[发明专利]一种个人日常行为数据的多维分析方法

权利要求书

1.一种个人日常行为数据的多维分析方法，其特征在于：包括以下步骤：

(1)使用图结构来描述行为数据，构建行为网络，该行为网络中的顶点表示发生的行为以及行为发生时的相关要素，行为网络中的边表示行为与行为之间、行为与行为发生时的相关要素之间的联系；

(2)对行为网络中存在的所有类型的顶点元素按粒度层次进行统计，构建顶点层行为数据立方体；

(3)基于边维对行为网络进行统计，构建边层行为数据立方体；

(4)基于子图维对行为网络进行统计，构建子图层行为数据立方体；

(5)对顶点层行为数据立方体、边层行为数据立方体、子图层行为数据立方体进行组间和组内的多维分析操作，得到分析结果。

2.根据权利要求1所述的一种个人日常行为数据的多维分析方法，其特征在于：所述行为网络中包括两类顶点，主题顶点和属性顶点，所述主题顶点表示发生的行为；所述属性顶点表示行为发生时的相关要素，包括时间、地点、环境、情绪、相关的人、相关的物、工具、持续时间、移动距离、生理状况、身体状况。

3.根据权利要求2所述的一种个人日常行为数据的多维分析方法，其特征在于：所述步骤(2)包括：

根据每类元素顶点的粒度层次对行为网络中的所有顶点进行次数统计，得到该类元素对应粒度层次下的统计次数，每一类顶点的每一层统计之后都创建一个顶点元素存储该结果，其中粒度层次指的是ALL->granularity，ALL表示该类顶点的总值，granularity表示该类顶点的具体粒度，所有类别的顶点又具有ALL->type(ALL)->type(granularity)的层次关系；

根据层次结构，上层顶点与下层顶点之间用group by属性边相连，最后统计所有类型的元素ALL层数值之和，创建一个最顶层ALL层顶点存储该值，并且这个顶点与所有元素类型的ALL层顶点用group by属性边相连。

4.根据权利要求2所述的一种个人日常行为数据的多维分析方法，其特征在于：所述步骤(3)包括：对行为网络中存在的所有属性元素进行任意的组合，所有的属性组合构成边维的维度空间，维度空间中的元素根据元素包含属性个数进行由高到低的排序，依次选定维度空间中的元素作为对主题顶点的属性限制，统计行为网络中符合该限定模式的出现次数，对于得到的每一条统计结果记录都用一个“主题元素->属性元素”的星型结构图存储，构建不同层次的边层行为数据立方体。

5.根据权利要求2所述的一种个人日常行为数据的多维分析方法，其特征在于：所述步骤(4)包括：以序列边连接多个主题顶点，将具有序列关系的多个主题顶点构成一个线性结构，每个主题顶点又带有0到多个属性顶点，由此得到由属性边连接每一个主题顶点和对应的属性顶点所构成的星型结构以及由序列边连接各主题顶点所构成的线性结构。

6.根据权利要求5所述的一种个人日常行为数据的多维分析方法，其特征在于：所述序列关系为时序关系。

7.根据权利要求1所述的一种个人日常行为数据的多维分析方法，其特征在于：所述组间多维分析操作包括：切片/切块、上卷、下钻，其中，

所述切片/切块，指的是返回顶点层行为数据立方体、边层行为数据立方体或子图层行为数据立方体中；

所述上卷，指的是从一系列细节结构层次汇总为一个聚合结构层次，包括：边层行为数据立方体上卷得到顶点层行为数据立方体，子图层行为数据立方体上卷得到边层行为数据立方体；

所述下钻，指的是将相关数据从一个汇总结构层次分组为一系列细节结构层次，包括从顶点层行为数据立方体下钻到边层行为数据立方体，从边层行为数据立方体下钻到子图层行为数据立方体。

8.根据权利要求1所述的一种个人日常行为数据的多维分析方法，其特征在于：所述组内多维分析的操作包括：切片/切块、上卷、下钻，其中，

所述切片/切块，指的是返回当前层行为数据立方体内所指定维度层次内的立方体；

所述上卷，指的是维度层次较小的立方体汇总为一个维度层次较大的立方体，即一系列包含多个元素的立方体汇总为一个包含较少元素的立方体；

所述下钻，指的是从一个维度层次较大的立方体分组为一系列维度层次较小的立方体。