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！

龙图腾网获悉昆明理工大学申请的专利一种基于APP软件操作数据的用户行为模式分析方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114510613B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210156150.6，技术领域涉及：G06F16/9035；该发明授权一种基于APP软件操作数据的用户行为模式分析方法及系统是由姜瑛;陈泳全;李凌宇;汤守国设计研发完成，并于2022-02-21向国家知识产权局提交的专利申请。

本一种基于APP软件操作数据的用户行为模式分析方法及系统在说明书摘要公布了：本发明公开了一种基于APP软件操作数据的用户行为模式分析方法及系统，方法包括：预处理APP操作过程数据，获得活动Activity对应信息列表；结合活动Activity对应信息列表，对APP操作过程数据进行操作分析，提取APP操作过程数据中的APP操作；挖掘APP操作与APP用户行为关联性，构建APP操作与APP用户行为之间的关联性矩阵；对APP操作与APP用户行为之间的关联性矩阵进行特征提取，获得APP用户行为；对提取出的APP用户行为进行分析，抽取APP用户行为模式。本发明能识别并提取出用户APP软件操作过程数据体现的APP用户行为，能通过挖掘APP用户行为之间的关联性，抽取出用户的行为模式。

本发明授权一种基于APP软件操作数据的用户行为模式分析方法及系统在权利要求书中公布了：1.一种基于APP软件操作数据的用户行为模式分析方法，其特征在于：包括： Step1、预处理APP操作过程数据，获得活动Activity对应信息列表； Step2、结合活动Activity对应信息列表，对APP操作过程数据进行操作分析，提取APP操作过程数据中的APP操作； Step3、挖掘APP操作与APP用户行为关联性，构建APP操作与APP用户行为之间的关联性矩阵； Step4、对APP操作与APP用户行为之间的关联性矩阵进行特征提取，获得APP用户行为； Step5、对提取出的APP用户行为进行分析，抽取APP用户行为模式； 所述挖掘APP操作与APP用户行为关联性，构建APP操作与APP用户行为之间的关联性矩阵，包括：对提取出的APP操作，通过语义相似度的方法，挖掘APP操作与APP用户行为之间的关联性，并将APP类别信息数据作为启发性知识参与到APP操作与APP用户行为关联性挖掘中，构建APP操作与APP用户行为之间的关联性矩阵； 所述对APP操作与APP用户行为之间的关联性矩阵进行特征提取，获得APP用户行为，包括： Step4.1、初始化APP用户行为特征检测器1T_APPUserBehavior_1： Wconv_1,bconv_1 初始化APP用户行为特征检测器2T_APPUserBehavior_2： Wconv_2,bconv_2 取出当前APP操作过程数据对应的APP名称与APP用户行为的语义相似度列表、APP类别信息与APP用户行为的语义相似度列表、APP操作与APP用户行为的语义相似度列表，组成APP操作输入矩阵，即APP操作输入层APPCaptureInputLevel，执行Step4.2； Step4.2、使用APP用户行为特征检测器1T_APPUserBehavior_1在APP操作输入层APPCaptureInputLevel上进行滑动，检测器每次输出y_conv1为： 其中，y_conv1和偏置参数，权重参数，表示维度为Nf，表示维度为Nc×Nf，为特征检测器的数量，Nf为APP操作输入层向量的维度，APPCaptureInputLeveli表示在APP操作输入层第i次滑动中与Wconv_1参与计算的矩阵，执行Step4.3； Step4.3、对y_conv1进行最大池化，获得池化输出y_pool，执行Step4.4： Step4.4、使用APP用户行为特征检测器2T_APPUserBehavior_2在y_pool上进行滑动，检测器每次输出y_conv2为： 其中，y_conv2和偏置参数，权重参数，表示维度为Nf，表示维度为Nc×Nf，为特征检测器的数量，Nf为y_pool向量的维度，y_pooli表示在y_pool第i次滑动中与Wconv_2参与计算的矩阵，执行Step4.5； Step4.5、将y_conv2连接成y，执行Step4.6； Step4.6、将y输入到一个固定大小的全连接神经网络层，然后将其反馈到输出层，使用全连接神经网络输出的APP用户行为与训练批次batch对应的APP用户行为标注的label计算偏差，根据反向传播过程，得到神经网络每层参数的误差，根据这些误差调整各层参数，完成网络模型的优化，训练该模型时，执行Step4.7； Step4.7、不断迭代Step4.6，直至网络收敛，使用该模型时，执行Step4.8； Step4.8、将Step4.6中全连接神经网络输出的APP用户行为存入APP用户行为列表APPUserBehaviorList，直至所有数据的APP用户行为已提取，执行Step5； 所述对提取出的APP用户行为进行分析，抽取APP用户行为模式，包括： Step5.1、初始化存储APP用户行为模式的二维列表APPUserBehaviorModeList、存储APP用户行为集的二维列表APPUserBehaviorTimeList，设置临时变量w=0，执行Step5.2； Step5.2判断wCaptureDataList.size，如果是执行Step5.3，否则执行Step5.9，其中CaptureDataList.size表示二维APP操作过程数据列表CaptureDataList的APP操作过程数据总条数大小； Step5.3、提取当前APP操作过程数据的产生时间，计算该时间所属的时间周期，存入局部变量Tu、计算该时间所属时间周期内的所属时间片，存入局部变量Tus，执行Step5.4； Step5.4、取出当前APP操作过程数据提取出的APP用户行为，并存入局部变量tempAPPUserBehavior，执行Step5.5； Step5.5、判断Tu是否在APP用户行为集列表APPUserBehaviorTimeList列表中，如果是执行Step5.6，否则执行Step5.7，其中，APP用户行为集列表是APP用户行为项的列表，APP用户行为项是指包含APP用户行为及其时间信息的字符串； Step5.6、将tempAPPUserBehavior+Tus添加到APP用户行为集列表APPUserBehaviorTimeList中时间周期Tu对应的列表，执行Step5.8； Step5.7、将列表[Tu,tempAPPUserBehavior+Tus]添加到APP用户行为集列表APPUserBehaviorTimeList中，执行Step5.8； Step5.8、w++，执行Step5.2； Step5.9、初始化支持度S、置信度C，执行Step5.10； Step5.10、初始化存储候选集的列表CandidateSetList，执行Step5.11，其中，候选集列表是存储当前产生的候选集的列表，候选集是指满足当前条件的APP用户行为项组合的集合，用列表进行存储； Step5.11、遍历APP用户行为集列表APPUserBehaviorTimeList，生成每个元素只包含单个APP用户行为项的候选集C1，C1是包含若干元素的一维列表，执行Step5.12； Step5.12、将候选集中不满足支持度S的元素去除，执行Step5.13； Step5.13、判断候选集是否为空，如果是执行Step5.16，否则执行5.14； Step5.14、将当前候选集添加到候选集列表CandidateSetList中，执行Step5.15； Step5.15、候选集中剩余元素包含的APP用户行为项的数量都为K，则创建每个元素包含K+1个APP用户行为项的候选集CK+1，CK+1是包含若干元素的一维列表，执行Step5.12； Step5.16、根据候选集列表CandidateSetList生成频繁APP用户行为项集，执行Step5.17，其中，频繁APP用户行为项集是指其支持度大于或等于设定的支持度S的APP用户行为项组合的集合； Step5.17、根据频繁APP行为项集产生APP用户行为强关联规则，执行Step5.18，其中，APP用户行为强关联规则是指APP用户行为关联规则的置信度是大于或等于设定的置信度C的APP用户行为关联规则； Step5.18、判断时间周期数量是否小于等于1，如果是执行Step5.21，否则执行Step5.19； Step5.19、判断APP用户行为强关联规则的数量是否小于等于时间周期的数量，如果是执行Step5.21，否则执行Step5.20； Step5.20、调整S、C的值，执行Step5.10； Step5.21、根据APP用户行为强关联规则提取APP用户行为模式，添加到用户行为模式列表APPUserBehaviorModeList。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人昆明理工大学，其通讯地址为：650093 云南省昆明市五华区学府路253号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。