【技术实现步骤摘要】
基于贝叶斯网络的个人数据分析方法及计算机存储介质
本专利技术涉及一种个人数据分析方法及计算机存储介质，特别是涉及一种基于贝叶斯网络的个人数据分析方法及计算机存储介质。
技术介绍
近年来，随着移动互联网技术的飞速发展和移动智能终端的兴起与普及，对于人们在工作、购物、睡觉、吃饭、锻炼以及交流等行为中所产生的数据，可以实时、安全并私密地通过移动智能终端采集下来。人们每天都在产生这样的“数字痕迹”，社交网络、搜索引擎、移动运营商、网络游戏和电子商务网站都在广泛地应用着这些数据。他们会聚类并分析这些数据，来进行广告推广并改善服务体系的性能。通过分析日常生活数据，可以发现这些数据中的潜在信息，对这些信息充分利用，可以驱使着事物向有利的方向发展。贝叶斯网络作为一种图形化的建模工具，提供了一种表示变量间因果关系的有效方法，可以用来发现隐藏在数据中的知识。贝叶斯网络将图论和概率论有效地结合了起来，在不确定性推理方面发挥了很大的优势。根据采集的数据，构建一个高精度的贝叶斯网络，对后面的参数学习和推理至关重要。贝叶斯网络结构学习需要确定网络中节点之间的边和边的方向。基于依赖分析的方(如...
【技术保护点】
1.一种基于贝叶斯网络的个人数据分析方法，其特征在于包括以下步骤：(1)将个人生活行为数据具体化为行为和行为属性的一维向量，行为属性中至少包含时间属性，经过数据预处理，得到生活行为数据记录；(2)通过混合结构学习算法对数据进行学习，构建生活数据贝叶斯网络；(3)根据步骤(2)中的生活数据贝叶斯网络进行参数学习，学习得到每个网络节点的条件概率分布表；(4)根据步骤(2)中的生活数据贝叶斯网络，使用联合树推理算法，基于特定行为的概率计算其他行为发生的概率，完成个人生活行为分析预测。
【技术特征摘要】
1.一种基于贝叶斯网络的个人数据分析方法，其特征在于包括以下步骤：(1)将个人生活行为数据具体化为行为和行为属性的一维向量，行为属性中至少包含时间属性，经过数据预处理，得到生活行为数据记录；(2)通过混合结构学习算法对数据进行学习，构建生活数据贝叶斯网络；(3)根据步骤(2)中的生活数据贝叶斯网络进行参数学习，学习得到每个网络节点的条件概率分布表；(4)根据步骤(2)中的生活数据贝叶斯网络，使用联合树推理算法，基于特定行为的概率计算其他行为发生的概率，完成个人生活行为分析预测。2.根据权利要求1所述的基于贝叶斯网络的个人数据分析方法，其特征在于：步骤(1)中的行为属性包括行为主体、时间、地点、环境、状态、客体和结果。3.根据权利要求1所述的基于贝叶斯网络的个人数据分析方法，其特征在于：步骤(2)中的生活数据贝叶斯网络构建过程为：(21)选定行为作为节点，根据行为之间的逻辑关系及时序关系进行网络的初始化，得到一个有向无环网络；(22)通过最大信息系数来衡量网络中两个节点Xi与Xj的关联程度，进行初始化，得到一个单连通网络；(23)通过条件互信息进行条件独立性检测，对步骤(22)中的单连通网络进行增厚，得到无向网络S；(24)在保证无向网络S连通性的前提下，进行条件独立性检测，进行网络中的冗余边去除；(25)利用BDe评分函数和贪婪搜索算法进行结构学习，得到评分最优的网络结构。4.根据权利要求3所述的基于贝叶斯网络的个人数据分析方法，其特征在于：步骤(22)中进行初始化的过程为，计算每个节点Xi与其他节点的最大信息化系数MIC，找出其最大值MMIC(Xi)，找出满足MICδ(Xi,Xj)≥αMMIC(Xi)或者MICδ(Xi,Xj)≥αMMIC(Xj)的边(Xi,Xj)，并将满足要求的边加入序列L，对序列进行降序排列，若Xj和Xj之间不存在边，则添加边，如此重复，构造一个单连通网络，其中阈值因子α＝0.8。5.根据权利要求3所述的基于贝叶斯网络的个人数据分析方法，其特征在于：步骤(23)中所述的网络增厚的方法为：对于每对顶点(Xi，Xj)，找出与节点Xi相连的节点集合N1以及与Xj相连的节点集合N2，通过dSeparateA函数对N1和N2进行D-separate检...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。