[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

技術領域

本發明涉及一種基于隱馬爾可夫模型的消費者線下消費行為的預測方法，主要是一種對消費者歷史線下消費數據進行處理，通過隱馬爾可夫模型預測該用戶未來最有可能消費的線下商店的方法。

背景技術

隨著電子商務的不斷發展，O2O模式和手機移動支付也在迅速的發展。用戶在線下消費時會產生大量的消費數據，這些數據中包含了很多有用的信息。通過分析這些信息，可以分析各個消費者的消費習慣從而預測消費者未來可能的消費行為，這對給用戶提供更好的個性化推薦服務和商家優化經營和管理策略都是非常重要的。

如何更好的利用歷史消費數據從而有效快速地預測消費者未來的消費行為，是本領域技術人員急需解決的問題。

發明內容

本發明的目的是克服現有技術中的不足，提供一種基于隱馬爾可夫模型的消費者線下消費行為的預測方法。

基于隱馬爾可夫模型的消費者線下消費行為預測方法，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，…，

其中，α_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)，

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)