一种个人日常行为数据的多维分析方法技术

本发明专利技术公开了一种个人日常行为数据的多维分析方法，属于数据挖掘领域。方法用于从多个角度分析个人日常行为数据，为个人行为决策提供数据支持，包括以下步骤：(1)基于个人日常行为数据的内容特征，构建行为网络；(2)首次提出采用一种新颖的维度——结构维，从顶点维、边维、子图维的角度对构建的行为网络进行多维分析，构建出顶点层行为数据立方体、边层行为数据立方体和子图层行为数据立方体；(3)根据行为网络、顶点层行为数据立方体、边层行为数据立方体和子图层行为数据立方体四者构建行为数据立方体，对行为数据立方体进行分析，挖掘出个人日常行为数据的潜在价值，用于阅读推荐、个人健康管理、个人财务管理等。

【技术实现步骤摘要】
一种个人日常行为数据的多维分析方法
本专利技术涉及数据挖掘方法，具体涉及一种个人日常行为数据分析方法。
技术介绍
21世纪以来随着计算机、互联网以及电子设备技术的不断发展与革新，使得人们的日常生活逐渐离不开手机、电脑、网络以及其他各种电子设备，人类生活正式进入了数据驱动的信息化时代。随着生活方式的数字化，人们在生活中的一举一动都会产生数字痕迹，即互联网与电子设备所记录的数据，例如，微博、微信等社交媒体数据、手机通话记录、个人消费数据、个人医疗数据、出行记录、各种刷卡记录等，这些数字痕迹所记录的活动可以被称为人们在日常生活中的个人行为数据，简称行为数据。计算机技术和互联网具有生产、采集、存储数据的能力，使得行为数据不仅在体量、速率与种类上持续增长，而且格式也越发多样，来源也越发广泛。日常行为数据不断的堆积，产生了从多角度多粒度进行数据分析的需求，如何高效的进行数据分析与数据挖掘，将这些日常行为数据广泛应用于解决现代生活中的一些重要问题，例如城市交通拥堵、个人健康、预防疾病传播、用户情绪预测、商品推荐等，是当前越来越迫切需要解决的问题。近年来，数据分析技术被广泛应用于各种领域，相关分析技本文档来自技高网...

【技术保护点】
一种个人日常行为数据的多维分析方法，其特征在于：包括以下步骤：(1)使用图结构来描述行为数据，构建行为网络，该行为网络中的顶点表示发生的行为以及行为发生时的相关要素，行为网络中的边表示行为与行为之间、行为与行为发生时的相关要素之间的联系；(2)对行为网络中存在的所有类型的顶点元素按粒度层次进行统计，构建顶点层行为数据立方体；(3)基于边维对行为网络进行统计，构建边层行为数据立方体；(4)基于子图维对行为网络进行统计，构建子图层行为数据立方体；(5)对顶点层行为数据立方体、边层行为数据立方体、子图层行为数据立方体进行组间和组内的多维分析操作，得到分析结果。

【技术特征摘要】
1.一种个人日常行为数据的多维分析方法，其特征在于：包括以下步骤：(1)使用图结构来描述行为数据，构建行为网络，该行为网络中的顶点表示发生的行为以及行为发生时的相关要素，行为网络中的边表示行为与行为之间、行为与行为发生时的相关要素之间的联系；(2)对行为网络中存在的所有类型的顶点元素按粒度层次进行统计，构建顶点层行为数据立方体；(3)基于边维对行为网络进行统计，构建边层行为数据立方体；(4)基于子图维对行为网络进行统计，构建子图层行为数据立方体；(5)对顶点层行为数据立方体、边层行为数据立方体、子图层行为数据立方体进行组间和组内的多维分析操作，得到分析结果。2.根据权利要求1所述的一种个人日常行为数据的多维分析方法，其特征在于：所述行为网络中包括两类顶点，主题顶点和属性顶点，所述主题顶点表示发生的行为；所述属性顶点表示行为发生时的相关要素，包括时间、地点、环境、情绪、相关的人、相关的物、工具、持续时间、移动距离、生理状况、身体状况。3.根据权利要求2所述的一种个人日常行为数据的多维分析方法，其特征在于：所述步骤(2)包括：根据每类元素顶点的粒度层次对行为网络中的所有顶点进行次数统计，得到该类元素对应粒度层次下的统计次数，每一类顶点的每一层统计之后都创建一个顶点元素存储该结果，其中粒度层次指的是ALL->granularity，ALL表示该类顶点的总值，granularity表示该类顶点的具体粒度，所有类别的顶点又具有ALL->type(ALL)->type(granularity)的层次关系；根据层次结构，上层顶点与下层顶点之间用groupby属性边相连，最后统计所有类型的元素ALL层数值之和，创建一个最顶层ALL层顶点存储该值，并且这个顶点与所有元素类型的ALL层顶点用groupby属性边相连。4.根据权利要求2所述的一种个人日常行为数据的多维分析方法，其特征在于：所述步骤(3)包括：对行为网络中存在的所有属性元素...

【专利技术属性】
技术研发人员：吕建华，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32