CN104133808A - 基于复杂对应系统的用户行为一致性度测量方法 - Google Patents
基于复杂对应系统的用户行为一致性度测量方法 Download PDFInfo
- Publication number
- CN104133808A CN104133808A CN201410327709.2A CN201410327709A CN104133808A CN 104133808 A CN104133808 A CN 104133808A CN 201410327709 A CN201410327709 A CN 201410327709A CN 104133808 A CN104133808 A CN 104133808A
- Authority
- CN
- China
- Prior art keywords
- behavior
- relation
- matrix
- user
- user behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Abstract
一种基于复杂对应系统的用户行为一致性度测量方法,应用于互联网支付平台安全。整个方案分为三个阶段:第一阶段根据现有用户行为模型分析复杂对应关系特征,第二阶段根据用户行为特征建立行为轮廓,构建用户行为关系矩阵,第三阶段根据用户复杂对应特征,完成用户行为矩阵分解,计算用户行为一致性度,检测用户行为与预期行为的一致程度。对用户的内部行为关系进行了较细致的分析,建立了用户行为关系的轮廓,并对复杂对应关系进行区分和分类,给出了基于复杂对应关系用户行为的一致性测量和分析构架。有效地将复杂对应关系进行区分和计算,解决了存在复杂对应模型对的行为一致性测度问题,并大大缩短了运算时间。
Description
技术领域
本发明涉及用户行为一致性度测量,可应用于互联网支付平台安全。
背景技术随着计算机的飞速发展,网上支付平台的应用越来越广泛,对于用户在支付过程中的行为一致性检测技术的要求也越来越严格。
由于系统设计师和建模者对相同的真实世界现象所持有的观点的不同,从而导致不同模型的建立。模型的一致性关系到模型元素在模型匹配情况下的匹配的语义学。那么存在复杂对应的情况便不言而喻,统计表明对于流程模型中存在的对应中,有超过40℅是复杂对应的,超过7℅是有着交叉重复对应的。如何对电子交易过程中用户的行为和预期行为进行一致性分析,在存在于复杂系统中的模型间便显得至关重要。
先前就两个模型(即测量用户行为模型、预期模型)之间的一致性有过一些研究,提出了如迹匹配、互模拟、行为轮廓等测量方法(见后面的批注[1-5]),但是这些方法在复杂对应方面,未能有效区分行为间的复杂对应的情况,从而在计算精度上面大打折扣。
提供以下索引,索引所对应的公开文献为与本发明技术方案接近或者相关技术,并也视为本发明说明书的组成部分。因此,本发明技术方案中涉及的技术术语以及技术方案实施所依赖的在先技术可参见如下资料:
[1]Matthias Weidlich,Jan Mendling,Mathias Weske.Ef fi cientconsistency measurement based on behavioral profiles of process models[J].IEEE Transactions on Software Engineering,2011,37(3):410–429.
[2]Matthias Weidlic,Behavioural profiles---a relational approachto behaviour consistency[DB/OL].Institutional Repository of theUniversity of Potsdam:URLhttp://opus.kobv.de/ubp/volltexte/2011/5559/URN urn:nbn:de:kobv:517‐opus‐55590,2011.
[3]Sergey Smirnov,Matthias Weidlich,Jan Mendling.Business ProcessModel Abstraction Based on Behavioral Profiles[C].Heidelberg:SpringerVerlag,2010:1-16.
[4]Matthias Weidlich,Mathias Weske,Jan Mendling.Change Propagationin Process Models Using Behavioural Profiles[C].Washington:IEEE ComputerSociety Washington,2009:33-40.
[5]Matthias Weidlich,Jan Mendling.Perceived consistency betweenprocess models[J].Information Systems,2012,37(2):80-98.
[6]吴哲辉,Petri网导论[M].机械工业出版社,2006年。
发明内容
本发明目的在于克服现有技术的不足,用于测量用户行为模型与预期模型的行为一致性,对复杂对应的行为关系进行具体分类分析,确定各个复杂类的行为对应特征;解决含有交叉重复对应的行为一致性问题,利用矩阵的相关知识,计算了模型的行为一致性,测量了含有复杂对应关系的行为一致性服从度。
为此,给出的技术方案为:
一种基于复杂对应系统的用户行为一致性度测量方法,其特征在于,整个方案分为三个阶段:
第一阶段具体实施步骤:
步骤1-1,在已有工作流网的基础上,对交叉序关系进行细分,细化行为轮廓关系;
步骤1-2,分析复杂对应关系,将复杂对应关系分类,确定各个类的行为特征;
步骤1-3,同时根据用户之间的间接关系分析用户活动间的传递依赖关系;
以上步骤1-1、1-2和1-3是并列进行着;
第二阶段具体实施步骤:
步骤2-1,根据步骤1-2完成的复杂对应关系的分类及其每个类的行为特征,确定五类对应关系之间的相关性;
步骤2-2,根据步骤1-1细化的行为轮廓关系,建立用户扩展的行为轮廓关系;
步骤2-3,在步骤2-2的基础上并结合步骤1-3,根据公式(i,j=1,2,…,n)把用户行为关系转化成矩阵元素(其中aij为行为关系矩阵中的元素);
步骤2-4,在步骤2-2和2-3的基础上,构建用户行为关系矩阵图;
其构造步骤如下所示(从矩阵MD1→MD2→MD3→MD4…→MDn→MD):
第三阶段具体实施步骤:
步骤3-1,根据步骤2-1确定的五类用户复杂对应类以及步骤2-4建立的行为关系矩阵图,将用户行为关系矩阵进行分解;
步骤3-2,根据用户实际模型与预期模型的对应关系,计算用户模型与预期模型的行为一致性,
其中,一致的行为关系表现出用户活动的一致的部分,用行为矩阵的面积来刻画其整个一致的行为关系,一致度值越高代表该用户行为与预期行为越一致,一致度值越低代表该用户行为与预期行为越不一致,当一致度特别低时,怀疑该用户行为为非法行为。
附图说明
图1系统架构图
图2业务流程Petri网图
图3是图2的行为关系图
图4是图3的分解图
图5是算法1流程图
图6是算法2流程图
具体实施方式(案例)对用户的内部行为关系进行了较细致的分析,建立了用户行为关系的轮廓,并对复杂对应关系进行区分和分类,给出了基于复杂对应关系用户行为的一致性测量和分析构架,如图1所示。该构架能够有效区分复杂对应关系,并依此对行为对应关系做到更为精确的判定。有效地将复杂对应关系进行区分和计算,解决了存在复杂对应模型对的行为一致性测度问题,并大大缩短了运算时间。
用户行为一致性度测量方法系统结构图,如图1所示。整个方案分为三个阶段:第一阶段根据现有用户行为模型分析复杂对应关系特征,第二阶段根据用户行为特征建立行为轮廓,构建用户行为关系矩阵,第三阶段根据用户复杂对应特征,完成用户行为矩阵分解,计算用户行为一致性度,检测用户行为与预期行为的一致程度。
第一阶段具体实施步骤:
步骤1-1,在已有工作流网的基础上,对交叉序关系进行细分,细化行为轮廓关系。
步骤1-2,分析复杂对应关系,将复杂对应关系分类,确定各个类的行为特征。
步骤1-3,同时根据用户之间的间接关系分析用户活动间的传递依赖关系。
其中:以上步骤1-1、1-2和1-3是并列进行着的。
第二阶段具体实施步骤:
步骤2-1,根据步骤1-2完成的复杂对应关系的分类及其每个类的行为特征,确定五类对应关系之间的相关性。
步骤2-2,根据步骤1-1细化的行为轮廓关系,建立用户扩展的行为轮廓关系。
步骤2-3,在步骤2-2的基础上并结合步骤1-3,根据公式(i,j=1,2,…,n)把用户行为关系转化成矩阵元素(其中aij为行为关系矩阵中的元素)。
步骤2-4,在步骤2-2和2-3的基础上,构建用户行为关系矩阵图。
其构造步骤如下所示(从矩阵MD1→MD2→MD3→MD4…→MDn→MD):
第三阶段具体实施步骤:
步骤3-1,根据步骤2-1确定的五类用户复杂对应类以及步骤2-4建立的行为关系矩阵图,将用户行为关系矩阵进行分解(具体见算法1)。
步骤3-2,根据用户实际模型与预期模型的对应关系,计算用户模型与预期模型的行为一致性(具体见算法2)。
其中,一致的行为关系表现出用户活动的一致的部分,我们用行为矩阵的面积来刻画其整个一致的行为关系,一致度值越高代表该用户行为与预期行为越一致,一致度值越低代表该用户行为与预期行为越不一致,当一致度特别低时,我们怀疑该用户行为为非法行为。
算法1行为关系矩阵图中元素的求解算法。(具体流程见图5)
输入:两个工作流网N1=(P1,T1;F1)和N2=(P2,T2;F2),其中他们中有着对应关系的变迁集A={a1,a2,…,an}、B={b1,b2,…,bm}、(i=1,2,…,n)、进行排序的行为关系矩阵MDA0和MDB0。
输出:行为关系矩阵图MDA、MDB中的元素aij(i,j=1,2,…,n)、bij(i,j=1,2,…,m)。
(1)先确定MDA中对角线的元素aii(i=1,2,…,n),依次判断ai(i=1,2,…,n)是否处于环结构中,若ai不在环结构中,那么输出aii=2,执行步骤(2);否则输出aii=0,执行步骤(2)。
(2)再确定ai,i+1、ai+1,i(i=1,2,…,n-1)的值。在网N1中,依次计算ai与ai+1的行为关系,然后将行为关系转化为整数p,输出ai,i+1=ai+1,i=p,执行步骤(3)。
(3)再确定ai,i+2、ai+2,i(i=1,2,…,n-2)的值。若ai,i+1≠ai+1,i+2,输出ai,i+2=ai+2,i=min{ai,i+1,ai+1,i+2};否则,若ai,i+1=ai+1,i+2=1,那么输出ai,i+2=ai+2,i=1;否则,若ai,i+1=ai+1,i+2≠1,那么判断ai与ai+2的行为关系,并转化为行为关系数值q,输出ai,i+2=ai+2,i=q,执行步骤(4)。
(4)同理,确定ai,i+h、ai+h,i(i=1,2,…,n-h)(h=3…,n-1),输出ai,i+h=ai+h,i,直到最后一个元素a1n,算法终止。
同理我们根据算法1,可以计算出MDB中的元素bij(i,j=1,2,…,m),从而得到矩阵MDB。
算法2一致性度的求解算法。(具体流程见图6)
输入:两个工作流网N1=(P1,T1;F1)和N2=(P2,T2;F2),他们的行为关系矩阵MDA0和MDB0(由算法1求得)。
输出:一致性度BP。
(1)先根据MDA0与MDB0中变迁集的对应关系,将MDA0和MDB0分别分为p和q个对应集合,将MDA0依次标记为{a1,a2,…am}、{am+1,am+2,…al}{as+1,…an},执行步骤(2)
(2)先根据MDA0中第一个与MDB0对应的集合{a1,a2,…am},取MDA0中前m阶方阵记为模块1,并执行步骤(3)。
(3)根据MDA0中第二个与MDB0对应的集合{am+1,am+2,…al},取MDA0中第1→(m)行和(m+1)→(l)列组成的m×(l-m)阶矩阵及其转置矩阵记为模块2,并执行步骤(4)。
(4)仿照之前的步骤,直到MDA0中第p个与MDB0对应的集合{as+1,…an},取MDA0中第1→(m)行和(s+1)→(n)列组成的m×(n-s)阶矩阵及其转置矩阵记为模块p,并执行步骤(5)。
(5)根据MDA0中第二个与MDB0对应的集合{am+1,am+2,…al},取MDA0中第(m+1)→(l)行和(m+1)→(l)列组成的(l-m)阶方阵记为模块p+1,并执行步骤(6)。
(6)仿照步骤(4),将MDA0中(m+1)→(l)行和(s+1)→(n)列组成的(l-m)×(n-s)阶矩阵及其转置矩阵记为模块p+2,并执行步骤(7)。
(7)一直这样进行下去,直到MDA0中第p个与MDB0对应的集合{as+1,…an},取s+1→n行和s+1→n列组成的(n-s)阶方阵记为模块并执行步骤(8)。
(8)若p=q,同理将MDB0也分解为对应模块,并标记模块名从则执行步骤(10);否则若p≠q,将MDB0中非重复对应关系也分解为对应模块,执行步骤(9)。
(9)锁定重复对应的变迁集合,以重复对应的集合组成的区域依次记为模块 执行步骤(10)。
(10)在MDA0中,依次对模块中的矩阵元素进行排查,找出其ai、ai与MDB0相同模块中不同的元素bi、bj,若p=q,输出一致性度BP,算法终止;否则若p≠q,则锁定模块1c、2c…,(q-p)c,输出一致性度BP,算法终止。
下面给出图2的一个例子。
根据算法1,分别得到图2(a)、(b)、(c)、(d)的行为关系矩阵图MDa、MDb、MDc、MDd(如图3所示),然后根据算法2的步骤(1)-(9),分别对其进行分解,以MDa、MDb为例,如图4所示。根据算法2的步骤(10),可得图2中(a)和(b)的一致性度为: 同理可得到图2中(b)和(c)的一致性度为: 而图中(c)和(d)中,有A~{A1,AB1,AB2}且有B~{AB1,AB2},有图2中(c)和(d)的轮廓一致性度为:
图2所示的用户(a)的行为与(b)的行为一致度达到75%,图2所示的用户(b)的行为与(c)的行为一致度达到80%,图2所示的用户(c)的行为与(d)的行为一致度约达到81%,都比较高,表明该用户行为与预期行为一致,我们判定该用户行为为合法行为。
本发明的创新点
1.利用行为轮廓技术,将用户行为模式一致性量化。
2.对用户复杂行为关系进行分类,并确定了各个复杂类的行为特征及性质。
3.提出行为矩阵的方法,将模型对间的行为关系转化为行为关系矩阵的元素,缩短了计算时间。
4.区分了交叉重复对应的情况,提高精确度,解决了存在交叉重复模型对的行为一致性测度问题。
Claims (3)
1.一种基于复杂对应系统的用户行为一致性度测量方法,其特征在于,整个方案分为三个阶段:
第一阶段具体实施步骤:
步骤1-1,在已有工作流网的基础上,对交叉序关系进行细分,细化行为轮廓关系;
步骤1-2,分析复杂对应关系,将复杂对应关系分类,确定各个类的行为特征;
步骤1-3,同时根据用户之间的间接关系分析用户活动间的传递依赖关系;
以上步骤1-1、1-2和1-3是并列进行着;
第二阶段具体实施步骤:
步骤2-1,根据步骤1-2完成的复杂对应关系的分类及其每个类的行为特征,确定五类对应关系之间的相关性;
步骤2-2,根据步骤1-1细化的行为轮廓关系,建立用户扩展的行为轮廓关系;
步骤2-3,在步骤2-2的基础上并结合步骤1-3,根据公式(i,j=1,2,…,n)把用户行为关系转化成矩阵元素(其中aij为行为关系矩阵中的元素);
步骤2-4,在步骤2-2和2-3的基础上,构建用户行为关系矩阵图;
其构造步骤如下所示(从矩阵
MD1→MD2→MD3→MD4…→MDn→MD):
第三阶段具体实施步骤:
步骤3-1,根据步骤2-1确定的五类用户复杂对应类以及步骤2-4建立的行为关系矩阵图,将用户行为关系矩阵进行分解;
步骤3-2,根据用户实际模型与预期模型的对应关系,计算用户模型与预期模型的行为一致性,
其中,一致的行为关系表现出用户活动的一致的部分,用行为矩阵的面积来刻画其整个一致的行为关系,一致度值越高代表该用户行为与预期行为越一致,一致度值越低代表该用户行为与预期行为越不一致,当一致度特别低时,怀疑该用户行为为非法行为。
2.如权利要求1所述的基于复杂对应系统的用户行为一致性度测量方法,其特征在于,步骤3-1中,所述将用户行为关系矩阵进行分解,其行为关系矩阵图中元素的求解算法为:
输入:两个工作流网N1=(P1,T1;F1)和N2=(P2,T2;F2),其中他们中有着对应关系的变迁集A={a1,a2,…,an}、B={b1,b2,…,bm}、(i=1,2,…,n)、进行排序的行为关系矩阵MDA0和MDB0;
输出:行为关系矩阵图MDA、MDB中的元素aij(i,j=1,2,…,n)、bij(i,j=1,2,…,m);
(1)先确定MDA中对角线的元素aii(i=1,2,…,n),依次判断ai(i=1,2,…,n)是否处于环结构中,若ai不在环结构中,那么输出aii=2,执行步骤(2);否则输出aii=0,执行步骤(2);
(2)再确定ai,i+1、ai+1,i(i=1,2,…,n-1)的值,在网N1中,依次计算ai与ai+1的行为关系,然后将行为关系转化为整数p,输出ai,i+1=ai+1,i=p,执行步骤(3);
(3)再确定ai,i+2、ai+2,i(i=1,2,…,n-2)的值;若ai,i+1≠ai+1,i+2,输出ai,i+2=ai+2,i=min{ai,i+1,ai+1,i+2};否则,若ai,i+1=ai+1,i+2=1,那么输出ai,i+2=ai+2,i=1;否则,若ai,i+1=ai+1,i+2≠1,那么判断ai与ai+2的行为关系,并转化为行为关系数值q,输出ai,i+2=ai+2,i=q,执行步骤(4);
(4)同理,确定ai,i+h、ai+h,i(i=1,2,…,n-h)(h=3…,n-1),输出ai,i+h=ai+h,i,直到最后一个元素a1n,算法终止;
同理根据该行为关系矩阵图中元素的求解算法,计算出MDB中的元素bij(i,j=1,2,…,m),从而得到矩阵MDB。
3.如权利要求1所述的基于复杂对应系统的用户行为一致性度测量方法,其特征在于,步骤3-2中,所述计算用户模型与预期模型的行为一致性,其一致性度的求解算法为:
输入:两个工作流网N1=(P1,T1;F1)和N2=(P2,T2;F2),他们的行为关系矩阵MDA0和MDB0,是由步骤3-1步骤中的行为关系矩阵图中元素的求解算法求得;
输出:一致性度BP
(1)先根据MDA0与MDB0中变迁集的对应关系,将MDA0和MDB0分别分为p和q个对应集合,将MDA0依次标记为{a1,a2,…am}、{am+1,am+2,…al}…{as+1,…an},执行步骤(2)
(2)先根据MDA0中第一个与MDB0对应的集合{a1,a2,…am},取MDA0中前m阶方阵记为模块1,并执行步骤(3);
(3)根据MDA0中第二个与MDB0对应的集合{am+1,am+2,…al},取MDA0中第1→(m)行和(m+1)→(l)列组成的m×(l-m)阶矩阵及其转置矩阵记为模块2,并执行步骤(4);
(4)仿照之前的步骤,直到MDA0中第p个与MDB0对应的集合{as+1,…an},取MDA0中第1→(m)行和(s+1)→(n)列组成的m×(n-s)阶矩阵及其转置矩阵记为模块p,并执行步骤(5);
(5)根据MDA0中第二个与MDB0对应的集合{am+1,am+2,…al},取MDA0中第(m+1)→(l)行和(m+1)→(l)列组成的(l-m)阶方阵记为模块p+1,并执行步骤(6);
(6)仿照步骤(4),将MDA0中(m+1)→(l)行和(s+1)→(n)列组成的(l-m)×(n-s)阶矩阵及其转置矩阵记为模块p+2,并执行步骤(7);
(7)一直这样进行下去,直到MDA0中第p个与MDB0对应的集合{as+1,…an},取s+1→n行和s+1→n列组成的(n-s)阶方阵记为模块并执行步骤(8);
(8)若p=q,同理将MDB0也分解为对应模块,并标记模块名从则执行步骤(10);否则若p≠q,将MDB0中非重复对应关系也分解为对应模块,执行步骤(9);
(9)锁定重复对应的变迁集合,以重复对应的集合组成的区域依次记为模块 执行步骤(10);
(10)在MDA0中,依次对模块中的矩阵元素进行排查,找出其ai、ai与MDB0相同模块中不同的元素bi、bj,若p=q,输出一致性度BP,算法终止;否则若p≠q,则锁定模块1c、2c…,(q-p)c,输出一致性度BP,算法终止。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410327709.2A CN104133808B (zh) | 2014-07-10 | 2014-07-10 | 基于复杂对应系统的用户行为一致性度测量方法 |
PCT/CN2014/095859 WO2016004744A1 (zh) | 2014-07-10 | 2014-12-31 | 基于复杂对应系统的用户行为一致性度测量方法 |
US15/325,184 US20170169350A1 (en) | 2014-07-10 | 2014-12-31 | Method for measuring user behavior consistency degree based on complex correspondence system |
DE112014006799.7T DE112014006799T5 (de) | 2014-07-10 | 2014-12-31 | Verfahren zur Messung eines Benutzerverhalten-Konsistenzgrades auf Basis eines komplexen Korrespondenzsystems |
AU2017100012A AU2017100012A4 (en) | 2014-07-10 | 2017-01-05 | Method for measuring user behavior consistency degree based on complex correspondence system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410327709.2A CN104133808B (zh) | 2014-07-10 | 2014-07-10 | 基于复杂对应系统的用户行为一致性度测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104133808A true CN104133808A (zh) | 2014-11-05 |
CN104133808B CN104133808B (zh) | 2017-06-13 |
Family
ID=51806487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410327709.2A Active CN104133808B (zh) | 2014-07-10 | 2014-07-10 | 基于复杂对应系统的用户行为一致性度测量方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20170169350A1 (zh) |
CN (1) | CN104133808B (zh) |
DE (1) | DE112014006799T5 (zh) |
WO (1) | WO2016004744A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016004744A1 (zh) * | 2014-07-10 | 2016-01-14 | 同济大学 | 基于复杂对应系统的用户行为一致性度测量方法 |
WO2017071127A1 (zh) * | 2015-10-30 | 2017-05-04 | 同济大学 | 一种基于分支进程的模型一致性分析方法及系统 |
CN111242593A (zh) * | 2020-01-09 | 2020-06-05 | 东华大学 | 基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281674B (zh) * | 2014-09-29 | 2017-07-11 | 同济大学 | 一种基于集聚系数的自适应聚类方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100574326C (zh) * | 2007-08-08 | 2009-12-23 | 南京大学 | 基于行为一致条件下进行服务发现和替换方法 |
US20120137367A1 (en) * | 2009-11-06 | 2012-05-31 | Cataphora, Inc. | Continuous anomaly detection based on behavior modeling and heterogeneous information analysis |
CN103559588A (zh) * | 2013-11-15 | 2014-02-05 | 安徽理工大学 | 基于Petri网行为轮廓的日志挖掘方法 |
CN103679484A (zh) * | 2014-01-09 | 2014-03-26 | 安徽理工大学 | 基于行为Petri网的电子商务一致性分析新方法 |
CN104133808B (zh) * | 2014-07-10 | 2017-06-13 | 同济大学 | 基于复杂对应系统的用户行为一致性度测量方法 |
-
2014
- 2014-07-10 CN CN201410327709.2A patent/CN104133808B/zh active Active
- 2014-12-31 WO PCT/CN2014/095859 patent/WO2016004744A1/zh active Application Filing
- 2014-12-31 US US15/325,184 patent/US20170169350A1/en not_active Abandoned
- 2014-12-31 DE DE112014006799.7T patent/DE112014006799T5/de active Pending
Non-Patent Citations (1)
Title |
---|
王咪咪等: "Petri网多重变迁集的行为轮廓一致性分析", 《计算机工程与设计》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016004744A1 (zh) * | 2014-07-10 | 2016-01-14 | 同济大学 | 基于复杂对应系统的用户行为一致性度测量方法 |
WO2017071127A1 (zh) * | 2015-10-30 | 2017-05-04 | 同济大学 | 一种基于分支进程的模型一致性分析方法及系统 |
CN111242593A (zh) * | 2020-01-09 | 2020-06-05 | 东华大学 | 基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法 |
CN111242593B (zh) * | 2020-01-09 | 2022-05-31 | 东华大学 | 基于伙伴矩阵的交易系统的重叠对应行为一致性检测方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2016004744A1 (zh) | 2016-01-14 |
US20170169350A1 (en) | 2017-06-15 |
CN104133808B (zh) | 2017-06-13 |
DE112014006799T5 (de) | 2017-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nsoesie et al. | A simulation optimization approach to epidemic forecasting | |
Wang et al. | A hybrid Data Quality Indicator and statistical method for improving uncertainty analysis in LCA of complex system–application to the whole-building embodied energy analysis | |
CN104657488B (zh) | 一种基于引用传播网络的作者影响力计算方法 | |
CN102262681B (zh) | 一种博客信息传播中识别关键博客集的方法 | |
CN103473619A (zh) | 一种基于网络架构的分析方法及其应用 | |
CN101887460A (zh) | 一种文献质量评估方法及应用 | |
CN104133808A (zh) | 基于复杂对应系统的用户行为一致性度测量方法 | |
CN107133257A (zh) | 一种基于中心连通子图的相似实体识别方法及系统 | |
CN105512404A (zh) | 基于混沌多项式展开的时变可靠性全局灵敏度分析方法 | |
CN107357886A (zh) | 一种基于局部h‑index的信息传播关键节点识别方法 | |
CN103970651A (zh) | 基于组件安全属性的软件体系结构安全性评估方法 | |
CN108108477B (zh) | 一种联动的kpi系统及权限管理系统 | |
Awrejcewicz et al. | Quantifying chaos of curvilinear beams via exponents | |
CN103186696B (zh) | 面向高维非线性软测量模型的辅助变量约简方法 | |
Baek | Digital Twin Federation and Data Validation Method | |
CN106971107B (zh) | 一种数据交易的安全定级方法 | |
CN103678709B (zh) | 一种基于时序数据的推荐系统攻击检测方法 | |
CN106327404A (zh) | 一种灾害综合评估中多源数据冲突检测与消解方法 | |
CN104794010A (zh) | 一种系统内信息交互优化方法 | |
CN104537418A (zh) | 一种自底向上的高维数据因果网络学习方法 | |
CN103810371B (zh) | 海量数据集上主观兴趣度的关联规则优化算法 | |
WO2017071127A1 (zh) | 一种基于分支进程的模型一致性分析方法及系统 | |
CN104965923A (zh) | 一种用于生成现金流量表的云计算应用平台构建方法 | |
AU2017100012A4 (en) | Method for measuring user behavior consistency degree based on complex correspondence system | |
Hassan et al. | A decision tool for product configuration designs based on sustainability performance evaluation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |