基于时序网络挖掘的交互行为预测方法、装置及电子设备制造方法及图纸

技术编号:29593935 阅读:26 留言:0更新日期:2021-08-06 19:55
本说明书提供一种基于时序网络挖掘的交互行为预测方法,通信交互行为规律总结全面,能够对交互行为进行准确预测,包括:根据网络通信交互行为记录,构建交互行为时序网络;根据周期目标参数与季节目标参数从所述时序网络中筛选周期季节子图作为节点,构建子图生成树;根据关注度目标参数,从所述子图生成树中筛选出极大周期季节子图并确定网络通信交互行为规律,利用所述网络通信交互行为规律对网络交互行为进行预测。所述装置包括:时序网络模块、参数设定模块、子图生成树模块、子图筛选模块与行为预测模块。所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行以实现所述基于时序网络挖掘的交互行为预测方法的计算机程序。

【技术实现步骤摘要】
基于时序网络挖掘的交互行为预测方法、装置及电子设备
本说明书一个或多个实施例涉及网络通信
,尤其涉及一种基于时序网络挖掘的交互行为预测方法、装置及电子设备。
技术介绍
随着互联网网络技术不断发展,人们越来越依赖于网络进行沟通和信息交互,越来越多的数据通过互联网网络进行传输。在网络中同一时间内有大量数据进行传输时往往容易造成网络拥塞,这就对通信网络的稳定性和可靠性提出较高要求。为解决网络拥塞的问题,一种较优的思路是对网络中的通信交互行为进行预测,在用户通信交互频繁时有选择性针对性的为相应用户分配更多的网络通信资源。现有的通信交互行为预测方法往往是通过挖掘通信时序网络的周期性子图总结用户通信交互行为规律,从而实现对用户通信交互行为的预测。网络通信交互行为往往存在有季节性周期特性,而现有的挖掘周期性子图的工作往往忽略了通信交互行为的季节性特征,并且对于预测目标行为关注度的契合性也较低,对通信交互行为预测的效果也较差。
技术实现思路
有鉴于此,本说明书一个或多个实施例的目的在于提出一种基于时序网络挖掘的交互行为预测方法本文档来自技高网...

【技术保护点】
1.一种基于时序网络挖掘的交互行为预测方法,其特征在于,包括:/n根据网络通信交互行为记录,构建交互行为时序网络

【技术特征摘要】
1.一种基于时序网络挖掘的交互行为预测方法,其特征在于,包括:
根据网络通信交互行为记录,构建交互行为时序网络
设定周期目标参数σ、季节目标参数ω与关注度目标参数k;
根据所述周期目标参数σ与所述季节目标参数ω从所述时序网络中筛选σ-周期ω-季节子图作为节点,构建子图生成树SGT;
根据所述关注度目标参数k,按照自底向上的顺序对所述子图生成树进行遍历,从所述子图生成树SGT中筛选出极大σ-周期ω-季节k子图;
根据所述极大σ-周期ω-季节k子图确定网络通信交互行为规律,利用所述网络通信交互行为规律对网络交互行为进行预测。


2.根据权利要求1所述的方法,其特征在于,根据网络通信交互行为记录,构建交互行为时序网络包括:
将网络通信交互行为涉及用户作为所述时序网络的顶点;
若两个所述用户之间存在通信交互行为,则相应两顶点之间存在时序联接关系;
根据所述时序联接关系以及与所述时序连接关系相对应的交互时间确定时序边;
根据所述顶点与所述时序边构建所述时序网络


3.根据权利要求1所述的方法,其特征在于,所述根据所述周期目标参数σ与所述季节目标参数ω从所述时序网络中筛选σ-周期ω-季节子图作为节点,构建子图生成树SGT,包括:
以虚拟节点作为根节点,初始化生成所述子图生成树SGT;
从所述时序网络中筛选出单边且弱化支持度supp*不小于所述季节目标参数ω的子图作为所述子图生成树SGT的第一层子节点;
从第二层开始,根据上一层父节点对应子图从所述时序网络中选取扩展子图,并根据所述弱化支持度supp*对所述扩展子图进行筛选,根据筛选结果确定子节点,利用所述子节点对所述子图生成树SGT进行扩展;
所述扩展子图是指在上一层所述父节点子图基础上添加一条边的子图。


4.根据权利要求3所述的方法,其特征在于,所述根据所述弱化支持度supp*对所述扩展子图进行筛选,根据筛选结果确定子节点,包括:
对于第i(i≤k+1)层,筛选出所述弱化支持度supp*不小于所述季节目标参数ω的所述扩展子图作为上一层相应所述父节点的子节点;
对于第j(j>k+1)层,将所述扩展子图作为上一层相应所述父节点的子节点,根据所述扩展子图的所述弱化支持度supp*为相应所述子节点添加扩展标识;
其中,对于所述弱化支持度supp*不小于所述季节目标参数ω的所述扩展子图,将所述扩展标识设置为true,对于所述弱化支持度supp*不小于所述季节目标参数ω的所述扩展子图,将所述扩展标识设置为false;
将所述扩展标识为false的所述子节点设置为叶子节点。


5.根据权利要求3、4任意一项所述的方法,其特征在于,所述弱化支持度supp*的计算方法包括:
对于所述时序网络的子图S,其所述弱化支持度为:



其中,supp*(S)表示所述子图S的所述弱化支持度,supp(S)表示所述子图S的支持度,表示所述子图S的σ-周期时间支持度集合;
所述子图S的支持度supp(S)的含义为:所述子图S的时间支持度集合T(S)中所述σ-周期时间支持度集合的数目;
其中,对于所述时序网络与所述子图S,所述时间支持度集合T(S)的含义为:所有满足的时间戳集合,表示所述时序网络在时间戳tx时刻的快照;
对于所述时序网络与所述周期目标参数σ,...

【专利技术属性】
技术研发人员:郭得科张千桢袁昊廖汉龙罗来龙
申请(专利权)人:中国人民解放军国防科技大学
类型:发明
国别省市:湖南;43

网友询问留言 已有0条评论
  • 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。

1