[發明專利]一種行為預測方法和裝置

有效

• 申請號: 201611238181.7
• 申請日: 2016-12-28
• 公開（公告）號: CN106650273B
• 公開（公告）日: 2019-08-23
• 發明（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

本發明提供了一種行為預測方法和裝置，其中，該方法包括：獲取多個用戶的歷史數據集合，其中，每個歷史數據集合均包括多個歷史數據，歷史數據包括目標行為；對所有歷史數據進行處理，得到所有歷史數據對應的最大頻繁項集，其中，最大頻繁項集中包括多個元素，每個元素按照支持度由小到大的順序排列，且，每個元素包括多個歷史數據，每個元素中的各個歷史數據按照支持度由小到大的順序排列；根據目標行為和最大頻繁項集中的各個歷史數據，確定用于推導目標行為的多個有效關聯規則；根據目標用戶的歷史數據集合和各個有效關聯規則，確定目標用戶執行目標行為的概率，其利用改進的關聯規則算法進行預測，預測準確度較高，且操作簡單，實用性較佳。

技術領域

本發明涉及行為預測技術領域，具體而言，涉及一種行為預測方法和裝置。

背景技術

當前，我們的社會在經濟政治和科學技術等方面均經歷著巨大的改變。社會的發展雖然給我們的生活帶來了許許多多的便利，但是，形形色色的違法犯罪行為也時常出現在我們身邊。這些呈現出高科技化、團伙化、智能化的犯罪行為嚴重影響這我們正常生活秩序。長久以往，更是阻礙社會和諧發展一大障礙。長年累月下來，監獄改造信息管理系統中積累了大量的犯罪人員相關數據。然而，該如何利用好這些已有的犯罪人員相關數據，實現對犯罪行為的有效分析和管控，是擺在監獄管理人員面前的一大難題，也是監獄系統迫切需要研究的課題。

現有技術中提供的人員再犯罪的預測方案大體分為兩種：一種是基于決策樹算法的再犯罪預測方法，該方法首先選用樣本屬性，該樣本屬性是用于預測犯罪分子再犯罪的可能因素，其次從搜集的慣犯實施刑事案件材料中選取代表性案件，并在決策樹分類模型中對上述代表性案件進行分類訓練，最后通過決策樹輸出一組規則，以通過該規則判斷犯罪分子是否再犯罪。另一種是基于綜合科學的再犯罪預測方法，該方法綜合社會學、心理學和管理學等科學學科，研究再犯罪風險與風險評估、再犯罪風險的基本因素和再犯罪風險的各種主客觀因素，最后給出再犯罪風險評估的實體標準。

發明人在研究中發現，現有技術中基于決策樹算法的再犯罪預測方法由于受限于決策樹算法自身存在的多值偏向的問題，導致預測的結果較為單一且預測準確度較低，而基于綜合科學的再預測方法，操作過程復雜，實用性較差。另外，對于同時滿足預測準確度高和實用性佳的犯罪行為再預測尚無完善的方案。

發明內容

有鑒于此，本發明的目的在于提供一種行為預測方法和裝置，利用改進的關聯規則算法對用戶的行為進行預測，預測的準確度較高，且操作過程簡單，具有較高的實用性。

第一方面，本發明實施例提供了一種行為預測方法，所述方法包括：

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則，確定所述目標用戶執行所述目標行為的概率。

結合第一方面，本發明實施例提供了第一方面的第一種可能的實施方式，其中，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；