买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：成都乐超人科技有限公司

摘要：本发明提供一种基于物联网的用户行为数据挖掘方法及系统，涉及物联网服务技术领域，首先对不携带标注的第一训练样本集进行抽样，形成不同聚集状态的子序列，然后利用基于多元信息和标注数据的第二训练样本集训练出的用户行为数据挖掘网络，对这些子序列进行挖掘，接着将第二训练样本集与子序列集成，并进行特征优化，生成优化训练样本集。再依据这些优化样本集和挖掘结果对用户行为数据挖掘网络进行优化学习，得到多个学习完成的用户行为数据挖掘网络，最后从这些用户行为数据挖掘网络中确定目标用户行为数据挖掘网络，以执行用户行为数据挖掘任务，提高了无标注数据的利用率，优化了训练样本，增强了用户行为数据挖掘网络的适应性和挖掘准确性。

主权项：1.一种基于物联网的用户行为数据挖掘方法，其特征在于，所述方法包括：对不携带先验标注数据的第一训练样本集合进行样本抽取，生成不同样本聚集状态的第一训练样本子序列；依据用户行为数据挖掘网络对各所述第一训练样本子序列进行用户行为数据挖掘，生成各所述第一训练样本子序列的挖掘结果；所述用户行为数据挖掘网络是依据多元信息的携带先验标注数据的第二训练样本集合进行学习生成的；将所述第二训练样本集合与各所述第一训练样本子序列进行集成，并将集成训练样本集合进行特征衍生优化，生成各所述样本聚集状态的优化训练样本集合；依据各所述优化训练样本集合和所述挖掘结果分别对所述用户行为数据挖掘网络进行优化学习，生成多个完成网络参数学习的用户行为数据挖掘网络；依据所述多个完成网络参数学习的用户行为数据挖掘网络确定目标用户行为数据挖掘网络；所述目标用户行为数据挖掘网络用于响应用户行为数据挖掘任务执行用户行为数据挖掘操作；所述第一训练样本子序列包括用户行为数据的会话行为数据、所述用户行为数据的控制行为数据和所述用户行为数据的物联网场景行为数据；所述依据用户行为数据挖掘网络对各所述第一训练样本子序列进行用户行为数据挖掘，生成各所述第一训练样本子序列的挖掘结果，包括：依据用户行为数据挖掘网络对所述第一训练样本子序列中各所述用户行为数据的所述会话行为数据、所述控制行为数据和所述物联网场景行为数据进行多元特征交融，生成多元集成特征序列；依据所述多元集成特征序列生成所述第一训练样本子序列中各所述用户行为数据的挖掘结果；其中，所述用户行为数据挖掘网络包括会话语义编码器、控制行为编码器、场景行为编码器和融合单元；所述依据用户行为数据挖掘网络对所述第一训练样本子序列中各所述用户行为数据的所述会话行为数据、所述控制行为数据和所述物联网场景行为数据进行多元特征交融，生成多元集成特征序列，包括：依据所述会话语义编码器提取所述会话行为数据的编码向量，生成会话语义向量序列；依据所述控制行为编码器提取所述控制行为数据的编码向量，生成控制行为向量序列；依据所述场景行为编码器提取所述物联网场景行为数据的编码向量，生成场景行为向量序列；依据所述融合单元对所述会话语义向量序列、所述控制行为向量序列和所述场景行为向量序列进行融合，生成多元集成特征序列；所述用户行为数据挖掘网络包括行为模式挖掘单元和行为特征趋势挖掘单元；所述挖掘结果包括行为模式挖掘数据和行为特征趋势挖掘数据；所述依据所述多元集成特征序列生成所述第一训练样本子序列中各所述用户行为数据的挖掘结果，包括：将所述多元集成特征序列加载至所述行为模式挖掘单元进行行为模式挖掘，生成所述第一训练样本子序列中各所述用户行为数据的行为模式挖掘数据；将所述多元集成特征序列加载至所述行为特征趋势挖掘单元进行行为特征趋势挖掘，生成所述第一训练样本子序列中各所述用户行为数据的行为特征趋势挖掘数据；所述样本聚集状态包括第一样本聚集状态和第二样本聚集状态；所述对不携带先验标注数据的第一训练样本集合进行样本抽取，生成不同样本聚集状态的第一训练样本子序列，包括：获取样本抽取策略；依据所述样本抽取策略对第一训练样本集合进行一致性抽取，生成第一目标训练样本子序列，所述第一目标训练样本子序列属于所述第一样本聚集状态；依据所述样本抽取策略对所述第一训练样本集合的进行平衡性抽取，生成第二目标训练样本子序列，所述第二目标训练样本子序列属于所述第二样本聚集状态；其中，所述样本抽取策略、所述第一目标训练样本子序列和所述第二目标训练样本子序列的数量相同，且为至少一个；所述集成训练样本集合中包括会话行为数据、控制行为数据和物联网场景行为数据；所述优化训练样本集合包括优化会话行为数据、优化控制行为数据和优化物联网场景行为数据；所述将集成训练样本集合进行特征衍生优化，生成各所述样本聚集状态的优化训练样本集合，包括：对所述会话行为数据进行会话特征优化，生成优化会话行为数据；所述会话特征优化包括语境丰富度提升处理、语句裁剪重构处理和语句合成处理中的至少一种；对所述控制行为数据进行行为强化处理，生成优化控制行为数据；所述行为强化处理包括操作步骤替换处理、操作简写重构处理和冗余操作删除处理中的至少一种；对所述物联网场景行为数据进行场景强化处理，生成优化物联网场景行为数据；所述场景强化处理包括环境参数遮蔽处理、参数波动模拟处理中的至少一种；所述优化训练样本集合的数量和所述用户行为数据挖掘网络的数量相同，且为K个，K不小于2；所述依据各所述优化训练样本集合和所述挖掘结果分别对所述用户行为数据挖掘网络进行优化学习，生成多个完成网络参数学习的用户行为数据挖掘网络，包括：针对每个所述用户行为数据挖掘网络和每个所述优化训练样本集合，依据所述用户行为数据挖掘网络对所述优化训练样本集合中各用户行为数据的会话行为数据、控制行为数据和物联网场景行为数据进行互约束特征提取，生成各所述用户行为数据的互约束特征集合；依据所述互约束特征集合生成互约束挖掘数据；依据所述互约束挖掘数据、所述挖掘结果和所述第二训练样本集合的先验标注数据对所述用户行为数据挖掘网络进行参数学习；在完成每个所述用户行为数据挖掘网络的参数优化后，生成K个完成网络参数学习的用户行为数据挖掘网络；所述依据所述多个完成网络参数学习的用户行为数据挖掘网络确定目标用户行为数据挖掘网络，包括：以所述多个完成网络参数学习的用户行为数据挖掘网络为基准神经网络对目标域样本数据进行用户行为数据挖掘，生成第一网络输出和第一挖掘结果；依据待优化网络对所述目标域样本数据进行用户行为数据挖掘，生成第二网络输出和第二挖掘结果；依据所述第一网络输出和所述第二网络输出确定第一误差参数；依据所述第一挖掘结果和所述第二挖掘结果确定第二误差参数；依据所述第一误差参数和所述第二误差参数，对所述待优化网络进行训练，生成目标用户行为数据挖掘网络。

全文数据：

权利要求：

百度查询： 成都乐超人科技有限公司 基于物联网的用户行为数据挖掘方法及系统