一种用于网络环境的用户行为预测系统及其方法技术方案

一种用于网络环境的用户行为预测系统，包括用户行为感知分支，用户行为模拟预测分支，用户行为数据记录分支；预测方法的步骤为：步骤1，运行预测算法命令；步骤2，用户行为感知分支感知用户行为，并按照系统要求将数据记录到用户行为记录分支；步骤3，用户行为模拟预测分支从用户行记录分支获取数据，群体行为预测子分支根据数据识别相似用户，并计算行为模式，将相关数据存入用户行为记录分支，目标用户行为预测子分支，根据数据对该用户行为进行分析计算其行为模式，并利用群体行为预测子分支的数据模拟计算预测该用户后续行为；具有不仅考虑个体用户行为特性且考虑用户所属群体行为特性的特点，有效的提高了预测的精度。有效的提高了预测的精度。有效的提高了预测的精度。

【技术实现步骤摘要】
一种用于网络环境的用户行为预测系统及其方法


[0001]本专利技术属于互联网用户的行为预测
，特别涉及一种用于网络环境的用户行为预测系统及其方法。

技术介绍

[0002]随着移动通信技术的迅速发展，以及各类移动智能终端的迅速普及，移动互联网应用呈现出爆炸性增长。在这种背景下，多样的用户需求与海量的应用数据对现有的网络通讯、处理、服务等技术带来了新的要求。特别是随着时延敏感型应用的持续增加，实时请求-处理的服务模式需求的增加，目前现有的技术比较难以满足这些应用的低时延需求。
[0003]在这种背景下，如果能提前根据用户的历史行为较好的预测出其未来的需求，将大幅提高时延敏感型等应用的服务效果。由于用户的行为具有地点局部性，以及时间局部性，即某个特定的地点大量用户的行为可能具有相关性，以及每个用户在一定时间间隔内其行为也可能具有相关性，那么利用用户行为的这两个特点，将能通过用户的历史行为，准确的预测出用户的未来行为，从而达到各类资源预先部署，提高用户体验。

技术实现思路

[0004]为克服上述现有技术的不足，本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于网络环境的用户行为预测系统，其特征在于，包括用户行为感知分支，用户行为模拟预测分支，用户行为数据记录分支；所述的用户行为感知分支根据系统要求感知记录用户发生行为的时间以及类型，为其他分支提供数据；所述的用户行为模拟预测分支根据用户行为感知分支所取得的数据根据算法进行相关计算，然后模拟预测出用户未来的行为；所述的用户行为记录分支用于存储收集到的数据以及产生的中间可用数据。2.根据权利要求书1所述的一种用于网络环境的用户行为预测系统，其特征在于，所述的用户行为感知分支，感知本地区内每个用户的行为并记录其发生的时间，构建历史行为序列并存入用户行为记录分支。3.根据权利要求书1所述的一种用于网络环境的用户行为预测系统，其特征在于，所述的用户行为模拟预测分支，进一步包括：群体行为预测子分支，目标用户行为预测子分支；所述的群体行为预测子分支，根据用户行为记录分支所存储的本地区用户历史行为序列，识别本地区相似用户，并模拟计算相似用户的行为模式，然后根据相似用户的行为模式与目标用户的行为序列模拟计算目标用户后续行为发生概率，然后预测后续行为；所述的目标用户行为预测子分支，根据用户行为记录子分支记录的当前用户历史行为，识别其行为模式，并利用群体行为预测子分支的数据模拟计算预测该用户后续行为。4.根据权利要求书1所述的一种用于网络环境的用户行为预测系统，其特征在于，所述的用户行为记录分支，用于记录用户感知分支感知到的用户数据，以及系统运行过程中产生的中间数据。5.一种用于网络环境的用户行为预测方法，其特征在于，包括以下步骤：步骤1，运行预测算法命令；步骤2，用户行为感知分支感知用户行为，并按照系统要求将数据记录到用户行为记录分支；步骤3，用户行为模拟预测分支从用户行为记录分支获取数据，群体行为预测子分支根据数据识别相似用户，并计算行为模式，将相关数据存入用户行为记录分支，目标用户行为预测子分支，根据数据对该用户行为进行分析计算其行为模式，并利用群体行为预测子分支的数据模拟计算预测该用户后续行为。6.根据权利要求5所述的一种用于网络环境的用户行为预测方法，其特征在于，所述的步骤1，用户行为感知分支感知用户行为的种类并记录该行为发生的时间，感知到的行为序列表示为：U
i
＝L
i
{l
i1
,l
i2
,
…
,l
in
}，其中：U
i
表示第i个用户，L
i
表示用户行为序列，l
i1
表示用户行为类型以及发生的时间。7.根据权利要求书5所述的一种用于网络环境的用户行为预测方法，其特征在于，所述的步骤3，用户行为模拟预测分支进行用于行为的预测，其具体方法为：群体行为预测子分支根据存储的本地区用户历史行为序列，找出N个用户的行为交集,用户U
i
的历史行为序列中行为种类集合为E
i
＝{e
i1
,e
i2
,
…
,e
in
},则所有用户的行为种类交集计算方式如下：SUMV＝E1∩E2∩
…
∩E
n
＝{CE1,CE2,
…
,CE
m
}即共有m个交集事件，
定义用户相似度α，根据以下公式计算用户相似度：其中，SUMV为所有用户的行为种类数，Sum(E
i
)为第U
i
个用户的行为种类数，βi为用户U
i
的群体相似度，相似用户通过以下方式识别：βi≥α目标用户行为预测子分支根据群体行为预测子分支的结果，以及目标用户行为序列的特性，计算模拟目标用户的行为；由于用户的行为具有时间局部性，所以将用户行为根据发生的时间间隔划分为不同的集合，预设其划分时间间隔标准为T,即在某个用户的行为序列中，将相邻连续行为事件发生时间间隔小于T的子序列划分为一个集合，由此一个用户的行为序列可能划分出若干集合，用户U
i
划分出的第i个集合表示如下:U
i
S
i
＝{l
i1
,l
i2
,
…
,l
in
}其中l
in
满足t(l
in
)-t(l
in-1
)≤T其中t(l
in
)为行为l
in
发生的时刻，...

【专利技术属性】
技术研发人员：高全力，杨昊，李雪花，郭帅，胡发丽，李庆敏，高岭，
申请(专利权)人：西安工程大学，
类型：发明
国别省市：