[发明专利]一种基于序列模式结合时间上下文的移动终端APP使用预测方法

说明书

技术领域

本发明属于数据挖掘与推荐技术领域，具体涉及一种基于序列模式结合时 间上下文的移动终端APP使用预测方法。

背景技术

近几年为了实现更好的用户体验、提高用户黏度以及定向营销推动等目的， 各大平台厂商均希望借助大数据技术对用户进行细分，挖掘用户属性，绘制用 户画像。而对着移动互联网的兴起，随着带动的是移动大数据的涌现，移动大 数据具有较高的商业价值，根据移动对象的APP使用情况可以客观得反映出用 户的兴趣爱好、行为习惯。加上移动对象的丰富的物理位置信息，使得用户的 数据更为丰满，这也就吸引了学术界以及工程界对移动对象的数据挖掘的关注。 行为模式(BehaviorModel)即指包含有个性化的习惯性的一个基本模式，而行 为模式的挖掘即从一堆历史数据挖掘出固定的行为模式。通过对移动环境下用 户行为模式的挖掘可以清晰定位用户的行为习惯，抓取用户喜好，从而完成个 性化的定制以及用户体验。苹果与Google竞相开发用户预测技术，如Google 计划推出GoogleNowonTap，通过文字和照片信息理解用户如何使用应用，并 预测用户下一个行为。

通过挖掘用户行为模式来进行对用户应用使用行为进行预测，可以方便系 统为用户下一个使用的应用提前准备运行环境，减少用户操作时间以及误操作 率等，提升用户体验。然而，现有研究中很少对预测用户下一个使用APP的预 测。传统统计预测算法中，单一地使用用户使用频率最高的应用作为预测，这 种模式的预测值具有一定的盲目性以及固定性，并不能对用户的行为意图进行 感知。Yen-SsuChou等人通过收集多数用户的四元数据(用户、地理位置、时 间、服务)中，构建四层结构图，运用MJMF(MatchJoinsUsingMaxFlows) 算法进行预测目标用户下一个地点会使用的APP服务，然而这种算法中显然忽 略了将所有的用户行为模式进行了统一看待，缺乏移动用户数据之间的隔离性， 忽略了单个移动用户的其个人使用习惯等。

发明内容

针对现有技术所存在的上述技术缺陷，本发明提供了一种基于序列模式结 合时间上下文的移动终端APP使用预测方法，在预测的时候综合考虑用户最近 的行为模式以及用户当前使用的时间上下文信息，从而能够让预测的应用使用 更符合用户的实时需求和偏好。

一种基于序列模式结合时间上下文的移动终端APP使用预测方法，包括如 下步骤：

(1)获取APP历史使用记录序列，所述的APP历史使用记录序列包含用 户在过去一段时间内对于APP的每条使用记录；

(2)根据用户的行为特征将整个APP历史使用记录序列划分成多个相关子 序列；

(3)统计每种APP使用行为模式在所有相关子序列中出现的次数，并将所 有APP使用行为模式按trie树的形式进行结构化存储；

(4)获取APP预测使用记录序列，所述的APP预测使用记录序列包含用 户在当前时刻前T_st大小时间段内对于APP的每条使用记录，T_st为预设的活跃时 间窗口大小；

(5)通过从trie树中查找与APP预测使用记录序列相关的APP使用行为 模式，进而根据这些APP使用行为模式在所有相关子序列中出现的次数提取生 成对应的预测结果。

每条使用记录包含有开始时间、结束时间以及对应所使用APP的ID和名称。

所述的步骤(2)中将整个APP历史使用记录序列划分成多个相关子序列的 具体实现过程如下：

对于APP历史使用记录序列中的任一条使用记录S_i，新建一包含该条使用 记录的相关子序列，根据以下关系式从使用记录H_i-1开始逐个判断每条使用记录 是否与使用记录S_i具有相关性：