[發(fā)明專利]一種行為預測方法和裝置

有效

• 申請?zhí)枺?/td>: 201611238181.7
• 申請日: 2016-12-28
• 公開（公告）號: CN106650273B
• 公開（公告）日: 2019-08-23
• 發(fā)明（設計）人: 劉力;王忠林
• 申請（專利權）人: 東方網力科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/26
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 張海洋

1.一種行為預測方法，其特征在于，包括：

獲取多個用戶的歷史數據集合，其中，每個所述歷史數據集合均包括多個歷史數據，所述歷史數據包括目標行為；

對所有所述歷史數據進行處理，得到所有所述歷史數據對應的最大頻繁項集，其中，所述最大頻繁項集中包括多個元素，每個所述元素按照支持度由小到大的順序排列，且，每個所述元素包括多個所述歷史數據，每個所述元素中的各個所述歷史數據按照支持度由小到大的順序排列；

根據目標行為和所述最大頻繁項集中的各個所述歷史數據，確定用于推導所述目標行為的多個有效關聯規(guī)則；

根據目標用戶的所述歷史數據集合和各個所述有效關聯規(guī)則，確定所述目標用戶執(zhí)行所述目標行為的概率；

其中，所述根據目標行為和所述最大頻繁項集中的各個所述歷史數據，確定用于推導所述目標行為的多個有效關聯規(guī)則，包括：

根據目標行為和所述最大頻繁項集中的各個所述歷史數據，確定推導出的所述歷史數據為所述目標行為的多個關聯規(guī)則；

確定支持度、置信度均滿足要求的所述關聯規(guī)則為有效關聯規(guī)則。

2.根據權利要求1所述的方法，其特征在于，所述對所有所述歷史數據進行處理，得到所有所述歷史數據對應的最大頻繁項集，包括：

對所有所述歷史數據進行處理，得到所述歷史數據對應的第K候選項集，其中，所述第K候選項集包括多個候選元素，每個所述候選元素均包括K個所述歷史數據，且每個所述候選元素中，支持度最小的所述歷史數據為首位歷史數據，支持度最大的所述歷史數據為末位歷史數據；其中，K大于等于2；

對所述第K候選項集進行處理，得到第K頻繁項集，其中，所述第K頻繁項集包括多個頻繁元素，每個所述頻繁元素的支持度均大于預設支持度，各個所述頻繁元素按照支持度由小到大的順序進行排序，每個所述頻繁元素均包括K個所述歷史數據，且每個所述頻繁元素中，支持度最小的所述歷史數據為首位歷史數據，支持度最大的所述歷史數據為末位歷史數據；

若所述第K頻繁項集中，存在前K-1個所述歷史數據相同的多個所述頻繁元素，則將前K-1個所述歷史數據相同的多個所述頻繁元素進行合并，得到第K+1候選項集，若所述第K頻繁項集中，不存在前K-1個所述歷史數據相同的多個所述頻繁元素，則將所述第K頻繁項集確定為所有所述歷史數據對應的最大頻繁項集。

3.根據權利要求2所述的方法，其特征在于，所述對所述第K候選項集進行處理，得到第K頻繁項集，包括：

對于所述第K候選項集中的每個所述候選元素，確定所述候選元素中的前K-1個所述歷史數據共同出現的所述歷史數據集合，根據確定的所述歷史數據集合確定所述候選元素的支持度；

根據所述第K候選項集中每個所述候選元素的支持度，以及所述預設支持度，對各個所述候選元素進行篩選，得到支持度大于所述預設支持度的所述候選元素；

根據得到的每個所述候選元素的支持度由小到大的順序，對得到的每個所述候選元素進行排序，得到第K頻繁項集。

4.根據權利要求2所述的方法，其特征在于，按照如下方法確定第二候選項集：

將所有所述歷史數據進行組合，得到第一候選項集；

確定所述第一候選項集對應的第一頻繁項集，其中，所述第一頻繁項集中，每個所述歷史數據的支持度均大于所述預設支持度，且每個所述歷史數據按照支持度由小到大的順序進行排序；

根據所述第一頻繁項集中各個所述歷史數據的順序，對所述第一頻繁項集中的各個所述歷史數據進行組合，得到第二候選項集，其中，所述第二候選項集包括多個候選元素，每個所述候選元素均包括兩個所述歷史數據，且每個所述候選元素中，支持度最小的所述歷史數據為首位歷史數據，支持度最大的所述歷史數據為末位歷史數據。

5.根據權利要求1所述的方法，其特征在于，還包括：

根據每個所述有效關聯規(guī)則中用于推導的所述歷史數據，在所有所述歷史數據中出現的第一概率，以及推導出的所述歷史數據，在所有所述歷史數據中出現的第二概率，確定每個所述有效關聯規(guī)則的必然度；

根據每個所述有效關聯規(guī)則的必然度和每個所述有效關聯規(guī)則的置信度，更新每個所述有效關聯規(guī)則的置信度。