[发明专利]基于移动交易序列模式的用户行为模式增益挖掘方法

说明书

技术领域：本发明涉及一种增益挖掘方法，特别是一种基于移动交易序列模式的用户行为模式增益挖掘方法

背景技术：数据挖掘的行为是指在大数据库中发现潜在有用的信息的过程。在行为信息学中，早期的研究集中在不同类别的应用中发掘各种用户行为模式，例如在电子商务领域中的交叉营销模式，电子商务网站设计与管理，规划移动商务框架。自从移动传媒设备及无线移动应用成为最流行最重要的传播媒介之后，这些移动商务事务议题，如移动框架下挖掘移动用户商业行为模式，在过去10几年发展中日趋成为热点研究课题。现有的移动设备通过GPS设备功能服务日志记录了移动用户个性化系列行为路径，因此，商业体会及时和准确获取移动用户移动行为路径细节。结合行为日志与支付记录分析，用户这种移动购买事务动态路径序列能够激发某种个性化的序列行为模式，在这些移动事务序列中暗含着有潜质的有用信息。有学者提出基于移动框架下的动态路径及序列模式发掘移动用户行为序列模式，即该序列模式包含用户动态路径计算及移动商务事务序列。比如一个移动序列模式pattern{|￥_A:(trousers)|；|￥_B:(shoes)|；＠￥_A→￥_B}，这种移动序列模式揭示出客户的移动商务事务路径模式经常是{＠￥_A→…￥_B}，顾客习惯性的沿着该行为序列模式路径{＠￥_A→…￥_B}分别在￥_A买trousers在￥_B买shoes，假设店主捕获了这些客户序列行为模式，那么￥_A店老板就会针对shoes搞促销活动，迎合顾客的个性商业事务行为需求，在本店内努力培养顾客的购买预期。

然而，在现实商业事务处理中，移动序列模式不能真实发掘数据库中商品实际利润，这种序列行为挖掘客户行为信息存在一定的缺陷，如购买黄金珠宝等饰品的顾客高价值商务行为，由于这些顾客的低频率购买行为，因而这些给商家带来丰厚利润的高增益顾客没有被发掘出来。据此，在传统商业事务数据库处理中增益挖掘被提出用于解决此类实际商业问题。常用的处理手段是事先设定增益阈值，该值的设计可以考虑商品的特性、价值、增益，希冀这种增益挖掘能在商务事务数据库中发掘出具有高利润的高效益商务行为模式。所以按此观点，将增益挖掘加进移动模式挖掘框架结构中用于发掘潜在的价值客户行为模式。这些有用的信息反馈给行为模式的决策者，他们基于此就可制定反应敏捷的商务行为模式。假设存在如下两种客户商务行为模式，如pattern₁{|￥_a:(skirts)|；|￥_f:(shoes)|；＠￥_a→￥_c→￥_e→￥_f}，和pattern₂{|￥_a:(skirts)|；|￥_f:(gold jewelry)|；＠￥_a→￥_b→￥_c→￥_d→￥_e→￥_f}。两种客户商务行为模式的路径起点和终点虽然相同，但是行为模式的路径不同，因而客户最终购买模式也可能存在差异。从客户购买模式来看，通常都会认识到两种商品shoes和gold jewelry的利润价值差异较大。现实商务管理中，如果商店老板能事先发现客户的这两种购买行为模式，依此商家就会基于模式pattern₂的行为路径中搞商品促销与展销活动，以便吸引和培养客户在￥_a购买skirts之后能在￥_f购买高利润的gold jewelry商品。

从现有的研究文献看，虽然针对移动模式挖掘与增益挖掘都有相关的研究成果，目前国内还没有实现两者相融合的研究，国外针对两者在移动商务模式中的潜在信息挖掘研究开展的也不够深入与系统，离实际应用还有差距。本文旨在基于增益挖掘集成移动序列模式行为发掘高增益移动序列模式。为解决此问题，本文提出了逐层扩展算法与构造树算法两种类型算法，逐层扩展算法属于过程处理发现，构造树算法属于深度优先搜索与宽度优先策略，构造树算法树形结构表述了移动商务行为数据的品类特征信息，如产地、产品名目、行为路径及利润等商务数据库相关的信息。从实验结果分析，构造树算法能充分表示客户商务行为特征，在同类算法结果比较中具有能较高水准地表达发掘移动序列行为模式。