[发明专利]基于混合Markov模型的业务协同预测方法

说明书

本发明公开了一种基于混合Markov模型的业务协同预测方法，首先通过对当前的用户相似度算法进行改进，使得改进后的用户相似度算法具有区分不同数量级大小的数据的作用，准确寻找与目标用户相似度较大的用户进行辅助预测；其次，提出一种多用户多阶Markov预测模型，通过利用不同长度的预测序列来对用户的下一业务进行预测，从而提高预测的准确率。最后，将用户的业务兴趣考虑在内，通过分析用户对不同业务的兴趣度，对多用户多阶Markov预测模型进行进一步完善，最终得到基于混合Markov模型的业务协同预测算法。

技术领域

本发明涉及一种基于混合Markov模型的业务协同预测方法，属于业务预测技术领域。

背景技术

随着移动互联网的发展和普及，移动互联网己成为人们获取各种信息和资源的重要媒介，使得用户能够通过移动智能终端，随时，随地，随心的使用自己感兴趣的相关业务。显然，移动互联网和智能终端极大地改变了人们的生活，工作，和娱乐方式。

当前，移动互联网信息量和用户数量飞速增长，而网络资源有限的情况下，如何提前预测用户的下一个业务状态，有效减少用户的访问等待时间，提高网络服务质量，已成为一个迫切需要解决的难题。

当前，用户业务预测预测问题大多采用Markov模型，作为一种经典的概率统计模型，Markov模型通过在用户历史访问业务序列库中匹配用户的当前访问，预测用户下一步最可能使用的业务。很多学者对此都进行了卓有成效的研究，虽然当前的Markov预测模型虽然已经具有比较高的准确率，但依然有很多改进的空间，例如当前的Markov模型结构比较简单，并且影响用户下一业务的因素并未考虑全面。

因此，在当前的Markov模型的基础上进行进一步拓展，将更多的影响用户下一业务的因素考虑进来，形成更加完善的Markov模型，进一步提高对用户下一业务的预测准确度，提升用户业务体验已成为当前研究的热点。

发明内容

本发明所要解决的技术问题是提供一种基于混合Markov模型的业务协同预测方法，该方法首先通过对当前的用户相似度算法进行改进，使得改进后的用户相似度算法具有区分不同数量级大小的数据的作用，准确寻找与目标用户相似度较大的用户进行辅助预测；其次，提出一种多用户多阶Markov预测模型，通过利用不同长度的预测序列来对用户的下一业务进行预测，从而提高预测的准确率。最后，将用户的业务兴趣考虑在内，通过分析用户对不同业务的兴趣度，对多用户多阶Markov预测模型进行进一步完善，最终得到基于混合Markov模型的业务协同预测算法。

本发明为解决上述技术问题采用以下技术方案：

本发明提供一种基于混合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；

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；

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。

作为本发明的进一步优化方案，步骤1中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；