海量用戶行為序列中的模式發(fā)現(xiàn)及應用.pdf

1、所謂時序數(shù)據(jù)是指觀察對象的某一特征或行為按時間排序的集合。實際應用中很大一部分時序數(shù)據(jù)是由系統(tǒng)產(chǎn)生用于記錄用戶的行為。分析這些數(shù)據(jù)背后的用戶行為模式，將會對用戶和系統(tǒng)模式的識別與未來狀態(tài)的預測帶來積極的影響。然而，這些刻畫用戶行為的時序數(shù)據(jù)卻體量龐大且表現(xiàn)形式復雜，給處理這些這些數(shù)據(jù)帶來了巨大困難。
　　本文遵循“數(shù)據(jù)中挖掘模式，模式預測未來”的思路，意在從用戶時序數(shù)據(jù)中挖掘出有用的行為模式，并以此為基礎分別預測出小規(guī)模群組和復雜

2、群體（系統(tǒng)）的未來行為狀態(tài)。為此，文章針對如下關鍵問題提出了有效的解決方案：第一，是時間序列的表示問題。由于用戶行為的多樣性，使得用傳統(tǒng)方法表示用戶行為存在諸多問題，如維數(shù)災難等。本文創(chuàng)造性地提出了一種用戶行為模式的內(nèi)容-結構表示方法，它是利用聚類和貪婪算法，將原始用戶時序數(shù)據(jù)用一個極其簡單的序列表示。此表示方法既保留了原始序列的主要信息，又方便了后續(xù)的行為模式挖掘工作。其次，是時間序列模式相似度衡量問題。由于用戶行為序列數(shù)據(jù)所指向的對

3、象眾多，因此衡量其相似度必不可少。然而不同對象行為序列的多維和非等長特性卻給此項工作帶來了挑戰(zhàn)。本文基于內(nèi)容-結構表示，分別從用戶行為偏好以及偏好分布特點兩方面去衡量不同用戶序列行為的相似度。實驗表明，此相似度衡量方法表現(xiàn)良好。第三，是群體用戶行為的預測問題。本文分別從微觀和宏觀的角度預測了群體行為趨勢。微觀方面，利用基于內(nèi)容-結構模式的表示和相似度衡量方法，預測了小規(guī)模群組的行為趨勢。宏觀方面，利用相空間重構的方法將復雜群體（系統(tǒng)）行

4、為序列數(shù)據(jù)映射到相空間，然后基于此空間構建預測算法。其中在尋找相空間中相似點用于預測時，創(chuàng)新性地提出了改進的 K鄰近值算法，使得預測準確性有了很大幅度地提升。
　　本文的主要貢獻在于三個方面，首先提出了一種新的用戶序列行為的“內(nèi)容-結構”表示方法和相似度度量方式。其次，分別從微觀和宏觀的角度提出了預測小規(guī)模群組和復雜群體行為的有效方法，并利用改進的 K鄰近值算法大大提升了復雜群體行為預測的準確度。
　　實驗結果表明，本文的方