[發(fā)明專利]挖掘高效用連續(xù)序列模式的方法、裝置及計(jì)算機(jī)存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110727658.2
• 申請日: 2021-06-29
• 公開（公告）號: CN113407543A
• 公開（公告）日: 2021-09-17
• 發(fā)明（設(shè)計(jì)）人: 張春慨
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)（深圳）
• 主分類號: G06F16/22
• 分類號: G06F16/22;G06F16/2458
• 代理公司: 深圳市添源知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44451
• 代理人: 于標(biāo)

本發(fā)明公開了一種挖掘高效用連續(xù)序列模式的方法、裝置及計(jì)算機(jī)存儲介質(zhì)，包括：建立映射數(shù)據(jù)庫；根據(jù)所述映射數(shù)據(jù)庫生成初始候選序列模式，并逐次作為當(dāng)前序列模式，確定當(dāng)前序列模式并統(tǒng)計(jì)其效用值和效用上界；當(dāng)效用值大于或等于閾值時(shí)，確定所述當(dāng)前序列模式為高效用連續(xù)序列模式；當(dāng)效用上界大于或等于閾值時(shí)，將所述當(dāng)前序列模式作為候選序列模式；在連續(xù)約束條件下，若所述候選序列模式可進(jìn)行擴(kuò)展，則在所述候選序列模式基礎(chǔ)上生成擴(kuò)展序列模式，將所述擴(kuò)展序列模式作為當(dāng)前序列模式，并根據(jù)所述當(dāng)前序列模式映射數(shù)據(jù)庫統(tǒng)計(jì)所述當(dāng)前序列模式的效用值和效用上界。本發(fā)明能夠滿足當(dāng)前點(diǎn)擊流日志挖掘分析的應(yīng)用需求。

技術(shù)領(lǐng)域

本申請涉及數(shù)據(jù)挖掘技術(shù)領(lǐng)域，特別是涉及一種挖掘高效用連續(xù)序列模式的方法、裝置及計(jì)算機(jī)存儲介質(zhì)。

背景技術(shù)

在互聯(lián)網(wǎng)時(shí)代，每天有許多用戶訪問不同的網(wǎng)絡(luò)站點(diǎn)，從而產(chǎn)生大量點(diǎn)擊流日志。點(diǎn)擊流記錄了各個(gè)用戶的網(wǎng)頁瀏覽軌跡以及對應(yīng)的瀏覽時(shí)長等信息，它可以簡單地用一個(gè)序列來表示。例如一個(gè)點(diǎn)擊流序列：(A:1),(C:3),(D:4),(F:1)表示用戶依次瀏覽了A，C，D，F(xiàn)四個(gè)網(wǎng)頁，瀏覽時(shí)長分別為1，3，4，1個(gè)時(shí)間單位，這種類型的序列也稱為帶有效用值的序列，其中效用值指的就是瀏覽時(shí)長。通過挖掘分析點(diǎn)擊流日志中效用值總和高的序列模式，可以得出這樣的信息：用戶瀏覽完某個(gè)網(wǎng)頁后，通常瀏覽的下一個(gè)網(wǎng)頁是什么，即哪些網(wǎng)頁是高度相關(guān)的；用戶在哪些網(wǎng)頁上的瀏覽時(shí)間較長，即哪些網(wǎng)頁是用戶最感興趣的等等。利用這些信息，網(wǎng)站服務(wù)提供者在技術(shù)上可以改進(jìn)網(wǎng)站的拓?fù)浣Y(jié)構(gòu)，在有高度相關(guān)性的網(wǎng)頁之間安排快速的訪問路徑，提升用戶的訪問效率；在業(yè)務(wù)上，可以在熱門網(wǎng)頁投放廣告，提高廣告曝光度；還可以根據(jù)用戶興趣來進(jìn)行網(wǎng)頁內(nèi)容推薦，改善用戶體驗(yàn)。綜上所述，通過運(yùn)用高效用序列模式挖掘技術(shù)，可以獲取到網(wǎng)站點(diǎn)擊流日志中蘊(yùn)含的用戶行為規(guī)律信息，這些信息對于網(wǎng)站服務(wù)提供者而言極具價(jià)值。

當(dāng)前的高效用序列模式挖掘算法能夠挖掘出點(diǎn)擊流數(shù)據(jù)庫中的效用值高于預(yù)定閾值的所有序列模式，即高效用序列模式。但是，在點(diǎn)擊流分析這一具體的應(yīng)用場景之下，并非所有的高效用序列模式都是有意義的。例如，給定兩個(gè)點(diǎn)擊流序列：(B:10),(A:3),(C:1),(H:2),(D:1),(G:1),(F:5)和(B:9),(C:2),(F:6)，最小效用閾值設(shè)置為25，我們可以得出只有模式B,F的效用值為30，高于閾值。如果將該模式返回給網(wǎng)站服務(wù)提供者，他們會誤以為用戶瀏覽完網(wǎng)頁B以后，很有可能立即瀏覽網(wǎng)頁F。然而，如以上兩個(gè)點(diǎn)擊流序列所示，實(shí)際情況并非如此，尤其是在第一個(gè)點(diǎn)擊流中，B與F之間間隔了許多個(gè)網(wǎng)頁。針對這個(gè)問題，研究者們提出了高效用連續(xù)序列模式挖掘，在高效用序列模式挖掘問題基礎(chǔ)上增加了連續(xù)約束，即挖掘出的序列模式必須是數(shù)據(jù)庫中至少一個(gè)序列的連續(xù)子序列。相對于常規(guī)的高效用序列模式，高效用連續(xù)序列模式更能反映出網(wǎng)絡(luò)用戶的連續(xù)訪問偏好。

已有的高效用連續(xù)序列模式挖掘算法只能處理每個(gè)時(shí)間點(diǎn)僅有一個(gè)事件發(fā)生的序列，在點(diǎn)擊流序列中，每個(gè)時(shí)刻用戶只能瀏覽一個(gè)網(wǎng)頁。然而在實(shí)際應(yīng)用中，存在用戶同時(shí)瀏覽多個(gè)網(wǎng)頁的情況，點(diǎn)擊流序列是更加復(fù)雜的。例如，用戶網(wǎng)購時(shí)，同時(shí)打開了多個(gè)電商平臺頁面對比商品價(jià)格；用戶在瀏覽新聞門戶時(shí)，可能會同時(shí)打開音樂平臺收聽音樂。類似的場景還有許多，在這種情況下，點(diǎn)擊流序列形如{(B:3)(D:4)},{(C:1)},{(H:2)(E:1)}，該序列表示用戶先同時(shí)瀏覽了網(wǎng)頁B和D，然后瀏覽了C，最后同時(shí)瀏覽H和E。這種形式的序列中，一個(gè)花括號“{}”中的內(nèi)容組成一個(gè)項(xiàng)集，項(xiàng)集中的各個(gè)元素稱為項(xiàng)，例如，(B:3)是上述序列的第一個(gè)項(xiàng)集中的項(xiàng)。現(xiàn)有的高效用序列模式挖掘算法，能夠處理這樣的復(fù)雜點(diǎn)擊流序列，但是它們沒有考慮連續(xù)限制。而高效用連續(xù)序列模式挖掘算法，雖然考慮了連續(xù)限制，但是不能處理復(fù)雜點(diǎn)擊流。因此，需要設(shè)計(jì)一種能夠從復(fù)雜點(diǎn)擊流中挖掘出高效用連續(xù)序列模式的方法及裝置。

此外，隨著互聯(lián)網(wǎng)的迅速發(fā)展，網(wǎng)民數(shù)量不斷增多，產(chǎn)生的點(diǎn)擊流數(shù)據(jù)量也日益龐大。現(xiàn)有的高效用連續(xù)序列模式挖掘算法在小規(guī)模數(shù)據(jù)庫上的性能良好，但是在大規(guī)模數(shù)據(jù)庫上的挖掘速度較慢，難以滿足當(dāng)下大數(shù)據(jù)挖掘的需求。如何提高算法的性能，使其在規(guī)模較大的數(shù)據(jù)庫上也能快速挖掘出有用信息，是一個(gè)亟需解決的問題。