论文部分内容阅读
提出一种软定时转变自动机,识别更大范围的用户行为历史。该软建模的框架用户模型可以在类似网络学习的虚拟平台中实时地评估用户的动态行为,通过评估观察到的行为中的时间偏差、额外的或省去的行为量来评估用户行为。当观察到的行为只部分满足给定的行为模型约束时,该模型也可以用于用户历史行为的部分识别。相对于标准的布尔模型的识别,当多个用户模型存在偏差量时,该方法通过预测、投影和其他已知的技术更适用于用户实时支持系统,引导生成系统支持。基于日志的网络学习平台和软时间自动机的规划实验证明了该模型的表现力和有效性。