[發明專利]一種基于隱馬爾可夫模型的消費者線下消費行為預測方法

在審

• 申請號: 201710728972.6
• 申請日: 2017-08-23
• 公開（公告）號: CN107563801A
• 公開（公告）日: 2018-01-09
• 發明（設計）人: 鄭增威;周燕真;孫霖
• 申請（專利權）人: 浙江大學城市學院
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 杭州九洲專利事務所有限公司33101
• 代理人: 張羽振

1.一種基于隱馬爾可夫模型的消費者線下消費行為預測方法，其特征在于：包括如下步驟：

步驟一、數據預處理得到觀測序列：

抽取消費者的長度為t的歷史商家消費數據{shop₁，shop₂，...，shop_t}并對消費者的歷史消費線下商家進行編號；然后根據時間順序把消費數據按照商家編號轉換成觀測值序列(o₁o₂...o_t)；

步驟二、初始化隱馬爾可夫模型：

通過一個三元組參數確定一個隱馬爾可夫模型，λ＝(A，B，π)指代，分別包含轉移矩陣A、混淆矩陣B和初始狀態矩陣π；給參數A，B，π置隨機初始值λ＝(A₁，B₁，π₁)；

步驟三、使用Baum-Welch算法和觀測序列(o₁o₂...o_t)對模型進行迭代：

已知觀測序列O＝(o₁o₂...o_T)，估計參數模型λ＝(A，B，π)，使得該模型下觀測概率P＝(O|λ)最大；

Baum-Welch算法具體步驟：

輸入：觀測數據O＝(o₁，o₂...o_T)

輸出：隱馬爾可夫模型參數

1)初始化：對于n＝0,選取得到模型λ⁽⁰⁾＝(A⁽⁰⁾，B⁽⁰⁾，π⁽⁰⁾)

2)遞推，對于n＝1，2，...，

aij(n+1)=Σt=1T-1ξt(i,j)Σt=1T-1γt(i)bj(k)(n)=Σt=1,ot=vkT-1γt(i)Σt=1Tγt(i)πi(n)=γ1(i)]]>

其中，a_ij＝P(y_t+1＝S_j|y_t＝S_i) b_ij＝P(x_t＝O_j|y_t＝S_i) π_i＝P(y₁＝S_i)，

ξt(i,j)=P(it=i,it+1=j,O|λ)P(O|λ)=Σi=1NΣj=1Nαt(i)aijbj(ot+1)βt+1(j),]]>

γt(i)=P(it=i,O|λ)=αt(i)βt(i)Σi=1NΣj=1Nαt(i)aijbj(ot+1)βt+1(j);]]>

α_t(i)為前向變量，即輸出為(o₁，o₂...o_t)，在t時刻位于狀態S_i的概率；β_t(i)為后向變量，即時刻t狀態為S_i后輸出為(o_t+1，o_t+2...o_T)的概率；

3)終止，得到模型參數λ⁽ⁿ⁺¹⁾＝(A⁽ⁿ⁺¹⁾，B⁽ⁿ⁺¹⁾，π⁽ⁿ⁺¹⁾)；

步驟四、使用Viterbi算法和訓練好的模型，計算觀測序列(o₁o₂...o_t)對應的最優的狀態序列；然后預測t+1時刻的最有可能的狀態y_t+1，然后計算t+1時刻概率最大的觀測值；

Viterbi算法具體步驟：

輸入：觀測數據O＝(o₁，o₂...o_T)

輸出：隱馬爾可夫模型參數

輸出：最優隱狀態概率I＝(i₁，i₂...i_T)

1)初始化：δ₁(i)＝π_ib_i(o₁),1≤i≤N ψ₁(i)＝0

2)遞推，對于t＝2，3，...，T

δt(j)=max1≤i≤N[δt-1(i)aij]bj(ot)ψt(i)=argmax1≤i≤N[δt-1(i)aij]bj(ot)]]>

其中，δ_t(i)是Viterbi變量，ψ_t(i)是路徑記憶變量；

3)終止，

4)回溯最優路徑，t＝T-1，T-2，...，1

i_t＝ψ_t+1(i_t+1)；

步驟五、通過計算的t+1時刻概率最大的觀測值o_t+1并對照商家編號即可得到消費者在t+1時刻最有可能消費的線下商店shop_t+1。