[发明专利]一种行为预测方法和装置

说明书

技术领域

本发明涉及行为预测技术领域，具体而言，涉及一种行为预测方法和装置。

背景技术

随着社会的进步和经济的发展，青少年犯罪现象日益加重，且犯罪向低龄化、暴力型、团伙犯罪转变。这一社会问题的产生原因是多方面的，既有主观方面的原因，也有客观方面的原因，即有学校方面的原因，更有社会和家庭方面的原因。近年来，从美国发生的校园枪击案到我国发生的数起青少年杀死亲生父母、同学老师等案件，均与青少年暴力犯罪有关。青少年犯罪的预防已经成为一个不容忽视的社会问题，已经引起全球的共同关注。

现有技术中提出了如下两种青少年犯罪倾向预测方法，一种是基于社会科学的预测方法，该方法主要利用专家在社会学、心理学、家庭教育等方面的相关经验，对青少年的社会背景、家庭背景、社会人员关系等方面进行研究，以判断青少年的行为是否会导致其呈现某种犯罪倾向，并可以针对上述犯罪倾向及时的进行疏导教育以阻止青少年犯罪行为的发生，另一种是基于关联规则的预测方法，该方法的目的就是在一个数据集中找出项与项之间的关系，多采用基于Apriori算法进行上述关系查找。

发明人在研究中发现，基于社会科学的预测方法，由于操作过程复杂，导致实用性较差，而基于关联规则的预测方法，由于受限于数据源的数据量而导致适用性较差，且难于从较多的关联规则结果中找到正确的预测结果，降低了预测准确度。另外，目前对于准确度高和实用性佳的青少年犯罪倾向预测尚无完善的方案。

发明内容

有鉴于此，本发明的目的在于提供一种行为预测方法和装置，基于改进朴素贝叶斯算法对约简后的信息进行分类预测，预测的准确度和精确度均较高，实用性较佳。

第一方面，本发明实施例提供了一种行为预测方法，所述方法包括：

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。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，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：

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。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述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，包括：

将所有的所述基本属性信息组成基本属性集，将所有的所述行为属性信息组成行为属性集，将所述基本属性集和所述行为属性集组成总属性集；

基于所述基本属性集和所述行为属性集计算区分矩阵，所述区分矩阵为区别所述总属性集中元素的所有属性的集合；