CN105224685A - 一种挖掘用户周期模式的***及其方法 - Google Patents

Abstract

本发明提供一种挖掘用户周期模式的***及其方法，该***中用户行为记录模块用以记录各个用户的行为的时间；用户行为时间序列生成模块用以批量处理各个用户的行为，形成用户行为的时间序列；用户行为的周期模式获取模块，用以将时间序列根据频繁模式生成周期模式；用户周期模式存储模块用以接收所述用户行为的周期模式获取模块生成的周期模式，并将所述周期模式存储到所述用户周期模式存储模块的数据库中。本发明能够准确的获取时间序列中的周期模式，通过扫描原始数据集两次能够减少大量的IO操作，结合项位置信息以及构建FP-Tree不仅为算法提高了执行效率，而且也减少了从原始数据获取周期模式的内存占用。

Description

一种挖掘用户周期模式的***及其方法

技术领域

本发明涉及周期模式挖掘技术领域，特别是涉及一种挖掘用户周期模式的***及其方法。

背景技术

在LBSN领域中，用户的行为模式已经得到广泛的研究且产生了诸多研究成果。例如通过对用户到达地点的统计分析，发现用户在一天中的不同时间段所去地点的类别大体相同。通过对用户行驶序列的频繁序列的挖掘能够发现用户到达某些地点先后顺序的规律。同样，周期性行为也属于用户行为模式的一种。周期性行为的研究方向主要分为两类：周期获取以及周期模式的挖掘。其中周期获取的主要任务为获取某一用户到达某一地点的周期，而周期模式的挖掘主要目的是发现用户到达某一地点的周期发生的模式，其具体任务为在给定周期下挖掘用户到达该地点的周期模式。

目前，周期模式算法主要基于频繁模式挖掘算法的思想。基于Aprior思想的周期模式挖掘算法已经被提出，其借鉴了频繁模式挖掘算法中频繁模式的子模式也是频繁模式等思想。基于Aprior算法思想的频繁周期模式挖掘算法的算法复杂度依赖于给定周期的大小，在获取频繁周期模式时需要多次扫描原始数据集。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种挖掘用户周期模式的***及其方法，能够准确的获取时间序列中的周期模式，通过扫描原始数据集两次，能够减少大量的IO操作，不仅提高了执行效率，而且也减少了从原始数据获取周期模式的内存占用。

为实现上述目的及其他相关目的，本发明提供一种挖掘用户周期模式的***，至少包括：用户行为记录模块，用以记录各个用户的行为的时间；用户行为时间序列生成模块，与所述用户行为记录模块相连接，用以批量处理各个用户的行为，形成用户行为的时间序列；用户行为的周期模式获取模块，与所述用户行为时间序列生成模块相连，用以将时间序列根据频繁模式生成周期模式。

优选地，所述用户行为时间序列生成模块以天为时间粒度生成所述用户行为的时间序列。

优选地，所述挖掘用户周期模式的***还包括用户周期模式存储模块，其与所述用户行为的周期模式获取模块相连，用以接收所述用户行为的周期模式获取模块生成的周期模式。

优选地，所述用户周期模式存储模块将周期模式存储到所述用户周期模式存储模块的数据库中。

优选地，所述用户周期模式存储模块将用户ID、周期存储到所述用户周期模式存储模块的数据库中。

一种挖掘用户周期模式的方法，包括以下步骤：S1，用户行为记录模块记录各个用户的行为的时间；S2，用户行为时间序列生成模块批量处理各个用户的行为，以天为时间粒度生成用户行为的时间序列；S3，用户行为的周期模式获取模块将时间序列根据频繁模式生成时间序列周期模式。

优选地，挖掘用户周期模式的方法还包括以下步骤：

S4，用户周期模式存储模块接收所述用户行为的周期模式获取模块生成的周期模式，并将周期模式、用户ID、周期存储到所述用户周期模式存储模块的数据库中。

优选地，所述步骤S3的具体实现过程为：

S3-1，第一次读取时间序列，将时间序列以周期大小切割成子序列的形式，同时将子序列中的每个元素增至其在当前子序列中的位置，将时间序列转变成项集的形式，并统计每个项集在数据集中出现的次数；

S3-2，将各个项集中的项按照其在数据集中发生的次数从大到小排序；

S3-3，根据项发生次数，去除不满足最低发生次数的项；

S3-4，依次读项集创建FP-Tree并创建头表，从头表最后一项起作为条件模式基创建条件模式树，并构建新的头表，条件模式与头表中的项的组合是一个频繁模式作为输出；

S3-5，获取数据集所有的频繁模式，根据频繁模式生成时间序列周期模式。

优选地，所述步骤S3中以深度优先的规则递归的方式获取数据集所有的频繁模式。

优选地，所述步骤S3中仅扫描原始数据集两次。

本发明提供挖掘用户周期模式的***及其方法，具有以下有益效果：

本发明提出一种基于项位置信息以及FP-Growth算法思想的周期模式挖掘方法，本发明能够准确的获取时间序列中的周期模式，通过扫描原始数据集两次能够减少大量的IO操作，结合项位置信息以及构建FP-Tree不仅为算法提高了执行效率，而且也减少了从原始数据获取周期模式的内存占用。本发明提出的算法的时间复杂度为o(nlogn)，空间复杂度为n。与现有周期模式获取算法相比具有更高的执行效率。

附图说明

图1显示为实施例中提供的挖掘用户周期模式的***的框图。

图2显示为实施例中提供的挖掘用户周期模式的方法的步骤流程框图。

图3显示为实施例中提供的时间序列周期模式获取方法流程图。

元件标号说明

S1～S4步骤。

具体实施方式

时间序列周期模式与关联模式相仿，主要区别是时序模式中数据之间的关联性的其中至少一项是时间维，这样整个关联模式就同时间联系了起来。时间序列模式考虑的问题不仅需要考虑事件是否发生，而且关键是需要考虑事件发生的时间。它可看成是关联模型的一个特例，它在关联模型中增加了时间属性。它根据时间序列型数据，由历史的数据和当前的数据去推测未来的数据。

时间序列周期模式根据数据随时间变化的趋势，发现某一时间段内数据间的相关性处理模型，预测将来可能出现值的分布情况。

基于一个或多个时间序列数据的挖掘为时间序列数据挖掘，它可以从时序中提取时序内部的规律用于时序的数值、周期、趋势分析和预测等。

时序数据库同普通数据库最大的区别就是时间维的拥有，以及时间维在数据库全部列中的特殊地位，与此相对应的，针对时序数据集的挖掘工作的特点同针对普通数据集的挖掘工作的特点也是有很大不同的。本发明主要通过预处理，把多时间维t1、t2.……变换为唯一的时间维t，将其余的时间维并入时间维中。

时序数据的挖掘的一个基本的特点是所有我们关心的目标问题都或多或少的和时间维有联系，即时序模式挖掘关心的问题是t->b(b为目标问题)，即某个关心的问题在时间上有什么特点或特征，或者某些特别时间会有什么事件发生。

本发明所涉及的算法需要设定最少发生次数，若某一周期模式的发生次数大于最小发生次数，则该模式为时间序列的正确的周期模式。这样可以使得用户可以将目光聚集到希望的周期事件上来，不仅提高挖掘工作的效率，也提高了挖掘结果的可靠性。本发明的基本思想是将周期模式的获取转变成频繁模式获取，因此频繁模式的发生次数对应于周期模式的发生次数，若某一模式的发生次数大于最少发生次数，则其对应的周期模式是时间序列正确的周期模式。

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

请参阅附图。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

下面结合实施例和附图对本发明进行详细说明。

实施例提供一种挖掘用户周期模式的***，如图1所示，其包括：

用户行为记录模块，用以记录各个用户的行为的时间；

用户行为时间序列生成模块，与所述用户行为记录模块相连接，以天为时间粒度生成用户行为的时间序列，其中用户行为的不同状态以字符作为标识。

用户行为的周期模式获取模块，与所述用户行为时间序列生成模块相连，用以将时间序列根据频繁模式生成周期模式；

用户周期模式存储模块，其与所述用户行为的周期模式获取模块相连，用以接收所述用户行为的周期模式获取模块生成的周期模式，并将所述周期模式、用户ID、周期存储到所述用户周期模式存储模块的数据库中。

实施例中还提供一种挖掘用户周期模式的方法，如图2所示，其包括以下步骤：

S1，用户行为记录模块记录各个用户的行为的时间；

S2，用户行为时间序列生成模块批量处理各个用户的行为，以天为时间粒度生成用户行为的时间序列；

S3，用户行为的周期模式获取模块将时间序列根据频繁模式生成时间序列周期模式；

第一次读取时间序列时，将时间序列以周期大小切割成子序列的形式，同时将子序列中的每个元素增加至其在当前子序列中的位置，将时间序列转变成项集的形式，并统计每个项集在数据集中出现的次数；

将各个项集中的项按照其在数据集中发生的次数从大到小排序；

根据项发生次数，去除不满足最低发生次数的项，依次读项集创建FP-Tree并创建头表，从头表最后一项起作为条件模式基创建条件模式树，并构建新的头表，条件模式与头表中的项的组合是一个频繁模式作为输出；

以深度优先的规则递归的方式获取数据集所有的频繁模式，根据频繁模式生成周期模式。

S4，用户周期模式存储模块接收所述用户行为的周期模式获取模块生成的周期模式，并将周期模式、用户ID、周期存储到所述用户周期模式存储模块的数据库中。

在步骤S3中涉及的时间序列周期模式获取的主要流程，如图3所述，具体包括如下步骤：

步骤1：读取时间序列，生成附带位置项集，并统计各个项的发生次数：

第一次读取时间序列时，将时间序列以周期大小切割成子序列，并将子序列分成项集的形式，其中每个项都附带其在当前子序列中的位置信息，并统计具有相同值且位置相同的项在整个数据集中出行的次数。

步骤2：根据项的发生次数，将项集中的项从大到小排序：

将每个项集中的项根据其在整个数据集中的发生次数从大到小排序，这一步采用快速排序法，则时间复杂度为o(nlogn)。

步骤3：去除发生次数小于最少发生次数的项。

步骤4：依次读取数据集中的所有项集，并创建头表和FP-Tree，此时条件模式基为空。

步骤5：当前条件模式基与头表中最后一个元素输出为频繁模式，并以此频繁模式创建条件模式树并更新头表：

从头表的最后一个项起，以当前项与当前条件模式基组合形成频繁模式，并以该频繁模式作为最新的条件模式基构建FP-tree；若FP-tree非空，则继续执行步骤5，若FP-tree为空则跳转至步骤6。

步骤6：递归调用返回至上一层：

当前FP-Tree为空，则递归调用返回至上一层，以上一层的头表的下一个元素与上一层的条件模式基作为条件模式基，构建FP-Tree以及头表，跳转至步骤6，如果上一层头表为空，则继续返回上一层，如果返回至递归调用顶层且头表为空，则频繁模式挖掘算法结束，跳转至步骤7。

步骤7：将频繁模式转变成周期模式：

将附带项位置信息的频繁模式结合周期的大小生成周期模式。

算法在时间上开销越少越好，对应在数据挖掘算法中，对数据库的扫描次数越少则算法时间上的效率越高，所以算法在时间上的效率可以转换成算法对数据库的扫描次数。

算法空间上的开销对于数据挖掘问题基本上表现为算法过程中需要同时处理的事务的数量，即算法需要同时移入内存参与算法工作的数据量的大小。而这些数据是不可分开移出内存的。算法对大批量的数据移入移出内存操作越少越好。

本实施例提供的方法能够准确的获取时间序列中的周期模式，通过扫描原始数据集两次能够减少大量的IO操作，结合项位置信息以及构建FP-Tree不仅为算法提高了执行效率，而且也减少了从原始数据获取周期模式的内存占用，本实施例提出的算法的时间复杂度为o(nlogn)，空间复杂度为n，与现有周期模式获取算法相比具有更高的执行效率。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种挖掘用户周期模式的***，其特征在于，包括：

用户行为记录模块，用以记录各个用户的行为的时间；

用户行为时间序列生成模块，与所述用户行为记录模块相连接，用以批量处理各个用户的行为，形成用户行为的时间序列；

用户行为的周期模式获取模块，与所述用户行为时间序列生成模块相连，用以将时间序列根据频繁模式生成周期模式。

2.根据权利要求1所述的挖掘用户周期模式的***，其特征在于，所述用户行为时间序列生成模块以天为时间粒度生成所述用户行为的时间序列。

3.根据权利要求1所述的挖掘用户周期模式的***，其特征在于，所述挖掘用户周期模式的***还包括用户周期模式存储模块，其与所述用户行为的周期模式获取模块相连，用以接收所述用户行为的周期模式获取模块生成的周期模式。

4.根据权利要求3所述的挖掘用户周期模式的***，其特征在于，所述用户周期模式存储模块将周期模式存储到所述用户周期模式存储模块的数据库中。

5.根据权利要求3或4所述的挖掘用户周期模式的***，其特征在于，所述用户周期模式存储模块将用户ID、周期存储到所述用户周期模式存储模块的数据库中。

6.一种挖掘用户周期模式的方法，其特征在于，包括以下步骤：

S1，用户行为记录模块记录各个用户的行为的时间；

S2，用户行为时间序列生成模块批量处理各个用户的行为，以天为时间粒度生成用户行为的时间序列；

S3，用户行为的周期模式获取模块将时间序列根据频繁模式生成时间序列周期模式。

7.根据权利要求6所述的挖掘用户周期模式的方法，其特征在于：挖掘用户周期模式的方法还包括以下步骤：

S4，用户周期模式存储模块接收所述用户行为的周期模式获取模块生成的周期模式，并将周期模式、用户ID、周期存储到所述用户周期模式存储模块的数据库中。

8.根据权利要求6所述的挖掘用户周期模式的方法，其特征在于：所述步骤S3的具体实现过程为：

S3-1，第一次读取时间序列，将时间序列以周期大小切割成子序列的形式，同时将子序列中的每个元素增至其在当前子序列中的位置，将时间序列转变成项集的形式，并统计每个项集在数据集中出现的次数；

S3-2，将各个项集中的项按照其在数据集中发生的次数从大到小排序；

S3-3，根据项发生次数，去除不满足最低发生次数的项；

S3-4，依次读项集创建FP-Tree并创建头表，从头表最后一项起作为条件模式基创建条件模式树，并构建新的头表，条件模式与头表中的项的组合是一个频繁模式作为输出；

S3-5，获取数据集所有的频繁模式，根据频繁模式生成时间序列周期模式。

9.根据权利要求8所述的挖掘用户周期模式的方法，其特征在于：所述步骤S3中以深度优先的规则递归的方式获取数据集所有的频繁模式。

10.根据权利要求8所述的挖掘用户周期模式的方法，其特征在于：所述步骤S3中仅扫描原始数据集两次。