[发明专利]一种位置和行为信息预测系统及方法

说明书

一种位置和行为信息预测方法，先获取移动客户端的位置和行为信息并分类存储于数据存储结构；遍历数据存储结构，循环判断获得周期；根据周期预测客户位置和行为信息；一种用户位置和行为信息记录方法，用于记录和发送所述当前位置和行为信息；位置记录模块采集所述当前位置和行为信息；位置记录模块将采集到的当前位置和行为信息传送至信息发送模块；信息发送模块将当前位置和行为信息向外发送；一种移动客户端，用于采集和发送用户位置和行为信息；一种位置和行为信息预测服务器端用于预测位置和行为信息；一种位置和行为信息预测系统包括移动客户端以及位置和行为信息预测服务器端。

技术领域

本发明涉及一种信息预测系统，特别是涉及一种位置和行为信息预测系统及方法。

背景技术

在LBSN(Location-based Social Network基于位置的社会网络)领域，用户行为模式的获取已经引起了广大学者的关注，并产生了较多的研究成果。其中，郑宇等科研人员基于用户行驶轨迹，通过挖掘用户的频繁移动序列，并建立概率转移模型，能够较好的预测用户下一个可能到达地点。总体来说，基于用户的行为模式能够有效提高预测用户未来到达地点的准确率，若用户的行为模式与推荐系统相结合，能够为用户提供更符合其生活习惯的推荐服务。

周期性行为是用户行为模式的一种，通过挖掘用户的周期性行为，能够有效的发现用户某一行为在时间上的规律性。目前，周期性行为的主要研究方向分为时间序列周期获取以及周期模式获取。前者通过相关算法获取时间序列中的潜在周期，时间序列周期获取的经典算法是周期图与自相关，在单独使用周期图时，其存在因谱泄漏问题导致周期获取不准确的情况，而单独使用自相关时，又存在因其它时间戳事件的发生，导致正确的周期不明显，一些科研人员使用周期图与自相关相结合的方法，能够有效的避免了在单独使用周期图时谱泄漏产生的周期获取不准确的问题。

综上，目前时间序列周期获取算法在获取时间序列多周期时均存在周期间互相干扰的情况，导致最终结果的不准确。而挖掘用户的周期性行为需要准确的获取用户在当前周期的哪个阶段发生改行为，自相关与周期图均不能挖掘该类信息。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种位置和行为信息预测系统及方法，用于解决现有技术中周期获取准确度低、周期图的谱泄漏、自相关的周期不明显等问题。

为实现上述目的及其他相关目的，本发明提供一种位置和行为信息预测系统及方法。

优选地，位置和行为信息预测方法，用于通过挖掘用户行为的周期，预测用户未来到达的位置；位置和行为信息预测方法主要包括以下步骤：

第一步、分别获取移动客户端的位置和行为信息；

第二步、对获取的位置和行为信息分类，分别形成位置信息序列和行为信息序列；

第三步、将不同类的位置和行为信息经过换算和处理后放在数据存储结构中，每个数据存储结构中的元素可随机访问；遍历所述数据存储结构，循环执行判断条件，选取多个不同的周期；

第四步、根据获得的周期，预测移动客户端的位置和行为信息。

优选地，第一步中还包括：确定一个特定时段；从接收到的位置和行为信息中选取特定时段中的位置和行为信息。

优选地，第二步中还包括：对特定时段中的位置和行为信息进行分类；将分类过程中产生的类别信息加入每条位置和行为信息中，按照时间顺序生成不同类的位置和行为信息序列。

优选地，第三步中还包括：设定的数据存储结构中位置和该位置元素之间的固定关系；按照固定关系求得元素值，随机遍历数据存储结构中各个元素；根据设定的判定关系筛选出准确的周期并保存。

优选地，一种用户位置和行为信息记录方法，用于记录用户的当前位置和行为信息并向其他接收端发送当前位置和行为信息；其特征在于，包括以下步骤：