[发明专利]基于人机交互行为特征的用户身份属性检测方法

摘要

本发明公开了一种基于人机交互行为特征的用户身份属性检测方法，通过分析用户与智能计算系统交互过程中操作人机交互设备（例如鼠标、键盘、触摸屏等）所产生的人机交互行为，提取人机交互行为特征，并基于人机交互特征建立用户的身份属性模板，对用户的身份属性（性别、年龄、种族等）进行检测和判别。本发明方法的优点在于人机交互行为填补了在智能计算系统中对操作者身份属性进行分析的空白,为计算机及移动网络用户信息感知分析提供了一种全新的思路。此外，本发明可以在用户与智能计算系统交互过程中对用户进行持续的分析，且不会对用户的正常行为产生干扰。

主权项

一种基于人机交互行为特征的用户身份属性检测方法，其特征在于，包括建立身份属性模型和检测身份属性两个部分：(1)建立身份属性模型，包括下述步骤：第一步，在计算机及智能手机用户正常使用人机交互设备的过程中，采集并记录用户的人机交互行为数据，包括鼠标交互行为数据、击键交互行为数据、触摸交互行为数据；第二步，针对所有计算机及智能手机用户，定义身份属性的种类，及每种身份属性的划分类别；第三步，以固定观测时间长度T为周期对记录的人机交互行为数据进行划分，形成多个时间长度为T的人机交互行为数据块；根据用户的身份属性的种类及每种身份属性的划分对这些行为数据块进行标记；第四步，针对每个标记的数据块，提取并标记人机交互行为特征向量，将不同数据块中的人机交互行为特征向量组合形成用户的身份属性特征向量训练集；第五步，针对每种身份属性，根据身份属性种类的标记，得到每个身份属性对应的特征向量训练集；根据每个身份属性划分类别的标记，得到训练集中每个特征向量的标记；分别将每个身份属性对应的特征向量训练集作为训练样本，同时将训练集中特征向量的标记作为训练样本的标记，对每个身份属性分别构建身份属性模型；(2)检测身份属性，包括下述步骤：第一步，用户登入计算机或智能手机后，捕获当前用户的人机交互行为，以长度T为周期，获取T内用户人机交互行为数据并提取对应的人机交互行为特征向量，进而生成对应每个身份属性的特征向量；第二步，对当前用户的身份属性进行检测：将生成的身份属性特征向量作为已建立的身份属性推测模型的输入，得到用户身份属性的检测值，对用户的身份属性进行判断；所述建立身份属性模型由一种或多种分类器联合实现，所述分类器包括加权随机森林分类器、人工神经网络分类器、支持向量机分类器；由加权随机森林分类器建立身份属性模型的具体步骤为：1)初始化训练样本集中特征样本的个数为N，每个特征样本中特征分量的个数为M，决策树的个数为P，每个决策树的决策特征的个数为m，m远小于M；2)为了消除不同的特征量纲的影响，将各维特征向量进行归一化处理，将其取值限制在[0,1]之间；3)使用Bagging算法对N个特征样本取样P次，得到P个特征集合；4)对每一个随机树随机选取一个特征集合，并对该决策树进行评估及误差分析，对于树中的每一个节点，随机选择m个基于此点的特征分量，并针对不同类别的特征样本，赋予不同的权值以寻找最佳的分割方式；5)根据分类效果最好的特征节点将节点划分为两个分支，再递归调用步骤4)直到这棵树能够准确分类训练样本集，或所有属性都已经被使用过；决策树完整成长之后，不对其进行剪枝；6)重复步骤3)、4)、5)直到建立了全部P棵决策树；7)采用基于加权的多数投票的方法来综合决定多个决策树的分类结果，即得到加权随机森林分类器的分类结果。