[发明专利]一种行为预测方法和装置

权利要求书

1.一种行为预测方法，其特征在于，包括：

获取用户的基本属性信息和行为属性信息；

计算所述基本属性信息和所述行为属性信息之间的互信息量；

根据所述互信息量和区分矩阵对所述基本属性信息进行约简，得到目标基本属性信息；

基于余弦相似度和分类合理系数对根据所述目标基本属性信息和所述行为属性信息进行贝叶斯计算得到的初始行为预测函数进行更新，得到行为预测函数，所述余弦相似度表示所述目标基本属性信息和所述行为属性信息之间的余弦值，所述分类合理系数表示将所述目标基本属性信息分类为所述行为属性信息的合理程度；

基于所述行为预测函数对所述用户的倾向行为进行预测，得到预测结果。

2.根据权利要求1所述的方法，其特征在于，所述基本属性信息包括基本属性及其对应的第一属性值，所述行为属性信息包括行为属性及其对应的第二属性值，所述计算所述基本属性信息和所述行为属性信息之间的互信息量，包括：

记A＝{A₁,A₂,…,A_i,…,A_n}为所有的所述基本属性组成的基本属性集，A_i为任意一个所述基本属性，且基本属性A_i对应的所述第一属性值为V(A_i)＝{v_i1,v_i2,…,v_ij,…,v_in}，n为所述第一属性值的总个数，另记C为行为属性，且行为属性C对应的所述第二属性值为V(C)＝{c₁,c₂,…,c_k}，k为所述第二属性值的总个数，则根据下式计算所述基本属性A_i与所述行为属性C的互信息量：

$I(A_i,C)=\underset{v_{i1}}{\overset{v_{in}}{\Σ}}p\left(v_{ij}\right)\underset{c_{k\left(A_i\right)}}{\Σ}p\left(c_{k\left(A_i\right)}\right|v_{ij})log\frac{p\left(c_{k\left(A_i\right)}\right|v_{ij})}{p\left(c_{k\left(A_i\right)}\right)},$

上述公式中，表示在所述基本属性A_i的所述第一属性值为v_ij的条件下所述分类属性C的所述第二属性值为c_k的条件概率；p(v_ij)表示所述基本属性A_i的所述第一属性值为v_ij的概率；表示所述分类属性C的所述第二属性值为c_k的概率。