[發(fā)明專利]一種基于選擇記憶的馬爾可夫模型的用戶位置預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201911097403.1
• 申請日: 2019-11-12
• 公開（公告）號: CN111125551B
• 公開（公告）日: 2021-04-06
• 發(fā)明（設(shè)計(jì)）人: 顏成鋼;李文超;孫垚棋;張繼勇;張勇東;沈韜
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G06F16/9537
• 分類號: G06F16/9537;G06F17/18;G06Q50/00
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 楊舟濤

1.一種基于選擇記憶的馬爾可夫模型的用戶位置預(yù)測方法，其特征在于，具體步驟如下：

步驟(1)、確定用戶位置預(yù)測的基本數(shù)學(xué)模型：

社交媒體中的用戶信息基本包含了用戶身份信息U，用戶位置信息L，打卡的時間信息T，社交關(guān)系信息E；用戶身份信息U＝(u₁,u₂,u₃,…,u_x),由社交媒體平臺的用戶ID信息組成，用戶位置信息其中l(wèi)＝(lon,lat)，lon表示用戶位置的經(jīng)度坐標(biāo)信息，lat表示用戶位置的緯度坐標(biāo)信息；打卡時間信息其中t表示打卡的時間戳；

用戶位置預(yù)測即通過用戶的當(dāng)前位置信息及歷史位置信息預(yù)測用戶下一步的位置，計(jì)算公式如下式所示：

上式中v＝1,2,3…x'，M為需要求解的預(yù)測模型；

設(shè)置固定的時間變化，僅考慮位置的變遷，則用戶位置預(yù)測方法的公式可簡化為：

步驟(2)、確定基本的馬爾可夫預(yù)測模型的數(shù)學(xué)模型

有限狀態(tài)空間上的馬爾可夫鏈?zhǔn)侵冈诳蓴?shù)狀態(tài)集S上的離散隨機(jī)過程，且滿足馬爾可夫特性，即無記憶特性；

式中，i_n,i_n-1,…,i₀∈S，n∈N；

引入轉(zhuǎn)移概率p_ij(n)，公式如下；

p_ij(n)＝P(X(n+1)＝j(luò)|X(n)＝i),i,j∈S (4)

考慮時間同質(zhì)馬爾可夫鏈，將轉(zhuǎn)移概率簡化為p_ij，不再依賴時間索引n∈N；

p_ij＝P(X(n+1)＝j(luò)|X(n)＝i),i,j∈S (5)

記P為狀態(tài)轉(zhuǎn)移矩陣，

狀態(tài)轉(zhuǎn)移矩陣P滿足以下性質(zhì)，

步驟(3)、構(gòu)建選擇記憶單元的數(shù)學(xué)模型：

在用戶位置預(yù)測中，用戶訪問的位置點(diǎn)定義為狀態(tài)，通過社交媒體上的歷史記錄數(shù)據(jù)可以求取相應(yīng)的狀態(tài)轉(zhuǎn)移矩陣；

馬爾可夫特性簡化了計(jì)算，但丟失了大量有用信息，本發(fā)明引入了選擇記憶功能，定義記憶單元轉(zhuǎn)換矩陣為：

H＝(H₂,H₃,…,H_h) (8)

式中，h表示最長記憶時間距離；

在實(shí)際的用戶位置變遷過程中，下一步的可能目的地不僅與當(dāng)前位置有關(guān)，還受到過去到達(dá)過的位置的影響，同時吸取馬爾可夫特性簡化計(jì)算的優(yōu)勢，對于前k步的記憶，忽略k+1步影響，定義記憶單元中：

步驟(4)、構(gòu)建選擇記憶的馬爾可夫模型M：

M＝[P,H₂,H₃,…,H_h]W (11)

式中，W∈R^h×1表示選擇記憶權(quán)重向量，人類越臨近的行為對未來行為影響作用越大，基于該人類行為的基本規(guī)律，對于選擇記憶權(quán)重向量W中各個元素w_k的取值原則為,k值越小，則相應(yīng)的權(quán)重值w_k越大，定義當(dāng)前步k＝1；為降低運(yùn)算復(fù)雜度，將W定義為One-hot向量，公式如下：

步驟(5)、預(yù)處理真實(shí)的原生用戶打卡數(shù)據(jù)；

原生用戶打卡數(shù)據(jù)稀疏性較強(qiáng)，在不影響模型預(yù)測精度的情況下，為提升計(jì)算效率，將用戶中打卡總數(shù)少于閾值θ₁的用戶剔除，將被打卡地點(diǎn)中打卡次數(shù)少于閾值θ₂的地點(diǎn)剔除；根據(jù)用戶打卡行為的統(tǒng)計(jì)規(guī)律，將每連續(xù)Γ時長內(nèi)的打卡行為記錄劃分為一個時間窗口，考慮到打卡數(shù)據(jù)本身潛在的周期性與序列性，確定了用戶時間窗口數(shù)閾值θ₃和單個時間窗口內(nèi)打卡次數(shù)閾值θ₄，將用戶時間窗口總數(shù)少于閾值θ₃的用戶剔除，將單個時間窗口內(nèi)打卡次數(shù)小于閾值θ₄的窗口剔除；

步驟(6)、訓(xùn)練選擇記憶的馬爾可夫模型

將預(yù)處理后的數(shù)據(jù)輸入提出的選擇記憶的馬爾可夫模型M，模型訓(xùn)練的程序通過python語言編寫；最后通過訓(xùn)練后的選擇記憶的馬爾可夫模型M進(jìn)行用戶位置預(yù)測。