本發(fā)明涉及信息技術(shù)領(lǐng)域。更具體地說(shuō)，本發(fā)明涉及一種基于基因表達(dá)式編程的計(jì)算機(jī)用戶行為分析方法。

背景技術(shù)：

用戶行為分析，是指在獲得網(wǎng)站訪問(wèn)量基本數(shù)據(jù)的情況下，對(duì)有關(guān)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、分析的過(guò)程。通過(guò)用戶行為分析可以發(fā)現(xiàn)用戶訪問(wèn)網(wǎng)站的規(guī)律，并將這些規(guī)律與網(wǎng)絡(luò)營(yíng)銷策略等相結(jié)合，從而發(fā)現(xiàn)目前網(wǎng)絡(luò)營(yíng)銷活動(dòng)中可能存在的問(wèn)題，并為進(jìn)一步修正或重新制定網(wǎng)絡(luò)營(yíng)銷策略提供依據(jù)。

基因表達(dá)式編程(Gene Expression Programming,GEP)是是葡萄牙學(xué)者Candida Ferreira于2001年在遺傳算法(Genetic Algorithm,GA)和遺傳編程(Genetic Programming，GP)的基礎(chǔ)上發(fā)展的新概念。與用固定長(zhǎng)度的線性串表示個(gè)體的GA和用長(zhǎng)度和形狀不同的非線性實(shí)體表示個(gè)體的GP不同，GEP是將個(gè)體編碼成固定長(zhǎng)度的線性串(基因組或染色體)，然后將其轉(zhuǎn)換為不同長(zhǎng)度和形狀的非線性實(shí)體，從而實(shí)現(xiàn)了用簡(jiǎn)單編碼表示復(fù)雜問(wèn)題，同時(shí)易于遺傳操作，并且通過(guò)遺傳操作所產(chǎn)生的新個(gè)體在語(yǔ)法上都是有效的，不需要對(duì)新個(gè)體進(jìn)行有效性判斷和處理，在速度上比GP提高了2～4個(gè)數(shù)量級(jí)。

現(xiàn)有的用戶行為分析方案中實(shí)時(shí)對(duì)用戶的當(dāng)前操作行為、瀏覽網(wǎng)頁(yè)內(nèi)容等方面進(jìn)行敏感性分析的涉及不多，一方面，在獲取用戶行為數(shù)據(jù)時(shí)，由于會(huì)不停的向各應(yīng)用服務(wù)請(qǐng)求，面臨巨大的數(shù)據(jù)請(qǐng)求下，往往會(huì)造成擁堵崩潰等問(wèn)題。另一方面，數(shù)據(jù)庫(kù)不夠完整，需要隨時(shí)補(bǔ)正修正，不利于分析統(tǒng)計(jì)多重行為的情況，不利于查詢單個(gè)用戶行為，并且對(duì)于大數(shù)據(jù)量的數(shù)據(jù)計(jì)算能力差，數(shù)據(jù)存儲(chǔ)能力也差，容易造成系統(tǒng)瓶頸。因此考慮利用GEP的智能分析技術(shù)研究一種自動(dòng)化程度和精度更高的計(jì)算機(jī)用戶行為分析方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的一個(gè)目的是解決上述問(wèn)題，并提供后面將說(shuō)明的優(yōu)點(diǎn)。

本發(fā)明還有一個(gè)目的是提供一種基于基因表達(dá)式編程的計(jì)算機(jī)用戶行為分析方法，采用多庫(kù)協(xié)同的模式，實(shí)時(shí)對(duì)用戶的當(dāng)前操作行為、瀏覽網(wǎng)頁(yè)內(nèi)容等方面進(jìn)行敏感性分析，人工干預(yù)少，自動(dòng)化程度和精度更高，系統(tǒng)運(yùn)行更順暢。

為了實(shí)現(xiàn)根據(jù)本發(fā)明的這些目的和其它優(yōu)點(diǎn)，提供了一種基于基因表達(dá)式編程的計(jì)算機(jī)用戶行為分析方法，包括以下步驟：

步驟一：獲取計(jì)算機(jī)用戶的個(gè)人信息和進(jìn)程信息；

步驟二：由進(jìn)程信息對(duì)應(yīng)得到規(guī)則庫(kù)中的計(jì)算規(guī)則,根據(jù)個(gè)人信息和進(jìn)程信息得到對(duì)應(yīng)的原始數(shù)據(jù)后，將原始數(shù)據(jù)保存到數(shù)據(jù)庫(kù)；

步驟三：將獲取的原始數(shù)據(jù)和計(jì)算規(guī)則結(jié)合知識(shí)庫(kù)中的GEP算法，得到計(jì)算數(shù)據(jù)，將計(jì)算數(shù)據(jù)保存到數(shù)據(jù)庫(kù)；

步驟四：將得到的計(jì)算數(shù)據(jù)與知識(shí)庫(kù)中的前提條件進(jìn)行匹配后，得到前提條件的推理結(jié)論，當(dāng)推理結(jié)論與數(shù)據(jù)庫(kù)中已有的特征數(shù)據(jù)不同時(shí)，將推理結(jié)論作為新的特征數(shù)據(jù)保存在數(shù)據(jù)庫(kù)，用推理結(jié)論代替計(jì)算數(shù)據(jù)重復(fù)步驟四，直至推理結(jié)論與數(shù)據(jù)庫(kù)中已有的特征數(shù)據(jù)相同時(shí)結(jié)束；

步驟五：將與數(shù)據(jù)庫(kù)中已有的特征數(shù)據(jù)相同的推理結(jié)論作為結(jié)果輸出。

優(yōu)選的是，步驟三中得到計(jì)算數(shù)據(jù)具體包括以下步驟：

S1：自定義初始化參數(shù)，初始化參數(shù)包括種群大小N、子種群大小M、最大評(píng)價(jià)次數(shù)MAX_FE、函數(shù)符和終結(jié)符、基因長(zhǎng)度、基因個(gè)數(shù)、變異概率、插串概率、插串長(zhǎng)度以及重組概率，將獲取的原始數(shù)據(jù)定義為初始種群P_t＝{X₁,X₂,…,X_N}，并根據(jù)計(jì)算規(guī)則計(jì)算初始種群中每個(gè)個(gè)體的適應(yīng)度f(wàn)_i；

S2：通過(guò)執(zhí)行基因表達(dá)式編程的選擇、變異、插串以及重組對(duì)種群P_t中的N個(gè)個(gè)體生成M個(gè)新個(gè)體，并將M個(gè)新個(gè)體組織成子種群O_t，根據(jù)計(jì)算規(guī)則計(jì)算O_t中的每個(gè)個(gè)體的適應(yīng)度，其中適應(yīng)度最大的個(gè)體為最優(yōu)個(gè)體；

S3：將種群P_t中的N個(gè)個(gè)體和子種群O_t中的M個(gè)個(gè)體組成臨時(shí)種群P’t，并根據(jù)計(jì)算規(guī)則計(jì)算臨時(shí)種群P’t的中的每個(gè)個(gè)體的適應(yīng)度，然后刪除臨時(shí)種群P’t中適應(yīng)度最大的前M個(gè)個(gè)體，得到由N個(gè)個(gè)體組成的新一代種群P_t+1；

S4：重復(fù)S2至S3直至評(píng)價(jià)次數(shù)達(dá)到MAX_FE后結(jié)束，結(jié)束時(shí)得到的新一代種群P_t+1即為計(jì)算數(shù)據(jù)。

優(yōu)選的是，步驟二的數(shù)據(jù)庫(kù)包括存儲(chǔ)數(shù)據(jù)庫(kù)、知識(shí)庫(kù)以及規(guī)則庫(kù)，存儲(chǔ)數(shù)據(jù)庫(kù)中分別存儲(chǔ)有原始數(shù)據(jù)、計(jì)算數(shù)據(jù)和特征數(shù)據(jù)。

優(yōu)選的是，步驟四的知識(shí)庫(kù)中包括IF-THEN規(guī)則，IF-THEN規(guī)則中C＝C(P)，其中，C為結(jié)論，P為前提條件，n為每條規(guī)則的前提數(shù)，θ＝{AND，OR}，且每條規(guī)則的可信度為CF，CF＝[0，1]。

優(yōu)選的是，步驟一中獲取的進(jìn)程信息包括實(shí)時(shí)進(jìn)程和歷史進(jìn)程；

步驟二中的計(jì)算規(guī)則包括對(duì)應(yīng)的實(shí)時(shí)進(jìn)程的發(fā)生時(shí)間的錄入和對(duì)是否執(zhí)行對(duì)應(yīng)的實(shí)時(shí)進(jìn)程的判斷。

優(yōu)選的是，步驟二中的計(jì)算規(guī)則還包括周期的計(jì)算和對(duì)周期內(nèi)歷史進(jìn)程中與實(shí)時(shí)進(jìn)程中相同進(jìn)程的發(fā)生頻次的統(tǒng)計(jì)。

優(yōu)選的是，步驟一中獲取計(jì)算機(jī)用戶的個(gè)人信息時(shí)，根據(jù)每個(gè)賬戶中與每個(gè)計(jì)算機(jī)用戶一一對(duì)應(yīng)的用戶標(biāo)識(shí)對(duì)應(yīng)獲得計(jì)算機(jī)用戶的個(gè)人信息，其中，每個(gè)計(jì)算機(jī)用戶對(duì)應(yīng)一個(gè)或多個(gè)賬戶。

本發(fā)明至少包括以下有益效果：

本發(fā)明中利用GEP的智能分析技術(shù)強(qiáng)大的函數(shù)發(fā)現(xiàn)功能以及IF-THEN規(guī)則生成功能，建立一個(gè)智能化、集成化、協(xié)調(diào)化的專家系統(tǒng)，基于基因表達(dá)式編程對(duì)計(jì)算機(jī)用戶行為進(jìn)行分析，采用存儲(chǔ)數(shù)據(jù)庫(kù)、知識(shí)庫(kù)以及規(guī)則庫(kù)等多數(shù)據(jù)庫(kù)協(xié)同的模式，實(shí)時(shí)對(duì)用戶的當(dāng)前操作行為、瀏覽網(wǎng)頁(yè)內(nèi)容等方面進(jìn)行敏感性分析和監(jiān)控，計(jì)算能力和存儲(chǔ)能力強(qiáng)大，系統(tǒng)運(yùn)行更加穩(wěn)定、順暢，人工干預(yù)少，自動(dòng)化程度和精度更高，有助于實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)用戶行為的監(jiān)管，更好的凈化網(wǎng)絡(luò)環(huán)境，降低或避免不良網(wǎng)絡(luò)信息對(duì)計(jì)算機(jī)用戶尤其是未成年用戶的有害影響。

本發(fā)明的其它優(yōu)點(diǎn)、目標(biāo)和特征將部分通過(guò)下面的說(shuō)明體現(xiàn)，部分還將通過(guò)對(duì)本發(fā)明的研究和實(shí)踐而為本領(lǐng)域的技術(shù)人員所理解。

附圖說(shuō)明

圖1為本發(fā)明的基于基因表達(dá)式編程的計(jì)算機(jī)用戶行為分析方法的流程示意圖。

具體實(shí)施方式

下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的詳細(xì)說(shuō)明，以令本領(lǐng)域技術(shù)人員參照說(shuō)明書(shū)文字能夠據(jù)以實(shí)施。

如圖1所示，本發(fā)明提供一種基于基因表達(dá)式編程的計(jì)算機(jī)用戶行為分析方法，包括以下步驟：

步驟一即101：獲取計(jì)算機(jī)用戶的個(gè)人信息和進(jìn)程信息；

步驟二即102：由進(jìn)程信息對(duì)應(yīng)得到規(guī)則庫(kù)中的計(jì)算規(guī)則,根據(jù)個(gè)人信息和進(jìn)程信息得到對(duì)應(yīng)的原始數(shù)據(jù)后，將原始數(shù)據(jù)保存到數(shù)據(jù)庫(kù)；

步驟三即103：將獲取的原始數(shù)據(jù)和計(jì)算規(guī)則結(jié)合知識(shí)庫(kù)中的GEP算法，得到計(jì)算數(shù)據(jù)，將計(jì)算數(shù)據(jù)保存到數(shù)據(jù)庫(kù)；

步驟四即104：將得到的計(jì)算數(shù)據(jù)與知識(shí)庫(kù)中的前提條件進(jìn)行匹配后，得到前提條件的推理結(jié)論，當(dāng)推理結(jié)論與數(shù)據(jù)庫(kù)中已有的特征數(shù)據(jù)不同時(shí)，將推理結(jié)論作為新的特征數(shù)據(jù)保存在數(shù)據(jù)庫(kù)，用推理結(jié)論代替計(jì)算數(shù)據(jù)重復(fù)步驟四，即重復(fù)與前提條件匹配的過(guò)程，直至得到的新的推理結(jié)論與數(shù)據(jù)庫(kù)中已有的特征數(shù)據(jù)相同時(shí)結(jié)束；

步驟五即105：將與數(shù)據(jù)庫(kù)中已有的特征數(shù)據(jù)相同的推理結(jié)論作為結(jié)果輸出。

本發(fā)明中首先利用GEP技術(shù)進(jìn)行用戶訪問(wèn)模式分類，建立相關(guān)分類模型，分類模型中的分類數(shù)據(jù)可以離線保存供后面調(diào)用，然后利用知識(shí)庫(kù)中的IF-THEN規(guī)則等前提條件，結(jié)合不同用戶的分類數(shù)據(jù)進(jìn)行推理，提高GEP技術(shù)應(yīng)用的實(shí)時(shí)性，達(dá)到在線分析的目的。采用多庫(kù)協(xié)同的模式，建立了數(shù)據(jù)庫(kù)、規(guī)則庫(kù)以及知識(shí)庫(kù)等，實(shí)時(shí)對(duì)用戶的當(dāng)前操作行為、瀏覽網(wǎng)頁(yè)內(nèi)容等方面進(jìn)行敏感性分析和監(jiān)控，人工干預(yù)少，自動(dòng)化程度和精度更高，系統(tǒng)運(yùn)行更順暢。

局域網(wǎng)中有2臺(tái)主機(jī)S、C，其中，S為服務(wù)端，C為客戶端；S上裝載了包括知識(shí)庫(kù)、存儲(chǔ)數(shù)據(jù)庫(kù)和規(guī)則庫(kù)的數(shù)據(jù)庫(kù)、調(diào)度控制器以及推理機(jī)，存儲(chǔ)數(shù)據(jù)庫(kù)中分別存儲(chǔ)有原始數(shù)據(jù)、計(jì)算數(shù)據(jù)和特征數(shù)據(jù)，其中知識(shí)庫(kù)中由GEP技術(shù)生成了一系列IF-THEN規(guī)則。

其中，存儲(chǔ)數(shù)據(jù)庫(kù)存儲(chǔ)了有關(guān)的數(shù)據(jù)和結(jié)果，規(guī)則庫(kù)存放著一些有關(guān)的數(shù)學(xué)計(jì)算模型、方法和程序，知識(shí)庫(kù)存放著一些有關(guān)計(jì)算機(jī)網(wǎng)絡(luò)領(lǐng)域中專家性、規(guī)律性的知識(shí)。推理過(guò)程采用數(shù)據(jù)驅(qū)動(dòng)、正向的不確定性推理策略，推理的實(shí)質(zhì)是把知識(shí)規(guī)則鏈接起來(lái)，形成一條或多條推理鏈。系統(tǒng)根據(jù)用戶的測(cè)量結(jié)果，經(jīng)過(guò)文字、圖像的處理后，將相應(yīng)的信息特征以存儲(chǔ)數(shù)據(jù)的形式保存，作為輸入的事實(shí)供推理機(jī)使用。

調(diào)度控制器是在網(wǎng)絡(luò)模型的基礎(chǔ)上，建立起的一種多庫(kù)之間、知識(shí)庫(kù)與推理機(jī)之間的協(xié)同策略。因?yàn)?，?duì)于每一個(gè)具體的項(xiàng)目來(lái)說(shuō)，輸入輸出的形式都是固定的，推理關(guān)系也是相同的，不同的是推理過(guò)程中具體的內(nèi)容，調(diào)度控制器是連接各信息庫(kù)和功能模塊的樞紐，主要依靠編程手段來(lái)實(shí)現(xiàn)的。

實(shí)施例1

用戶希望借助服務(wù)端S監(jiān)督未成年用戶的游戲時(shí)間，如只能在晚上6～7點(diǎn)玩游戲，預(yù)先在服務(wù)端S上設(shè)置未成年用戶只有在晚上6～7點(diǎn)才能打開(kāi)游戲，其余時(shí)間不能打開(kāi)游戲，成年用戶則不限，此條信息作為規(guī)則存儲(chǔ)在知識(shí)庫(kù)中，即IF-THEN規(guī)則中C＝C(P，CF)，其中，前提條件P包括P1和P2，滿足P1或P2能得到結(jié)論C即游戲進(jìn)程運(yùn)行，此條規(guī)則可信度CF為1。P1為未成年、晚上6～7點(diǎn)和進(jìn)行游戲，對(duì)應(yīng)前提數(shù)為3，三個(gè)前提同時(shí)滿足才能使游戲進(jìn)程運(yùn)行，P2為成年和進(jìn)行游戲，對(duì)應(yīng)前提數(shù)為2，兩個(gè)前提同時(shí)滿足能使游戲進(jìn)程運(yùn)行。

當(dāng)客戶端C上未成年用戶在夜晚9點(diǎn)開(kāi)啟客戶端C打開(kāi)音樂(lè)，然后點(diǎn)擊游戲。

首先，服務(wù)端S從客戶端C上獲取用戶的個(gè)人信息和實(shí)時(shí)進(jìn)程信息后輸入調(diào)度控制器，由于未成年用戶在登錄賬戶信息中顯示用戶為未成年用戶，實(shí)時(shí)登錄時(shí)間為夜晚10點(diǎn)，實(shí)時(shí)進(jìn)程信息為音樂(lè)進(jìn)程和游戲進(jìn)程，調(diào)度控制器根據(jù)用戶的個(gè)人信息和實(shí)時(shí)進(jìn)程信息得到對(duì)應(yīng)的原始數(shù)據(jù)為未成年、夜晚10點(diǎn)、音樂(lè)進(jìn)程和游戲進(jìn)程，計(jì)算規(guī)則為判斷此時(shí)每個(gè)進(jìn)程是否運(yùn)行。

將獲取的原始數(shù)據(jù)和計(jì)算規(guī)則結(jié)合，并通過(guò)知識(shí)庫(kù)中的GEP算法，得到計(jì)算數(shù)據(jù)為未成年在夜晚10點(diǎn)音樂(lè)進(jìn)程運(yùn)行且游戲進(jìn)程運(yùn)行、未成年在夜晚10點(diǎn)音樂(lè)進(jìn)程運(yùn)行且游戲進(jìn)程不運(yùn)行、未成年在夜晚10點(diǎn)音樂(lè)進(jìn)程不運(yùn)行但游戲進(jìn)程運(yùn)行以及未成年在夜晚10點(diǎn)音樂(lè)進(jìn)程不運(yùn)行且游戲進(jìn)程不運(yùn)行，調(diào)度控制器將得到的計(jì)算數(shù)據(jù)與知識(shí)庫(kù)中的前提條件即未成年用戶晚上6～7點(diǎn)才能打開(kāi)游戲進(jìn)行匹配后，得到前提條件的推理結(jié)論為未成年在夜晚10點(diǎn)音樂(lè)進(jìn)程運(yùn)行且游戲進(jìn)程不運(yùn)行，此推理結(jié)論不存在于之前已有的特征數(shù)據(jù)中，將此推理結(jié)論作為新的特征數(shù)據(jù)保存到數(shù)據(jù)庫(kù)，然后將未成年在夜晚10點(diǎn)音樂(lè)進(jìn)程運(yùn)行且游戲進(jìn)程不運(yùn)行與知識(shí)庫(kù)中的前提條件即未成年用戶b晚上6～7點(diǎn)才能打開(kāi)游戲進(jìn)行匹配后，得到未成年在夜晚10點(diǎn)音樂(lè)進(jìn)程運(yùn)行且游戲進(jìn)程不運(yùn)行這一推理結(jié)論，將此推理結(jié)論作為又一新的特征數(shù)據(jù)保存到數(shù)據(jù)庫(kù)時(shí)發(fā)現(xiàn)與數(shù)據(jù)庫(kù)中已有的特征數(shù)據(jù)相同，將未成年在夜晚10點(diǎn)音樂(lè)進(jìn)程運(yùn)行且游戲進(jìn)程不運(yùn)行這一推理結(jié)論作為結(jié)果輸出，此時(shí)未成年用戶b使用的客戶端C上音樂(lè)進(jìn)程能運(yùn)行但游戲進(jìn)程不能運(yùn)行，從而達(dá)到對(duì)未成年用戶的游戲時(shí)間進(jìn)行監(jiān)管的目的。同理可監(jiān)管未成年用戶的上網(wǎng)時(shí)間或?yàn)g覽網(wǎng)頁(yè)內(nèi)容。

在另一種技術(shù)方案中，步驟三中得到計(jì)算數(shù)據(jù)具體包括：

S1：自定義初始化參數(shù)，初始化參數(shù)包括種群大小N、子種群大小M、最大評(píng)價(jià)次數(shù)MAX_FE、函數(shù)符和終結(jié)符、基因長(zhǎng)度、基因個(gè)數(shù)、變異概率、插串概率、插串長(zhǎng)度以及重組概率，將獲取的原始數(shù)據(jù)定義為初始種群P_t＝{X₁,X₂,…,X_N}，并根據(jù)計(jì)算規(guī)則計(jì)算初始種群中每個(gè)個(gè)體的適應(yīng)度f(wàn)_i。

S2：通過(guò)執(zhí)行基因表達(dá)式編程的選擇、變異、插串以及重組對(duì)種群P_t中的N個(gè)個(gè)體生成M個(gè)新個(gè)體，并將M個(gè)新個(gè)體組織成子種群O_t，根據(jù)計(jì)算規(guī)則計(jì)算O_t中的每個(gè)個(gè)體的適應(yīng)度，其中適應(yīng)度最大的個(gè)體為最優(yōu)個(gè)體。

S3：將種群P_t中的N個(gè)個(gè)體和子種群O_t中的M個(gè)個(gè)體組成臨時(shí)種群P’t，并根據(jù)計(jì)算規(guī)則計(jì)算臨時(shí)種群P’t的中的每個(gè)個(gè)體的適應(yīng)度，然后刪除臨時(shí)種群P’t中適應(yīng)度最大的前M個(gè)個(gè)體，得到由N個(gè)個(gè)體組成的新一代種群P_t+1。

S4：重復(fù)S2至S3直至評(píng)價(jià)次數(shù)達(dá)到MAX_FE后結(jié)束，結(jié)束時(shí)得到的新一代種群P_t+1即為計(jì)算數(shù)據(jù)。

其中，適應(yīng)度的引入是為了更好地表達(dá)知識(shí)的模糊性和不確定性，本系統(tǒng)的適應(yīng)度區(qū)間定義為[0，1]，適應(yīng)度的大小由多位心理專家研究和系統(tǒng)反復(fù)實(shí)驗(yàn)相結(jié)合的途經(jīng)來(lái)獲取。

基于GEP的分析過(guò)程是一個(gè)動(dòng)態(tài)學(xué)習(xí)的自適應(yīng)過(guò)程，多次成功的分析結(jié)果可以作為新的分析規(guī)則存在，并可以根據(jù)系統(tǒng)積累的分析經(jīng)驗(yàn)來(lái)自動(dòng)棄用長(zhǎng)期無(wú)效的規(guī)則，從而達(dá)到優(yōu)化推理規(guī)則庫(kù)，提高分析準(zhǔn)確度的目的。

結(jié)合此種GEP算法可對(duì)復(fù)雜的或樣本數(shù)目較多的用戶行為進(jìn)行分析，先分類再分析，并分別得到每一類的適應(yīng)度使整體數(shù)據(jù)更加可靠，分析出的結(jié)論更具通用性，適用于更多的人群。

在另一種技術(shù)方案中，數(shù)據(jù)庫(kù)包括存儲(chǔ)數(shù)據(jù)庫(kù)、知識(shí)庫(kù)以及規(guī)則庫(kù)，存儲(chǔ)數(shù)據(jù)庫(kù)中分別存儲(chǔ)有原始數(shù)據(jù)、計(jì)算數(shù)據(jù)和特征數(shù)據(jù)。

在另一種技術(shù)方案中，知識(shí)庫(kù)中包括由GEP算法生成的IF-THEN規(guī)則，IF-THEN規(guī)則中C＝C(P)，其中，C為結(jié)論P(yáng)為前提條件，n為每條前提條件的前提數(shù)，θ＝{AND，OR}，將每條規(guī)則的可信度賦值為CF，CF＝[0，1]。每個(gè)IF-THEN規(guī)則中可包括多個(gè)前提條件，每個(gè)前提條件中可能包括多個(gè)前提，多個(gè)前提相互之間可能包含多種和/或關(guān)系。

在另一種技術(shù)方案中，步驟一中獲取的進(jìn)程信息包括實(shí)時(shí)進(jìn)程和歷史進(jìn)程；

步驟二中的計(jì)算規(guī)則包括對(duì)應(yīng)的實(shí)時(shí)進(jìn)程的發(fā)生時(shí)間的錄入和對(duì)是否執(zhí)行對(duì)應(yīng)的實(shí)時(shí)進(jìn)程的判斷。

結(jié)合包括實(shí)時(shí)進(jìn)程和歷史進(jìn)程的原始數(shù)據(jù)和計(jì)算規(guī)則后續(xù)可以判斷或根據(jù)實(shí)時(shí)進(jìn)程的發(fā)生時(shí)間判斷對(duì)應(yīng)的實(shí)時(shí)進(jìn)程是否執(zhí)行，使收集的信息更加完整，使后續(xù)的推理能得到歷史數(shù)據(jù)支持，更加可靠。

在另一種技術(shù)方案中，步驟二中的計(jì)算規(guī)則還包括周期的計(jì)算和對(duì)周期內(nèi)歷史進(jìn)程中與實(shí)時(shí)進(jìn)程中相同進(jìn)程的發(fā)生頻次的統(tǒng)計(jì)?？蓪?shí)現(xiàn)對(duì)較長(zhǎng)周期內(nèi)用戶行為的分析，使分析有效性更加長(zhǎng)久可靠，也可僅對(duì)一段時(shí)間計(jì)算機(jī)用戶行為進(jìn)行分析，長(zhǎng)期或短期可根據(jù)用戶的需要靈活選擇。

在另一種技術(shù)方案中，步驟一中獲取計(jì)算機(jī)用戶的個(gè)人信息時(shí)，根據(jù)每個(gè)賬戶中與每個(gè)計(jì)算機(jī)用戶一一對(duì)應(yīng)的用戶標(biāo)識(shí)對(duì)應(yīng)獲得計(jì)算機(jī)用戶的個(gè)人信息，其中，每個(gè)計(jì)算機(jī)用戶對(duì)應(yīng)一個(gè)或多個(gè)賬戶。按照與每個(gè)計(jì)算機(jī)用戶一一對(duì)應(yīng)的用戶標(biāo)識(shí)識(shí)別每個(gè)計(jì)算機(jī)用戶，避免由于計(jì)算機(jī)用戶切換不同賬戶引起獲取的個(gè)人信息和進(jìn)程信息不完整，使數(shù)據(jù)更加完整可靠。

實(shí)施例2

局域網(wǎng)中有服務(wù)端S,客戶端a、b、c、d等，S上裝載了包括知識(shí)庫(kù)、特征數(shù)據(jù)數(shù)據(jù)庫(kù)和規(guī)則庫(kù)的數(shù)據(jù)庫(kù)、調(diào)度控制器以及推理機(jī)。

服務(wù)端用戶希望借助服務(wù)端S監(jiān)管客戶端用戶在某一網(wǎng)絡(luò)論壇上的不文明用語(yǔ)，將不文明用語(yǔ)如等過(guò)濾掉，如客戶端用戶發(fā)表的不文明用語(yǔ)m或n不顯示，若在1小時(shí)內(nèi)連續(xù)發(fā)表5次及以上含不文明用語(yǔ)的言論則禁言半小時(shí)，其他則不限，此條信息作為規(guī)則存儲(chǔ)在知識(shí)庫(kù)中，即第一個(gè)IF-THEN規(guī)則中前提條件P為言論含不文明用語(yǔ)m或n，滿足P能得到結(jié)論C即不文明用語(yǔ)m或n不顯示，發(fā)表的此條規(guī)則可信度CF為1。第二個(gè)IF-THEN規(guī)則中前提條件P為同一用戶1小時(shí)內(nèi)連續(xù)發(fā)表5次及以上含不文明用語(yǔ)的言論，結(jié)論C為禁言半小時(shí)。

當(dāng)客戶端C上某用戶第一次在網(wǎng)絡(luò)論壇上發(fā)表含詞匯m的不文明用語(yǔ)時(shí)，得到原始數(shù)據(jù)為某用戶在某一時(shí)間發(fā)表不文明用語(yǔ)m，計(jì)算規(guī)則為判讀不文明用語(yǔ)m是否顯示，并開(kāi)始計(jì)時(shí)1小時(shí)內(nèi)頻次為1；

通過(guò)知識(shí)庫(kù)中的GEP算法，得到計(jì)算數(shù)據(jù)為此用戶發(fā)表的不文明用語(yǔ)m顯示、此用戶發(fā)表的不文明用語(yǔ)m不顯示，與知識(shí)庫(kù)中的前提條件即用戶不能發(fā)表含詞匯m或n的不文明用語(yǔ)進(jìn)行匹配后，得到前提條件的推理結(jié)論為此用戶發(fā)表的不文明用語(yǔ)m不顯示，此推理結(jié)論不存在于已有的特征數(shù)據(jù)中，將此推理結(jié)論作為新的特征數(shù)據(jù)保存到數(shù)據(jù)庫(kù)，然后將此用戶發(fā)表的不文明用語(yǔ)m不顯示與知識(shí)庫(kù)中的前提條件即客戶端用戶發(fā)表的不文明用語(yǔ)m或n不顯示進(jìn)行匹配后，得到此用戶發(fā)表的不文明用語(yǔ)m不顯示這一推理結(jié)論，將此推理結(jié)論作為又一新的特征數(shù)據(jù)保存到數(shù)據(jù)庫(kù)時(shí)發(fā)現(xiàn)與數(shù)據(jù)庫(kù)中已有的特征數(shù)據(jù)相同，將此用戶發(fā)表的不文明用語(yǔ)m不顯示作為結(jié)果輸出。

當(dāng)用戶再次發(fā)表不文明用語(yǔ)時(shí)，只需要經(jīng)過(guò)1次推理即可得到此用戶發(fā)表的不文明用語(yǔ)m不顯示的結(jié)論，可見(jiàn)本發(fā)明的基于基因表達(dá)式編程的計(jì)算機(jī)用戶行為分析方法是一個(gè)動(dòng)態(tài)學(xué)習(xí)的自適應(yīng)過(guò)程。

當(dāng)用戶在1小時(shí)內(nèi)發(fā)表5次不文明用語(yǔ)時(shí)，根據(jù)第一個(gè)IF-THEN規(guī)則此用戶發(fā)表的不文明用語(yǔ)m不顯示，根據(jù)第二個(gè)IF-THEN規(guī)則得到推理結(jié)論為禁言半小時(shí)，從而根據(jù)多個(gè)規(guī)則更好的實(shí)時(shí)對(duì)用戶的當(dāng)前操作行為、瀏覽網(wǎng)頁(yè)內(nèi)容等方面進(jìn)行敏感性分析和監(jiān)管。期間，當(dāng)用戶切換其他賬號(hào)發(fā)表不文明用語(yǔ)時(shí)，由于每個(gè)用戶對(duì)應(yīng)一個(gè)用戶標(biāo)識(shí)即多個(gè)賬戶之間相互關(guān)聯(lián)，步驟一中獲取計(jì)算機(jī)用戶的個(gè)人信息時(shí)，統(tǒng)計(jì)信息的包括多個(gè)賬戶中的信息，因此即使用戶切換其他賬號(hào)發(fā)表不文明用語(yǔ)也能按照計(jì)算規(guī)則計(jì)入頻次統(tǒng)計(jì)的數(shù)據(jù)中。

盡管本發(fā)明的實(shí)施方案已公開(kāi)如上，但其并不僅僅限于說(shuō)明書(shū)和實(shí)施方式中所列運(yùn)用，它完全可以被適用于各種適合本發(fā)明的領(lǐng)域，對(duì)于熟悉本領(lǐng)域的人員而言，可容易地實(shí)現(xiàn)另外的修改，因此在不背離權(quán)利要求及等同范圍所限定的一般概念下，本發(fā)明并不限于特定的細(xì)節(jié)和這里示出與描述的圖例。