[发明专利]一种基于用户访问行为的群体偏好上下文重构方法

说明书

本发明公开了一种基于用户访问行为的群体偏好上下文重构方法，计算用户热点对基站的影响以及用户热时对时隙的影响；构建用户中心点特征；通过中心点特征以及内容向量计算关联矩阵；通过中心点特征以及关联矩阵计算效用向量并进一步构建中心点向量；通过新用户的效用向量以及中心点向量计算欧式距离向量，通过欧式距离向量计算群体上下文偏好向量；新用户继续到来更新群体上下文偏好向量并作为历史数据。与现有技术相比，本发明能重构群体偏好上下文并具有较强的适用性。

技术领域

本发明涉及移动互联网技术领域，特别涉及一种基于用户访问行为的群体偏好上下文重构方法。

背景技术

互联网由人创造目的为了方便人的生活，所以互联网更多是的为人类服务。随着5G时代的到来，移动互联网在人类的生活中扮演了必不可少的角色。随着移动互联网的迅速发展，移动数据流量的需求量也增长的越来越快，移动流量需求量的激增加重了无线接入网中回程链路带宽的消耗。人类行为的分析，研究人类行为的时空统计规律，是流量卸载，构建5G社会研究的热点问题。

人类行为学算起来不过有百年的历史，但对它的研究却分布在各个领域。由于人类自身的复杂性和多样性，每一个领域也都面临着巨大的挑战。随着大数据时代，移动互联网的飞速发展，用户上网行为的大量数据变得更易于获取和分析，导致统计分析用户在某时间空间内表现出的相似行为也变得更加的容易。

用户上网行为的时间特性是用户多次发生上网行为在时间上表现出的统计规律，同理可以定义用户上网行为的空间特性。用户上网行为的时间特性和空间特性统称为时空特性。对用户上网行文的时空特性进行统计分析，可以发现用户的行为具有高度的可预测性，使网络服务商可以更有效的利用分配网络资源。但尽管用户上网行为的时空信息被广泛的用于人类行为学的分析，它们在预测用户兴趣偏好中的重要性还没有完全体现。

移动互联网中，传统的用户的上下文信息可以定义为与用户行为相关的因素，例如用户年龄，用户的性别，用户的收入等。这些因素都可能潜在的影响用户的上网行为。在移动互联网的研究中，用户的上下文信息开始逐渐的走进研究者的视野，上下文无关的应用算法与上下文有关的应用算法比较起来缺少了适用性，并且对用户上下文信息的直接统计学习是非常单一的。

所以在本发明中，我们对用户的访问行为的时间和空间特性进行了联合分析，并根据用户上网的大量数据统计用户访问的行为，并根据用户对URL的偏好程度重构了群体偏好上下文。

发明内容

为了解决现有技术存在的问题，提出了一种基于用户访问的中心行为重构群体偏好上下文的方法。

本发明所采用的技术方案是一种基于用户访问行为的群体偏好上下文重构方法，具体步骤如下：

步骤1：根据历史一周用户基站访问量数据构建用户基站访问量矩阵，根据用户基站访问量矩阵构建用户热点访问量矩阵，根据历史一周用户时隙访问量数据构建用户时隙访问量矩阵，根据用户时隙访问量矩阵构建用户热时访问量矩阵，通过热点访问量矩阵计算用户热点中心信息增益，通过热时访问量矩阵计算用户热时中心信息增益，通过用户热点中心信息增益计算用户热点对访问基站的影响，通过用户热时中心信息增益计算用户热时对访问时隙的影响；

步骤2：根据URL类型划分用户兴趣的偏好，通过历史一周用户基站访问量数据得到热点的兴趣偏好以及热时的兴趣偏好，结合热点对访问基站的影响以及用户热时对访问时隙的影响构建用户中心点特征；

步骤3：通过用户中心点特征、内容向量以及用户中心点特征对内容向量的偏好程度计算关联矩阵；

步骤4：通过k-means聚类算法对用户效用向量进行分类，并根据偏好以及偏好类的对象构建中心点向量；

步骤5：通过新用户效用向量以及中心点向量计算新用户的欧式距离向量，通过新用户的欧式距离向量构建群体上下文偏好向量；