[发明专利]基于混合Markov模型的业务协同预测方法

权利要求书

1.基于混合Markov模型的业务协同预测方法，其特征在于，具体步骤如下：

步骤1，根据用户的业务访问特点，计算用户之间的相似度；

用户之间相似度的计算方法，具体为：

所述用户根据其业务兴趣指标值进行描述，即第i个用户u_i＝{u_i1,u_i2,…,u_in}，其中，i＝1,2,…,m，m为用户数，u_ia为第i个用户对第a个业务的业务兴趣指标值，a＝1,2,…,n，n为业务数；

第i个用户u_i与第i个用户u_j之间的相似度为：Sim(u_i,u_j)＝Sim(u_i,u_j)^s+Sim(u_i,u_j)^d，其中，Sim(u_i,u_j)^s为u_i和u_j对任何一对业务(x,y)偏好一致时的相似度，偏好系数Sim(u_i,u_j)^d为u_i和u_j对任何一对业务(x,y)偏好不一致时的相似度，偏好系数

步骤2，在用户的历史行为序列中，选取用户最近发生的没有重复业务行为的一段历史行为序列作为预测序列；

步骤3，根据预测序列以及用户对不同业务的偏好程度，计算用户下一时刻业务的预测概率分布；

用户下一时刻业务的预测概率分布p_S^*的计算方法，具体为：

其中，x(S_l)表示l阶预测序列S_l在历史行为序列中出现的次数，l阶预测序列S_l表示预测序列S中最近的l个业务行为构成的序列，L表示预测序列S的长度；p(s_a|S_l)表示在l阶预测序列S_l后发生业务状态s_a的概率，x(S_ls_a)表示在历史行为序列中出现l阶预测序列S_l后业务状态s_a发生的次数；p(s_b|S_l)表示在l阶预测序列S_l后发生业务状态s_b的概率，x(S_ls_b)表示在历史行为序列中出现l阶预测序列S_l后业务状态s_b发生的次数；表示用户对业务状态s_a的偏好程度，表示的均值，表示的方差，表示用户第v次在业务状态s_a停留的时长；

步骤4，选择与目标用户相似度最高的K个用户组成目标用户的最近邻集合，根据目标用户的最近邻集合中各个用户的下一时刻业务的预测概率分布，计算目标用户下一时刻业务的预测概率分布，目标用户下一时刻业务的预测概率分布中最大概率值对应的业务状态即为目标用户在下一时刻的预测业务状态；

目标用户下一时刻业务的预测概率分布p_S^**的计算方法，具体为：

其中，p_S^*k表示目标用户的最近邻集合中第k个用户u_k的下一时刻业务的预测概率分布，γ_k表示目标用户的最近邻集合中第k个用户u_k的权重，Sim(u_r,u_k)表示目标用户u_r与目标用户的最近邻集合中第k个用户u_k之间的相似度。