[發明專利]一種大規模群體活動與群體交互行為時空關聯推理方法

在審

• 申請號: 201710444721.5
• 申請日: 2017-06-13
• 公開（公告）號: CN107194467A
• 公開（公告）日: 2017-09-22
• 發明（設計）人: 方志祥;蕭世倫;馮明翔;倪雅倩
• 申請（專利權）人: 武漢大學
• 主分類號: G06N5/04
• 分類號: G06N5/04
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙)42222
• 代理人: 魏波

技術領域

本發明屬于行為推理技術領域，涉及一種大規模群體活動與群體交互行為時空關聯推理方法，具體涉及一種大規模手機用戶群體活動與群體交互行為(如：手機通信社交網中的消息傳播、活動約定等)的時空關聯推理方法。

背景技術

大規模群體活動與交互行為的理解是極富有挑戰的研究領域。目前對于群體活動時空關聯推理的研究主要從兩個角度出發：基于學習和基于規則。基于學習的方法又能夠進一步分為有監督學習和無監督學習兩個分支。其中，有監督學習要求必須使用帶有標記的數據進行訓練，其常用方法包括隱式馬爾科夫模型、貝葉斯網等；無監督學習直接從未標注的數據概率框架，完成從數據特征到行為的推理。基于規則的方法則利用邏輯知識建立數據特征與行為之間推理規則，利用提取的數據特征，從可能發生的行為集合中得到匹配的最小集合，進而實現整個推理過程。相比較而言，基于學習的推理方法需要大量的訓練樣本，且難以進行現有知識的融合。而基于規則的方法能夠方便知識的表達，但需要提供完整的規則定義。

目前的方法對群體活動特征的理解不足，活動特征與交互行為之間的關聯關系難以表達，不同特征之間的區別程度以及不同特征對交互行為的影響程度都沒有明確的計算方法，不同群體活動特征與交互行為之間的時空關聯規則也沒有進行說明。

發明內容

為了解決上述技術問題，本發明提供了一種大規模群體活動與群體交互行為時空關聯推理方法。

本發明所采用的技術方案是：一種大規模群體活動與群體交互行為時空關聯推理方法，其特征在于，包括以下步驟：

步驟1：提取群體活動特征，所述群體活動特征包括群體活動時間特征、群體活動空間特征、群體活動強度特征；

步驟2：對群體活動特征進行邏輯運算，實現活動模式的提取；所述活動模式包括時間模式推理、空間模式推理和強度模式推理；

步驟3：組合時間模式集合、空間模式集合和強度模式集合，獲得群體活動模式結構組合集合；

步驟4：通過關系行為模型，計算每種群體活動發生的概率，實現利用群體活動模式結構組合集合對群體交互行為的層次化時空關聯推理。

相對于現有技術，本發明的有益效果是：目前有關行為方面的研究尚未從現實的物理空間到虛擬的網絡空間進行推理，本發明介紹了一種通過現實空間上的行為特征的提取、組合推理得到模式特征，在進行網絡空間上交互行為的關聯。該發明采用層次化推理方法，特征-模式-行為的推理方法能夠保證推理結果的準確性，結合歷史數據以及引入的知識，能夠進一步提升預測的準確程度。

附圖說明

圖1為本發明實施例的流程圖；

圖2為本發明實施例的群體活動發生移動時的計算原理圖；

圖3為本發明實施例的活動強度變化的4種模式示意圖。

具體實施方式

為了便于本領域普通技術人員理解和實施本發明，下面結合附圖及實施例對本發明作進一步的詳細描述，應當理解，此處所描述的實施示例僅用于說明和解釋本發明，并不用于限定本發明。

本發明主要實現根據群體活動特征對群體交互行為推理(如：手機通信社交網中的消息傳播、活動約定等)，考慮人群活動的特質，首先提取群體活動特征，對群體活動特征進行邏輯運算，實現活動模式的提取，最后通過關系行為模型，計算每種行為發生的概率，實現利用時空模式的組合特征對群體交互行為的層次化(群體活動特征、群體活動模式、群體交互行為)時空關聯推理的算法。

請見圖1，本發明提供的一種大規模群體活動與群體交互行為時空關聯推理方法，包括以下步驟：

步驟1：提取群體活動特征，所述群體活動特征包括群體活動時間特征、群體活動空間特征、群體活動強度特征；

其中，群體活動時間特征包括活動的開始時間、結束時間、活動時長；群體活動空間特征包括活動的起始位置、結束位置、活動范圍、活動地點的變化。群體活動活動強度根據參與活動的人群特征進行描述，因而活動強度特征包括參與活動的人數。從這三個方面對群體活動特征進行提取。

步驟2：對群體活動特征進行邏輯運算，實現活動模式的提取；所述活動模式包括時間模式推理、空間模式推理和強度模式推理；

其中時間模式推理，其具體實現包括以下子步驟：

步驟A1：將一天的時間根據居民的生活韻律劃分為7個階段，并將活動開始的時間與不同的時間階段對應起來，獲得活動開始時所處時間區間的活動時間特征；

時間階段、時間區間、時間活動特征對應關系為表1所示；

表1