1.一种多媒体社交网络用户行为模式发现方法,其特征在于:包括以下步骤:
步骤一、定义SituEx(t)表示时刻t用户的情境信息,SituEx(t)=(ID,d,A,E)表示t时刻用户的情境信息,其中t表示时刻,ID表示用户的身份信息,d表示用户在t时刻的意图,A表示用户与实现d意图对应的动作,E表示t时刻用户的环境信息;G表示用户的一般目标,G={g1,g2,…,gn},gi表示用户在多媒体社交网络中的目标;
步骤二、在Web日志数据库中存储的当前用户与某个目标实现相关的所有频繁SituEx(t)组成该目标对应的行为模式序列,采用关联规则的方法发现当前用户在不同情境下对应于某个目标的行为模式序列,具体方法如下:(1)扫描经过数据预处理之后的与当前用户相关的Web日志数据库,将时刻t该用户的情境信息记为SituEx(t),识别Web日志数据库中出现的目标作为该用户在行为模式的结束点,记为:G’={g1’,g2’,…,gm’},1≤m≤n,(2)将步骤(1)中获取的结束点g1’作为关联规则的结果,以每个SituEx(t)作为关联规则的前件,计算每个关联规则的支持度,找出所有满足最小支持度的关联规则,这些关联规则的前件组成集合L1,将L1作为新的关联规则前件的种子集;
(3)对集合L1中的序列进行连接操作和修剪操作,生成长度为2的候选序列集合C2,C2中的每个候选序列分别作为关联规则的前件,g1’作为关联规则的结果,计算其支持度,将满足最小支持度的关联规则的前件的集合组成L2;依次类推,得出L3,L4,......,Lk,对于长度为k的集合Lk,通过连接操作和修剪操作生成长度为k+1的候选序列Ck+1,分别计算每个候选序列作为关联规则前件,g1’作为关联规则结果的支持度,满足最小支持度的关联规则的前件组成长度为k+1的序列集合Lk+1,并将Lk+1作为新的关联规则前件的种子集,以此类推,直到不再产生新的候选序列,得出所有该用户关于目标g1’的SituEx(t)组成的用户的频繁行为模式序列;
(4)同理,重复步骤(2)、(3),分别得到关于目标g2’,g3’,......,gm’所对应的SituEx(t)组成的频繁行为模式序列,直到不再有新的目标;
步骤三、用户在多媒体社交网络中至少存在一个目标,将找出的当前用户的特定目的的行为模式序列存入数据库中,通过该用户当前的序列与数据库中该用户的行为模式序列进行对比,预测用户当前的意图,以便对用户的请求做出及时快速的响应,提供个性化的服务;
所述的序列的连接操作方法为:如果去掉序列模式s1的第一个项目与去掉序列模式s2的最后一个项目所得到的序列相同,则将序列模式s1与序列模式s2进行连接,即将序列模式s2的最后一个项目添加到序列模式s1中;
所述的序列的修剪操作方法为:若某候选序列模式的某个子序列不是序列模式,则此候选序列模式不是序列模式,将它从候选序列模式中删除。