[发明专利]基于Android系统的用户行为模式获取方法及其系统

说明书

技术领域

本发明涉及基于Android的用户行为模型挖掘系统。

背景技术

    随着智能手机的普及，移动应用数量以及移动应用的下载量均呈爆发式增长；2013年1月苹果宣布App Store全球下载量突破400亿次，应用总数达到77.5万；而Google Play有可能在2013年早于App Store迎来百万应用数。尽管APP的发展如火如荼，然而据AC尼尔森关于智能手机使用调查报告显示：虽然大家每个人装的应用平均数量在增长，但人们花在应用上的总时间却没怎么变。由此可见一个典型的应用的下场就是，只有不到一半的应用被下载后会使用一次以上。这种情况的出现，对用户的流量、时间以及手机的存储空间都是一种不小的浪费。更糟糕的是，很多实用的、有价值的APP被淹没在APP海洋中。人们对它们知之甚少，当需求出现时，往往还意识不到它们的存在。针对这种情况，针对APP进行个性化推荐是有必要的。

    Android平台是Google于2007年11月推出的一种智能手机平台，它是一个由操作系统、中间件、用户友好界面和应用软件组成的，全面整合的移动“软件栈”。Android应用程序主要由以下4个部分组成：活动（Activity）、意图（Intent）、服务（Service）和内容提供者（Content Provider）。Android平台最大的特点在于它是一个开放的体系架构，具有非常好的开发和调试环境，而且还支持各种可扩展的用户体验。此外，Android平台基本上是免费的，所以能有效降低软件的成本，最终让每个用户能够自由地获取信息。基于Android平台的这些特性以及广大的Android终端用户群，所以选择Android系统作为我们进行设计实现的平台。

    作为一个跨学科概念，情境感知在计算机科学、认知科学、心理学和语言学等诸多领域有着深入的研究。移动情境感知技术在既有的“上下文”的概念基础之上，更为强调“场景”的概念，即多种信息源的综合描述。移动情境感知特征不仅包括时间、地点、用户操作等基本信息，还包括丰富的传感器信息，如基站、蓝牙、麦克风、3D加速度传感器等。通过综合分析这些特征，尽可能真实地还原移动用户的行为模式和实时场景，从而为信息推送和过滤提供更全面、更可靠的依据。

数据挖掘是指从大型数据库或数据仓库中提取隐含的、先前未知的、对决策有潜在价值的知识和规则。它是人工智能和数据库发展相结合的产物，是国际上数据库和信息决策系统最前沿的研究方向之一。数据库挖掘主要的算法有分类模式、关联规则、决策树、序列模式、聚类模式分析、神经网络算法等等。关联规则是数据挖掘领域中的一个非常重要的研究课题，广泛应用于各个领域，既可以检验行业内长期形成的知识模式，也能够发现隐藏的新规律。有效地发现、理解、运用关联规则是完成数据挖掘任务的重要手段，因此对关联规则的研究具有重要的理论价值和现实意义。   

现阶段关于用户行为模式的挖掘主要集中在PC端的用户行为，而移动终端，尤其是针对Android系统的用户行为模式研究还在少数。

发明内容

本发明目的在于公开一种基于Android系统的用户行为模式获取方法及其系统，针对用户行为，选择了使用过的应用程序、时间、地点、网络连接状态等多种特征来分析，多维特征挖掘出的模式能更好的反应用户行为。   

本发明需要保护的两个技术方案：

一种基于Android的用户行为模型挖掘应用方法，其特征在于，针对多维用户行为特征，采用基于关联规则进行数据挖掘。提出了基于位置、时间、网络连接挖掘出的用户情境，进而挖掘用户情境挖掘情境-使用应用程序间的关系来获取用户行为模型。具体实现步骤依次包括：

1）设计了一个移动终端数据采集器，将移动终端用户使用应用程序时的位置、时间、网络连接连同该应用程序信息记录下来。

2）对采集来的数据进行预处理，来获取适合数据挖掘的数据格式。

3）利用数据挖掘的关联规则来挖掘位置、时间和网络连接三者的潜在关系，挖掘出情境模型。

4）通过所述挖掘出的情境模型与使用所述应用程序的关联规则用来挖掘用户行为模型。

5）根据用户在多个不同情境中不同的行为来进行建模和分析，将该用户的行为固化下来，即获得该用户的用户行为模型。

6）最后，挖掘出用户行为模型后，可以根据该模型进行相关的个性化推荐。