[發明專利]基于混合Markov模型的業務協同預測方法

有效

• 申請號: 201710083659.1
• 申請日: 2017-02-16
• 公開（公告）號: CN106991490B
• 公開（公告）日: 2020-05-05
• 發明（設計）人: 張暉;征原
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 朱小兵;劉莎

1.基于混合Markov模型的業務協同預測方法，其特征在于，具體步驟如下：

步驟1，根據用戶的業務訪問特點，計算用戶之間的相似度；

用戶之間相似度的計算方法，具體為：

所述用戶根據其業務興趣指標值進行描述，即第i個用戶u_i＝{u_i1,u_i2,…,u_in}，其中，i＝1,2,…,m，m為用戶數，u_ia為第i個用戶對第a個業務的業務興趣指標值，a＝1,2,…,n，n為業務數；

第i個用戶u_i與第i個用戶u_j之間的相似度為：Sim(u_i,u_j)＝Sim(u_i,u_j)^s+Sim(u_i,u_j)^d，其中，Sim(u_i,u_j)^s為u_i和u_j對任何一對業務(x,y)偏好一致時的相似度，偏好系數Sim(u_i,u_j)^d為u_i和u_j對任何一對業務(x,y)偏好不一致時的相似度，偏好系數

步驟2，在用戶的歷史行為序列中，選取用戶最近發生的沒有重復業務行為的一段歷史行為序列作為預測序列；

步驟3，根據預測序列以及用戶對不同業務的偏好程度，計算用戶下一時刻業務的預測概率分布；

用戶下一時刻業務的預測概率分布p_S^*的計算方法，具體為：

其中，x(S_l)表示l階預測序列S_l在歷史行為序列中出現的次數，l階預測序列S_l表示預測序列S中最近的l個業務行為構成的序列，L表示預測序列S的長度；p(s_a|S_l)表示在l階預測序列S_l后發生業務狀態s_a的概率，x(S_ls_a)表示在歷史行為序列中出現l階預測序列S_l后業務狀態s_a發生的次數；p(s_b|S_l)表示在l階預測序列S_l后發生業務狀態s_b的概率，x(S_ls_b)表示在歷史行為序列中出現l階預測序列S_l后業務狀態s_b發生的次數；表示用戶對業務狀態s_a的偏好程度，表示的均值，表示的方差，表示用戶第v次在業務狀態s_a停留的時長；

步驟4，選擇與目標用戶相似度最高的K個用戶組成目標用戶的最近鄰集合，根據目標用戶的最近鄰集合中各個用戶的下一時刻業務的預測概率分布，計算目標用戶下一時刻業務的預測概率分布，目標用戶下一時刻業務的預測概率分布中最大概率值對應的業務狀態即為目標用戶在下一時刻的預測業務狀態；

目標用戶下一時刻業務的預測概率分布p_S^**的計算方法，具體為：

其中，p_S^*k表示目標用戶的最近鄰集合中第k個用戶u_k的下一時刻業務的預測概率分布，γ_k表示目標用戶的最近鄰集合中第k個用戶u_k的權重，Sim(u_r,u_k)表示目標用戶u_r與目標用戶的最近鄰集合中第k個用戶u_k之間的相似度。