[发明专利]一种基于大数据技术的用户行为分析与服务推荐框架

权利要求书

1.一种基于大数据技术的用户行为分析与服务推荐机制，其特征在于：主要包括基于数据挖掘的用户行为预测模型以及服务推荐两部分。用户行为预测模型通过提取用户行为特征生成用户画像，使用一种基于居民行为预测图和循环神经网络的用户行为预测方法对用户行为进行预测。为达到快速准确识别用户行为并进行服务推荐的目的，使用深度学习下张量分解快速推荐算法：利用用户、服务、时间基于用户画像相似度分割区域进行分割处理，再利用张量分解快速推荐算法进行服务推荐。

2.根据权利要求1所述一种基于大数据技术的用户行为分析与服务推荐机制，其特征在于：用户行为特征提取如下：

S21：采用轮廓提取法提取运动目标。由于运动由一系列人体姿态序列组成，在姿态识别的过程中，很难提取出运动的变化特征，采用侧轮廓来进行人体运动的描述。

S22：混合高斯模型背景建模：将运动目标从视频图片中提取处理。

S23：基于OpenCV的轮廓提取算法：在OpenCV函数库的基础上加以修改，进而采用cvFindContours进行轮廓特征提取。

S24：星型骨架方法：根据星形骨架方法获得的5个极大值点与质心的偏移量作为人体行为特征。

3.根据权利要求1所述一种基于大数据技术的用户行为分析与服务推荐机制，其特征在于：用户行为预测模型如下：

通过提取的用户行为特征，对用户进行行为预测。用户行为分析预测模型是基于决策树算法C5.0进行设计的，应用决策树来实现对用户的行为进行预测，进而得到用户行为预测图。

4.根据权利要求1所述一种基于大数据技术的用户行为分析与服务推荐机制，其特征在于：基于用户行为预测图和循环神经网络的用户行为预测方法如下：

基于决策树的用户行为预测向量，依据用户对服务的选择记录对每个用户的时序行为进行建模，从而刻画用户的短期行为特征。采用循环神经网络对用户的行为进行建模预测模型。

5.根据权利要求1所述一种基于大数据技术的用户行为分析与服务推荐机制，其特征在于：数据预处理如下：

S51：服务维度切割：经过基于语义的Web服务发现技术过程，可以过滤大量无关服务，将任务相关服务从全局视图中切割出来，并根据子任务分离成若干个服务子集。

S52：用户纬度切割：由于实际SOA系统环境中用户规模极为庞大，需对用户维度进行切割

S53：时间纬度规约：张量R^M×N×C中，C代表最细粒度的时间点，这对于运行推荐算法而言复杂度较高，须进行规约。

6.根据权利要求1所述一种基于大数据技术的用户行为分析与服务推荐机制，其特征在于：张量分解标签推荐算法如下：

经数据预处理后，将获得若干用户-服务-时间小数据集，令R^i×j×k代表任意小数据集，基于R^i×j×k设计张量分解算法。定义：X_ijk≈Y_ijk。