CN103870550A - 基于Android系统的用户行为模式获取方法及其系统 - Google Patents

Abstract

本发明“基于Android系统的用户行为模式获取方法及其系统”，属于基于Android的用户行为模型挖掘。针对多维用户行为特征，采用基于关联规则进行数据挖掘，提出基于位置、时间、网络连接挖掘出的用户情境，进而挖掘用户情境挖掘情境-使用应用程序间的关系来获取用户行为模型。系统包括移动数据捕捉模块、数据预处理模块、关联规则挖掘模块、情境建模模块、用户行为建模模块这五个模块；在移动终端：采集移动终端的位置、时间、网络连接、使用过的应用程序四项特征；在PC端：数据预处理、关联规则挖掘、情境建模、用户行为建模这四个模块设置在PC端。对繁杂的APP进行推荐，满足用户的需求，提高已有移动应用的使用效率。

Description

基于Android系统的用户行为模式获取方法及其系统

技术领域

本发明涉及基于Android的用户行为模型挖掘系统。

背景技术

    随着智能手机的普及，移动应用数量以及移动应用的下载量均呈爆发式增长；2013年1月苹果宣布App Store全球下载量突破400亿次，应用总数达到77.5万；而Google Play有可能在2013年早于App Store迎来百万应用数。尽管APP的发展如火如荼，然而据AC尼尔森关于智能手机使用调查报告显示：虽然大家每个人装的应用平均数量在增长，但人们花在应用上的总时间却没怎么变。由此可见一个典型的应用的下场就是，只有不到一半的应用被下载后会使用一次以上。这种情况的出现，对用户的流量、时间以及手机的存储空间都是一种不小的浪费。更糟糕的是，很多实用的、有价值的APP被淹没在APP海洋中。人们对它们知之甚少，当需求出现时，往往还意识不到它们的存在。针对这种情况，针对APP进行个性化推荐是有必要的。

    Android平台是Google于2007年11月推出的一种智能手机平台，它是一个由操作系统、中间件、用户友好界面和应用软件组成的，全面整合的移动“软件栈”。Android应用程序主要由以下4个部分组成：活动（Activity）、意图（Intent）、服务（Service）和内容提供者（Content Provider）。Android平台最大的特点在于它是一个开放的体系架构，具有非常好的开发和调试环境，而且还支持各种可扩展的用户体验。此外，Android平台基本上是免费的，所以能有效降低软件的成本，最终让每个用户能够自由地获取信息。基于Android平台的这些特性以及广大的Android终端用户群，所以选择Android系统作为我们进行设计实现的平台。

    作为一个跨学科概念，情境感知在计算机科学、认知科学、心理学和语言学等诸多领域有着深入的研究。移动情境感知技术在既有的“上下文”的概念基础之上，更为强调“场景”的概念，即多种信息源的综合描述。移动情境感知特征不仅包括时间、地点、用户操作等基本信息，还包括丰富的传感器信息，如基站、蓝牙、麦克风、3D加速度传感器等。通过综合分析这些特征，尽可能真实地还原移动用户的行为模式和实时场景，从而为信息推送和过滤提供更全面、更可靠的依据。

数据挖掘是指从大型数据库或数据仓库中提取隐含的、先前未知的、对决策有潜在价值的知识和规则。它是人工智能和数据库发展相结合的产物，是国际上数据库和信息决策系统最前沿的研究方向之一。数据库挖掘主要的算法有分类模式、关联规则、决策树、序列模式、聚类模式分析、神经网络算法等等。关联规则是数据挖掘领域中的一个非常重要的研究课题，广泛应用于各个领域，既可以检验行业内长期形成的知识模式，也能够发现隐藏的新规律。有效地发现、理解、运用关联规则是完成数据挖掘任务的重要手段，因此对关联规则的研究具有重要的理论价值和现实意义。   

现阶段关于用户行为模式的挖掘主要集中在PC端的用户行为，而移动终端，尤其是针对Android系统的用户行为模式研究还在少数。

发明内容

本发明目的在于公开一种基于Android系统的用户行为模式获取方法及其系统，针对用户行为，选择了使用过的应用程序、时间、地点、网络连接状态等多种特征来分析，多维特征挖掘出的模式能更好的反应用户行为。   

本发明需要保护的两个技术方案：

一种基于Android的用户行为模型挖掘应用方法，其特征在于，针对多维用户行为特征，采用基于关联规则进行数据挖掘。提出了基于位置、时间、网络连接挖掘出的用户情境，进而挖掘用户情境挖掘情境-使用应用程序间的关系来获取用户行为模型。具体实现步骤依次包括：

1）设计了一个移动终端数据采集器，将移动终端用户使用应用程序时的位置、时间、网络连接连同该应用程序信息记录下来。

2）对采集来的数据进行预处理，来获取适合数据挖掘的数据格式。

3）利用数据挖掘的关联规则来挖掘位置、时间和网络连接三者的潜在关系，挖掘出情境模型。

4）通过所述挖掘出的情境模型与使用所述应用程序的关联规则用来挖掘用户行为模型。

5）根据用户在多个不同情境中不同的行为来进行建模和分析，将该用户的行为固化下来，即获得该用户的用户行为模型。

6）最后，挖掘出用户行为模型后，可以根据该模型进行相关的个性化推荐。

一种基于Android的用户行为模型挖掘系统，其特征在于，包括移动数据捕捉模块、数据预处理模块、关联规则挖掘模块、情境建模模块、用户行为建模模块这五个模块。在移动终端：根据移动数据捕捉模块设计一个在Android系统上运行的数据采集器，采集移动终端的位置、时间、网络连接、使用过的应用程序四项特征。在PC端：所述数据预处理、关联规则挖掘、情境建模、用户行为建模这四个模块设置在PC端，通过预处理模块对在移动终端采集到的四项数据进行预处理，并将各项数据存入原始数据库中。首先，对位置、时间、网络连接这三个特征的数据通过关联规则挖掘模块进行数据挖掘。并通过情境建模模块构建出一个个的移动情境以及建立移动情境间的关联模型。将原始数据库中的地理位置、时间、网络连接数据转换为相应的移动情境，与应用程序名构建新的情境-应用程序数据库。再一次调用关联规则模块挖掘移动情境与使用过得的应用程序间的关联规则，并调用用户行为建模模块构建用户行为模型。

本发明将时间、地点、网络连接状态三个特征构建出情境，再依照情境挖掘出情境-应用程序模式。

本发明Android系统的用户行为模式是根据用户的位置、时间、网络连接状态等基本移动特征数据进行采集，建立移动用户行为数据库，再通过基于关联规则挖掘的方法挖掘用户行为模型。以用户模型为基准，设计开发一个移动终端应用的推荐系统对繁杂的APP进行推荐，从而满足用户的需求，也提高了已有移动应用的使用效率。

附图说明

图1 用户行为模式挖掘整体架构图。

图2数据捕捉模块流程图。

图3 用户行为建模模块流程图。

具体实施方式

Android用户行为模式获取系统的架构如图1所示。

基于Android的用户行为模式挖掘系统通过Android用户使用过的应用程序以及使用该应用程序时的GPS、时间、网络连接状态这四个基本移动特征进行采集，建立移动用户行为数据库。然后根据基于关联规则的挖掘对这四个特征进行数据挖掘，挖出出移动行为模型。旨在挖掘出用户所处的场景与行为间的关联以及不同场景间的关联，进而构建出基于地点、时间、网络连接以及应用操作的用户行为模型。

数据捕捉模块：该模块主要捕捉Android系统上的地理位置、时间、网络状态以及应用程序使用记录这四项基本特征来挖掘用户行为模型。该部分的总体设计思路如下：读取当前正在运行的应用程序置于一个应用程序集合中，间隔一秒，再次读取当前正在运行的应用程序置于另一个应用程序集合中，在后者中出现，而在前者中没出现的即为新打开的应用程序；在前者中出现，而在后者中未出现的即为新关闭的应用程序。在这里我们只用到了新打开的应用程序部分。接下去，判断该新打开的应用程序是否为前台程序，若不是，则过滤删除；若是，则调用Location接口、时间接口、网络接口，获取这三者信息，连同新打开的应用程序名作为一条记录一同输出到Android终端上的一个txt文件中，即为捕捉到一条完整的记录。数据捕捉模块流程图如图2所示。

用户行为建模模块：在该模块中，选取地点、时间段以及网络连接状态这三个移动特征来构建移动情境。首先从原始移动数据库中读取包含地点、时间段、网络连接状态这三者的记录。通过关联规则挖掘模块挖掘三者间的关联规则。然后，可以根据对场景的实际需求，选择前n条规则进行处理来构建场景。将挖掘到的场景以及其对应的地点、时间段、网络连接状态信息存入数据库中。根据上步中挖掘出来的移动情境信息，我们可以将原始数据库转换为情境-应用程序数据库。将情境-应用程序数据库中的一条记录作为一次事务，情境和应用程序名作为项。然后通过关联规则挖掘情境与使用过的应用程序间的规则。我们把用户在一个特定情境下使用特定的应用程序作为一次用户行为。同样的，可以根据对行为数的实际需求，选择n条规则进行处理来构建用户行为。这些挖掘出来的用户行为的总和，可以简单的认为，即是所挖掘的该用户的用户行为模型。将这次行为存入至用户行为数据库中进行存储。软件行为实时验证系统流程图如图3所示。

数据捕捉模块在Android手机上进行，捕捉到的记录每条以经纬度、时间、应用程序以及网络连接状态的形式存储在手机的一个txt文档中。通过人工导入到PC端，存入数据库中，进行基于关联规则的数据挖掘，挖掘出用户的行为模式。

综上，根据现阶段丰富的移动情境信息，本实施例选择在Android平台上，采集用户移动特征，通过关联规则挖掘用户行为，对挖掘出的规则进行分类进而形成用户模型，并利用用户模型来进行特定的推荐，设计相关推荐的应用。首先，对用户Android移动终端上的GPS、时间、使用过的应用程序信息进行采集；继而对采集来的数据进行预处理，构建相对应的情境；然后根据用户在不同情境中不同的行为来进行建模和分析，将用户的行为固化下来；最后以用户模型为基准，设计开发一个移动终端应用的推荐系统对繁杂的APP进行推荐，从而满足用户的需求，也提高了已有移动应用的使用效率。这个系统主要从用户在特定的位置使用过的移动应用的历史记录出发，通过用户当前的移动应用信息来推荐用户使用具有相关特殊的移动应用。此外，也考虑将时间、用户使用应用频度以及与用户相同偏好的人在未知地点上提供辅助推荐等因素加入到建立用户模型中。

Claims (2)

1.一种基于Android的用户行为模型挖掘应用方法，其特征在于，针对多维用户行为特征，采用基于关联规则进行数据挖掘，提出了基于位置、时间、网络连接挖掘出的用户情境，进而挖掘用户情境挖掘情境-使用应用程序间的关系来获取用户行为模型，具体实现步骤依次包括：

1）设计了一个移动终端数据采集器，将移动终端用户使用应用程序时的位置、时间、网络连接连同该应用程序信息记录下来；

2）对采集来的数据进行预处理，来获取适合数据挖掘的数据格式；

3）利用数据挖掘的关联规则来挖掘位置、时间和网络连接三者的潜在关系，挖掘出情境模型；

4）通过所述挖掘出的情境模型与使用所述应用程序的关联规则用来挖掘用户行为模型；

5）根据用户在多个不同情境中不同的行为来进行建模和分析，将该用户的行为固化下来，即获得该用户的用户行为模型；

6）最后，挖掘出用户行为模型后，可以根据该模型进行相关的个性化推荐。

2.一种基于Android的用户行为模型挖掘系统，其特征在于，包括移动数据捕捉模块、数据预处理模块、关联规则挖掘模块、情境建模模块、用户行为建模模块这五个模块；

在移动终端：根据移动数据捕捉模块设计一个在Android系统上运行的数据采集器，采集移动终端的位置、时间、网络连接、使用过的应用程序四项特征；

在PC端：所述数据预处理、关联规则挖掘、情境建模、用户行为建模这四个模块设置在PC端，通过预处理模块对在移动终端采集到的四项数据进行预处理，并将各项数据存入原始数据库中。

Images