[发明专利]基于目标行为的情报分析方法及装置

说明书

本申请公开了一种基于目标行为的情报分析方法及装置，根据当前行为数据对历史行为数据进行分类后，通过Apriori算法和典型相关分析获取两者之间的强关联信息和弱关联信息，从而在碎片化的数据之间建立内在关联，使后续推荐的情报数据不再是简单的数据组合，进而优化情报分析结果，提高情报分析的准确性、完整性和有效性。

技术领域

本申请涉及数据网络技术领域，尤其涉及一种基于目标行为的情报分析方法及装置。

背景技术

随着信息化程度不断加深，人们对“大数据”分析服务的渴求也日益强烈，利用大数据进行情报分析的产品也因此应运而生。但现有的情报分析产品只是对采集到的碎片化的数据进行组合，无法对碎片化的数据进行关联分析，导致最终的情报分析结果准确度较低。

发明内容

本申请实施例提供一种基于目标行为的情报分析方法及装置，解决现有技术中无法对碎片化的数据进行关联分析的问题，进而优化情报分析结果。

为解决上述问题，本申请实施例提供一种基于目标行为的情报分析方法，适于在计算设备中执行，至少包括如下步骤：

获取目标的多个当前行为数据；其中，多个所述当前行为数据包括目标主体数据、时间数据、位置数据及事件数据；

根据各所述当前行为数据，对存储在数据库中的各历史行为数据进行分类；

基于Apriori算法，获取同一类别中所述当前行为数据与各所述历史行为数据的第一关联信息，并基于典型相关分析，获取同一类别中所述当前行为数据与各所述历史行为数据的第二关联信息后，将同一类别的第一关联信息和第二关联信息作为信息集；

基于多种推荐算法和所述信息集，获取所述历史行为数据的多个推荐指数；其中，所述推荐算法与所述推荐指数一一对应；

基于各所述推荐算法的预设权重，对各相应的所述推荐指数进行加权，得到分析结果。

进一步的，所述对根据各所述当前行为数据，对存储在数据库中的各历史行为数据进行分类，具体为：

根据各所述当前行为数据，基于K近邻算法，对存储在数据库中的各历史行为数据进行分类。

进一步的，还包括：

在所述分析结果大于预设阈值时，向用户终端推送与所述分析结果对应的所述历史行为数据。

进一步的，还包括：

在接收到所述用户终端根据所述历史行为数据发送的负反馈信息时，根据所述负反馈信息，调整各所述推荐算法的预设权重。

进一步的，多个所述推荐算法至少包括：

基于协同过滤的推荐算法、基于关联规则的推荐算法以及基于内容的推荐算法。

进一步的，还提供一种基于目标行为的情报分析装置，包括：

数据获取模块，用于获取目标的多个当前行为数据；其中，多个所述当前行为数据包括目标主体数据、时间数据、位置数据及事件数据；

数据分类模块，用于根据各所述当前行为数据，对存储在数据库中的各历史行为数据进行分类；

数据关联模块，用于基于Apriori算法，获取同一类别中所述当前行为数据与各所述历史行为数据的第一关联信息，并基于典型相关分析，获取同一类别中所述当前行为数据与各所述历史行为数据的第二关联信息后，将同一类别的第一关联信息和第二关联信息作为信息集；

数据推荐模块，用于基于多种推荐算法和所述信息集，获取所述历史行为数据的多个推荐指数；其中，所述推荐算法与所述推荐指数一一对应；

结果分析模块，用于基于各所述推荐算法的预设权重，对各相应的所述推荐指数进行加权，得到分析结果。