信息，采用公式P|location,[itemseti],TID,Pathlist|表示构造树节点完整信息。Plocation记录节点位置，相同节点可以具有多个项目集P[itemseti]，PTID表示移动序列交易标识，路径列表表示节点项目集交易路线图，算法中的头表的作用能有效连接USP(Ti)树的每个节点，是算法的输入。树形算法的处理过程是基于移动交易序列数据库Dsite及其高增益表2，具体假设的最小支持度阈值Athreshold与最小增益阈值Uthreshold的设定可以参照移动序列加权位置项集交易事务映射表3。项目模式挖掘框架及模式挖掘流程框架如图1和图2。表2商品分类增益表3基于移动序列加权位置项集交易事务映射图4序列增益模式USP(Ti)树的构造过程是一遍扫描源数据库，在USP(Ti)树中每个节点P都包含节点位置、项目集、节点标号及路径列表等信息，采用公式P|location,[itemseti],TID,Pathlist|表示构造树节点完整信息。Plocation记录节点位置，相同节点可以具有多个项目集P[itemseti]，PTID表示移动序列交易标识，路径列表表示节点项目集交易路线图，算法中的头表的作用能有效连接USP(Ti)树的每个节点，是算法的输入。图5是USP(Ti)树构造图。二、构造树节点插入构造树的过程是逐层读取移动交易数据库Dsite，开始时第一个交易序列T1被读取，接着读取该序列中第一个交易|￥a:[Citem-1,1]|，其中包含位置商品信息￥a:[Citem-1]，按照移动序列加权位置项集交易事物映射表，基于移动序列加权位置项集交易事务映射转化为￥a:t1，然后插入USP(Ti)构造树。通过相应的方式构造其余节点，数据库Dsite中所有的序列点被插入后，得到构造树。三、基于构造树加权高增益挖掘现在介绍构造树USP(Ti)后算法中发掘移动序列加权高增益SPweighted。基本思路是依赖USP(Ti)构造树，采用深度优先策略发掘增益SPweighted。首先是回溯USP(Ti)构造树的输入头表Htable，产生基于加权位置项集高增益USP，然后是在满足条件的USP(Ti)构造树中产生基于移动序列加权高增益SPweighted，有效地压缩存储在基于移动序列加权高增益SPweighted构造树节点i-itemset中。四、通过剪枝减少构造树搜索空间在处理节点i-itemset过程中，如果回溯检测路径过长，则调整检测技术进行剪枝以适应用户设定的阈值，表4为序列加权位置项集高增益剪枝数据库映射集。即对itemset形成SPweighted时，相本文档来自技高网...

【技术保护点】
基于移动交易序列模式的用户行为模式增益挖掘，其具体步骤是：一、算法的输入序列增益模式USP(Ti)树的构造过程是一遍扫描源数据库，在USP(Ti)树中每个节点P都包含节点位置、项目集、节点标号及路径列表等信息，采用公式P|location,[itemseti],TID,Pathlist|表示构造树节点完整信息，Plocation记录节点位置，相同节点可以具有多个项目集P[itemseti]，PTID表示移动序列交易标识，路径列表表示节点项目集交易路线图，算法中的头表的作用能有效连接USP(Ti)树的每个节点，是算法的输入；二、构造树节点插入构造树的过程是逐层读取移动交易数据库Dsite，开始时第一个交易序列T1被读取，接着读取该序列中第一个交易|￥a:[Citem‑1,1]|，其中包含位置商品信息￥a:[Citem‑1]，按照移动序列加权位置项集交易事物映射表，基于移动序列加权位置项集交易事务映射转化为￥a:t1，然后插入USP(Ti)构造树，通过相应的方式构造其余节点，数据库Dsite中所有的序列点被插入后，得到构造树；三、基于构造树加权高增益挖掘依赖USP(Ti)构造树，采用深度优先策略发掘增益SPweighted，首先是回溯USP(Ti)构造树的输入头表Htable，产生基于加权位置项集高增益USP，然后是在满足条件的USP(Ti)构造树中产生基于移动序列加权高增益SPweighted，有效地压缩存储在基于移动序列加权高增益SPweighted构造树节点i‑itemset中；四、通过剪枝减少构造树搜索空间在处理节点i‑itemset过程中，如果回溯检测路径过长，则调整检测技术进行剪枝以适应用户设定的阈值，即对itemset形成SPweighted时，相对于SUP(2‑ProfitItemset‑x)≥Athreshold及USP(2‑ProfitItemset‑x)≥Uthreshold时，则被剪掉，经过这种动态剪枝，剪掉无用的输入节点，从而减少搜索空间，提高了挖掘效率。...

【技术特征摘要】
1.基于移动交易序列模式的用户行为模式增益挖掘，其具体步骤是：一、算法的输入序列增益模式USP(Ti)树的构造过程是一遍扫描源数据库，在USP(Ti)树中每个节点P都包含节点位置、项目集、节点标号及路径列表信息，采用公式P|location,[itemseti],TID,Pathlist|表示构造树节点完整信息，Plocation记录节点位置，相同节点具有多个项目集P[itemseti]，PTID表示移动序列交易标识，路径列表表示节点项目集交易路线图，算法中的头表的作用能有效连接USP(Ti)树的每个节点，是算法的输入；二、构造树节点插入构造树的过程是逐层读取移动交易数据库Dsite，开始时第一个交易序列T1被读取，接着读取该序列中第一个交易|￥a:[Citem-1,1]|，其中包含位置商品信息￥a:[Citem-1]，按照移动序列加权位置项集交易事物映射表，基于移动序列加权位置项集交易事务映射转化为￥a:t1，然后插入USP(Ti)构造树...

【专利技术属性】
技术研发人员：邓立国，李文，周传生，杨姝，王剑辉，
申请(专利权)人：沈阳师范大学，
类型：发明
国别省市：辽宁;21