[发明专利]一种基于鼠标行为的用户分类方法

权利要求书

1.一种基于鼠标行为的用户分类方法，其特征在于，包括下述步骤：

S1、对电脑屏幕区域划分，对用户不同尺寸的屏幕、分辨率进行统一量化；

S2、建立鼠标热点区域模型，统计在规定时间间隔的鼠标坐标序列内，其落在每个已经划分好的区域的次数，然后根据鼠标在某个区域内出现的次数的多寡，来判断该区域的热点程度，同时通过比较不同类别用户每个区域热点程度的不同来进行分类；

S3、建立鼠标活跃度模型，用于评定每个划分好的区域内用户鼠标移动的活跃程度，鼠标的活跃程度是在一个时间段内这个区域内鼠标坐标分布的离散程度，离散程度越高，则说明这个区域的用户的鼠标动作越活跃，根据用户每个区域鼠标活跃度的异同特征，对用户进行分类。

2.根据权利要求1所述的基于鼠标行为的用户分类方法，其特征在于，通过使用Windows提供的API、Linux的shell脚本或者浏览器的Javascript脚本来读取用户屏幕的分辨率，并根据实际应用情况来进行区域的划分。

3.根据权利要求1所述的基于鼠标行为的用户分类方法，其特征在于，对于鼠标热点区域模型，在其实际投入运行之前，需要收集并利用用户的数据来对不同类别的人群进行数据分析，挖掘其在电脑屏幕或者网页内热点区域的异同，统计得出基于最大似然概率的分类先验概率；热点区域的判断方法为：分类别导入某一类别的用户的一定量基于时间序列的鼠标坐标数据，判断每个鼠标坐标所在区域，然后在其所在区域的热点频度上加一，当数据导入完之后，频率高的区域即为其热点区域，通过控制导入不同类别用户的数据集数据量，使得它们大小相等，从而进行不同区域的频率统计，把其频率归一化作为其分类的先验性概率。

4.根据权利要求3所述的基于鼠标行为的用户分类方法，其特征在于，把频率归一化作为鼠标行为用户分类的先验性概率的具体方法如下：

设每个导入的数据落在某个区域的事件为A_i，每个事件对应的概率为P(A_i)，所以，对于每个区域来说，它的概率之和为1：

Σi=1nP(Ai)=1;]]>

其中i为其对应的用户类别编号，n为所分类别的总数；

由于模型有n种分类，在每个分类中都选取相同数量的数据集合，分别统计其不同区域内的频率，然后通过比较不同类别的频率进行概率的统计：

Pj(Ai)=AiΣi=1nAi]]>

其中，j为屏幕所分各个区域对应的号码。