[发明专利]基于活动的社交网络下的一种结合环境数据的活动出席预测方法

说明书

本发明公开了一种基于活动的社交网络下的一种结合环境数据的活动出席预测方法，将所有活动分为室内室外两类，并考虑环境数据对以上两种活动的不同影响方式，结合出席成本、季节性影响等因素，构建相应的特征向量，然后结合机器学习相关算法进行活动人数的预测。本专利以活动举办者的角度，研究活动出席的可能性，这样可以提高举办活动的人气、效果等，对举办组织的维持也有很大帮助，同时也可以帮助组织者吸引更多的用户，扩大自身的影响力。

技术领域

本发明涉及一种基于活动的社交网络下的一种结合环境数据的活动出席预测方法，属于社交网络分析技术领域。

背景内容

在基于活动的社交网络中，现有的预测活动出席率的技术中考虑了活动本身的相关属性，例如举办地点、举办时间、活动内容、社会影响等，其中有的技术是比较前后活动之间在上述这些方面的相似性；有的技术则是将上述各方面因素与活动出席人数的关系进行量化，综合了大数据分析和机器学习技术构建预测方案，可以使预测的准确度达到一个客观的效果。现有技术方案如图1所示。现有的技术由于没有考虑到活动自身某些特定的因素(例如持续时间，出席成本)，同时没有良好的结合相关外因，对某些特定类型的活动进行出席预测的效果不是很好。

名词解释：决策树(Decision Tree)模型：是在已知各种情况发生概率的基础上，通过构成决策树来求取净现值的期望值大于等于零的概率，评价项目风险，判断其可行性的决策分析方法，是直观运用概率分析的一种图解法。

发明内容

本发明克服现有技术存在的不足，本发明公开了一种基于活动的社交网络下的一种结合环境数据的活动出席预测方法。将所有活动分为室内室外两类，并考虑环境数据对以上两种活动的不同影响方式，结合出席成本、季节性影响等因素，构建相应的特征向量，然后结合机器学习相关算法进行活动人数的预测。本专利以活动举办者的角度，研究活动出席的可能性，这样可以提高举办活动的人气、效果等，对举办组织的维持也有很大帮助，同时也可以帮助组织者吸引更多的用户，扩大自身的影响力。

为解决上述技术问题，本发明所采用的技术方案为：

一种基于活动的社交网络下结合环境数据的活动出席预测方法，包括如下步骤：

步骤一：收集客户参加活动的历史数据；

步骤二、将活动分为户外活动和室内活动；确定天气数据、出席成本和活动时间分别对客户的户外活动和室内活动出席率的影响；

步骤三、对于室外活动，将天气数据按照出现频率进行量化，天气数据包括晴、雨、阴、多云、雪，确定天气数据对活动出席率的影响；

步骤四、对于室内活动，根据温度和湿度计算天气舒适度指数，确定天气舒适度指数对活动出席率的影响；对于室内活动计算出用户对活动的兴趣度与活动距离对用户出席率影响的权重之比；衡量用户对活动的兴趣度与活动距离对出席概率的影响程度；

步骤五、确定客户的活动出席成本，所述活动出席成本包括时间成本和经济成本；

步骤六、确定客户参加活动的季节性偏好；

步骤七、综合上述步骤，构建每个客户参加活动的概率模型，汇总得到活动最终出席率的预测模型。

进一步的改进，所述步骤三中，天气数据按照出现频率进行量化的方法为：

Weather(e)＝n-index(e)

Weather(e)表示活动e的天气方面的因素，Weather(e)越大，说明某种天气出现次数越多。n表示天气的种类总数。index(e)表示活动e举办时的天气进行量化后的数字，其范围是0-n,活动e举办时出现次数最多的天气用数字0表示，出现第二多的用1表示，依此类推。