[发明专利]一种无线互联网用户行为的预测系统和方法

权利要求书

1.一种无线互联网用户行为的预测系统，其特征在于，该系统包括：

位于客户端的用户行为数据采集模块，用于收集用户运行时间的用户行为数据，并且发送到服务器；

位于服务器端的用户行为分析预测模块，用于建立用户行为模型、根据位于客户端的用户行为数据采集模块收集的用户行为数据进行用户行为分析及预测。

2.根据权利要求1所述的预测系统，其特征在于，所述用户行为分析预测模块依次包括建模子模块和用户行为分析预测子模块。

3.根据权利要求2所述的预测系统，其特征在于，所述用户行为分析预测子模块包括依次相连的聚类分组单元和基于聚类分组的用户行为预测单元；依次相连的行为关联单元和基于关联行为的用户行为预测单元；以及与所述基于聚类分组的用户行为预测单元和所述基于关联行为的用户行为预测单元相连的用户行为综合预测模块。

4.根据权利要求1所述的预测系统，其特征在于，所述用户行为数据采集模块定时向所述服务器传送最近时段的用户行为数据更新。

5.根据权利要求1所述的预测系统，其特征在于，所述用户行为数据包括静态数据和动态数据。

6.一种无线互联网用户行为的预测方法，其特征在于，该方法包括如下步骤：

A、建立用户行为模型；

B、收集用户运行时间的用户行为数据；

C、根据收集到的用户行为数据对用户行为进行分析及预测。

7.根据权利要求6所述的预测方法，其特征在于，步骤C进一步包括如下步骤：

C10、根据收集到的用户行为数据进行聚类分析得到用户分组；

C20、对于运行时间的用户请求，根据该用户所在分组获得对应行为。

8.根据权利要求7所述的预测方法，其特征在于，所述聚类分析采用基于遗传算法的模糊聚类方法。

9.根据权利要求7所述的预测方法，其特征在于，用户分组与对应行为之间的关联通过关联规则挖掘获得，所述关联规则挖掘包括：

从已知用户类别的样本集合中找出高频项目组；

由所述高频项目组产生关联规则。

10.根据权利要求6或7所述的预测方法，其特征在于，步骤C进一步包括如下步骤：

C11、根据所有用户历史行为间的关联性统计，计算与单个行为或行为链的关联性比预定的可能性数值强的行为；

C21、对于运行时间的用户请求，根据该用户近期行为或行为链获得对应的关联性强的行为。

11.根据权利要求10所述的预测方法，其特征在于，步骤C进一步包括步骤：

C3、将步骤C10和C20的用户行为预测结果以及步骤C11和C21的用户行为预测结果综合起来，对用户行为进行预测。

12.根据权利要求11所述的预测方法，其特征在于，所述用户行为综合预测利用神经元网络的方法。

13.根据权利要求6所述的预测方法，其特征在于，所述用户行为数据包括静态数据和动态数据。