一種更新p2p網(wǎng)絡(luò)用戶主觀行為分析模型參數(shù)的方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種更新P2P網(wǎng)絡(luò)中的用戶主觀行為分析模型參數(shù)的方法及系統(tǒng)，該方法從構(gòu)建P2P網(wǎng)絡(luò)中基于計(jì)劃行為理論的用戶主觀行為分析模型出發(fā)，根據(jù)P2P網(wǎng)絡(luò)中當(dāng)前的版權(quán)內(nèi)容分布情況，量化信念指標(biāo)，擴(kuò)充樣本數(shù)據(jù)，從而動(dòng)態(tài)修正行為模型參數(shù)。本發(fā)明一方面面向?qū)Φ染W(wǎng)絡(luò)版權(quán)內(nèi)容分析，建立了包括喜好度、受歡迎程度、版權(quán)意識(shí)度、懲罰度各信念指標(biāo)在內(nèi)的基于計(jì)劃行為理論的用戶主觀行為分析模型，對(duì)版權(quán)管控中用戶主觀行為分析提出了理論依據(jù)；另一方面，基于客觀版權(quán)內(nèi)容分布情況，提出了該用戶主觀行為分析模型中各信念指標(biāo)的量化方法。本發(fā)明提出了用戶主觀行為分析模型的動(dòng)態(tài)擬合方法?；诋?dāng)前版權(quán)內(nèi)容分布，動(dòng)態(tài)修正用戶主觀行為分析模型參數(shù)。
【專利說(shuō)明】—種更新P2P網(wǎng)絡(luò)用戶主觀行為分析模型參數(shù)的方法及系統(tǒng)
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及對(duì)等網(wǎng)絡(luò)中基于版權(quán)內(nèi)容分布的用戶主觀行為分析模型的動(dòng)態(tài)擬合，具體涉及一種更新P2P網(wǎng)絡(luò)用戶主觀行為分析模型參數(shù)的方法及系統(tǒng)。
【背景技術(shù)】
[0002]對(duì)等網(wǎng)絡(luò)技術(shù)(P2P技術(shù))已被廣泛應(yīng)用于集群計(jì)算、協(xié)同工作、搜索引擎和文件共享與交換等方面。由于P2P技術(shù)的核心是點(diǎn)對(duì)點(diǎn)的傳播模式，因而相較于傳統(tǒng)的客戶-服務(wù)器的集中處理模式，網(wǎng)絡(luò)內(nèi)容傳播的管理與控制更為復(fù)雜和困難。從目前狀況來(lái)看，這主要體現(xiàn)在兩個(gè)方面:對(duì)不良內(nèi)容的傳播控制更為復(fù)雜和對(duì)版權(quán)管理更為困難。以P2P文件共享與交換軟件BT為例，它克服了傳統(tǒng)下載方式的局限性，具有參與下載的人越多，文件下載速度越快的特點(diǎn)。BT軟件自動(dòng)將一個(gè)文件分割成若干塊，當(dāng)某一 PC節(jié)點(diǎn)在進(jìn)行下載，它也作為一個(gè)對(duì)外提供服務(wù)的節(jié)點(diǎn)，向其他PC供應(yīng)已經(jīng)下載的文件塊。最終，來(lái)自不同節(jié)點(diǎn)的文件塊在一臺(tái)PC上融合成了一個(gè)完整的文件。從上述P2P文件共享與交換的工作原理可以看出，一臺(tái)PC在進(jìn)行下載的同時(shí)，也自動(dòng)進(jìn)行著上傳的行為，成為一臺(tái)臨時(shí)的服務(wù)器。因此，從版權(quán)角度來(lái)講，鑒于P2P技術(shù)導(dǎo)致受侵害的用戶和版權(quán)的數(shù)量、范圍急劇增加的狀況，對(duì)版權(quán)內(nèi)容的傳播分析與管控變得緊迫和必要。
[0003]目前版權(quán)內(nèi)容的傳播分析研究主要集中在內(nèi)容檢測(cè)和內(nèi)容關(guān)系挖掘兩個(gè)方面。內(nèi)容檢測(cè)主要是利用數(shù)字水印及DNA等技術(shù)來(lái)檢測(cè)某個(gè)音/視頻內(nèi)容是否屬于盜版內(nèi)容。而內(nèi)容關(guān)系挖掘又可以從主觀和 客觀兩個(gè)方面進(jìn)行，從而為傳播分析與管控提供有效支持。其中，客觀方面的內(nèi)容關(guān)系挖掘旨在通過(guò)揭示內(nèi)容之間的相似度關(guān)系來(lái)深入發(fā)掘P2P網(wǎng)絡(luò)用戶之間的文件共享關(guān)系，深刻反映P2P網(wǎng)絡(luò)內(nèi)容交互與分布的內(nèi)部結(jié)構(gòu)；主觀方面的內(nèi)容關(guān)系挖掘旨在分析P2P網(wǎng)絡(luò)用戶的主觀行為意圖，推測(cè)某一時(shí)刻、某一狀態(tài)下用戶是否會(huì)參與到盜版內(nèi)容的傳播。
[0004]其實(shí)，任何版權(quán)內(nèi)容的傳播都是由用戶的主觀行為決定的，用戶的主觀行為決定了用戶是否會(huì)參與到相應(yīng)版權(quán)內(nèi)容的傳播。因此，分析對(duì)等網(wǎng)絡(luò)中用戶的主觀行為對(duì)版權(quán)內(nèi)容的傳播分析及管控至關(guān)重要。目前，版權(quán)內(nèi)容管控大多數(shù)采用事后處理，即發(fā)現(xiàn)盜版內(nèi)容傳播后，通過(guò)采取“下載阻止”等技術(shù)來(lái)達(dá)到阻斷盜版內(nèi)容傳播的目的。而通過(guò)分析用戶主觀行為則能夠在盜版內(nèi)容擴(kuò)散傳播之前發(fā)現(xiàn)其潛在的傳播趨勢(shì)，實(shí)現(xiàn)預(yù)警，從而先發(fā)制人的采取措施，能夠有效地抑制盜版內(nèi)容的傳播。
[0005]已有的用戶主觀行為分析大多基于計(jì)劃行為理論(Theory of PlannedBehavior, TPB)。TPB 認(rèn)為行為(Behavior,簡(jiǎn)稱 B)是行為意圖(Behavior Intention,簡(jiǎn)稱BI)的直接函數(shù),而行為意圖則由態(tài)度(Attitude,簡(jiǎn)稱A),主觀規(guī)范(SubjectiveNorm,簡(jiǎn)稱SN)和知覺行為控制(Perceived Behavioral Control,簡(jiǎn)稱PBC)構(gòu)成。它們之間的關(guān)系可表述為:
[0006]BI=ClXA+c2XSN+c3XPBC(I)[0007]其中，態(tài)度是指?jìng)€(gè)人對(duì)該項(xiàng)行為所抱持的正面或負(fù)面的感覺；主觀規(guī)范是指?jìng)€(gè)人對(duì)于是否采取某項(xiàng)特定行為所感受到的社會(huì)壓力；知覺行為控制是反映個(gè)人過(guò)去的經(jīng)驗(yàn)和預(yù)期的阻礙。所述態(tài)度、主觀規(guī)范及知覺行為控制是抽象概念，是不可觀測(cè)的變量，解決方法就是采用可直接觀測(cè)的變量(即信念指標(biāo))來(lái)對(duì)態(tài)度、主觀規(guī)范及知覺行為控制予以測(cè)量，如采用可直接測(cè)量的喜好度這一信念指標(biāo)來(lái)測(cè)量態(tài)度。
[0008]現(xiàn)有的用戶主觀行為分析首先根據(jù)應(yīng)用場(chǎng)景為不同的抽象概念選擇合適的信念指標(biāo)，建立用戶主觀行為分析模型。依據(jù)所選信念指標(biāo)編制正式調(diào)查問(wèn)卷，經(jīng)模型擬合及模型評(píng)價(jià)并最終確立模型參數(shù)(即圖1中的C11、C21、C31、Crc3)，且現(xiàn)有技術(shù)雖然包含模型擬合，但這種模擬擬合過(guò)程不是動(dòng)態(tài)的。由此可見，已有方法僅僅在模型建立之初確定模型參數(shù)，從而使得模型參數(shù)是靜態(tài)的(即，現(xiàn)有技術(shù)建立初期是確定模型結(jié)構(gòu)及模型參數(shù)的，且僅是在建立初期確立模型參數(shù)，之后參數(shù)保持不變，其中模型參數(shù)指模型中連線的權(quán)值，即圖1中的cn、C21, C31^C1, C2及C3X而P2P網(wǎng)絡(luò)中用戶的主觀行為受到多方面的因素影響，呈現(xiàn)動(dòng)態(tài)變化的特點(diǎn)。因此最初的模型參數(shù)隨著時(shí)間的推移可能并不再適用，現(xiàn)有技術(shù)的用戶主觀行為分析模型缺乏動(dòng)態(tài)性。因此，本發(fā)明針對(duì)上述問(wèn)題，從構(gòu)建P2P網(wǎng)絡(luò)中基于計(jì)劃行為理論的用戶主觀行為分析模型出發(fā)，根據(jù)P2P網(wǎng)絡(luò)中當(dāng)前的版權(quán)內(nèi)容分布情況，動(dòng)態(tài)地修正用戶主觀行為分析模型的參數(shù)，從而達(dá)到實(shí)時(shí)動(dòng)態(tài)的擬合用戶主觀行為的目標(biāo)。

【發(fā)明內(nèi)容】

[0009]本發(fā)明的目的在于，為克服現(xiàn)有技術(shù)僅僅在用戶主觀行為分析模型建立之初確定模型參數(shù)造成的隨著時(shí)間的推移模型涉及的各參數(shù)并不再適用，從而造成用戶主觀行為分析模型缺乏動(dòng)態(tài)性，最終導(dǎo)致的大大影響版權(quán)內(nèi)容傳播分析與管控等問(wèn)題，從而提供一種更新P2P網(wǎng)絡(luò)用戶主觀行為分析模型參數(shù)的方法及系統(tǒng)。
[0010]為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種更新P2P網(wǎng)絡(luò)中的用戶主觀行為分析模型參數(shù)的方法，該方法基于動(dòng)態(tài)擬合的方法動(dòng)態(tài)實(shí)時(shí)調(diào)整用戶主觀行為分析模型的參數(shù)，所述方法包含:
[0011]步驟101)根據(jù)選取的信念指標(biāo)設(shè)定用戶主觀行為分析模型，并采用調(diào)查問(wèn)卷獲得初始樣本數(shù)據(jù)；
[0012]步驟102)依據(jù)初始樣本數(shù)據(jù)獲得各信念指標(biāo)間的第一相關(guān)系數(shù)矩陣；
[0013]步驟103)根據(jù)第一相關(guān)系數(shù)矩陣及用戶主觀行為分析模型，采用統(tǒng)計(jì)算法生成一個(gè)基于該用戶主觀行為分析模型的最接近信念指標(biāo)的相關(guān)系數(shù)矩陣的相關(guān)矩陣，即再生矩陣，并依據(jù)該再生矩陣確定用戶主觀行為分析模型各參數(shù)的初始值；
[0014]步驟104)通過(guò)多次迭代修正用戶主觀行為分析模型的各初始參數(shù)值直至該用戶主觀行為分析模型較好的擬合調(diào)查問(wèn)卷獲得的樣本數(shù)據(jù)，獲得初始的用戶主觀行為分析模型；
[0015]步驟105)基于P2P網(wǎng)絡(luò)的版權(quán)內(nèi)容分布信息得到基于版權(quán)內(nèi)容分布的樣本數(shù)據(jù)，將該樣本數(shù)據(jù)與調(diào)查問(wèn)卷獲得的初始樣本數(shù)據(jù)融合獲得第二樣本數(shù)據(jù)，并依據(jù)第二樣本數(shù)據(jù)生成各信念指標(biāo)間的第二相關(guān)系數(shù)矩陣；
[0016]步驟106)監(jiān)控基于初始用戶主觀行為分析模型得到的再生矩陣和第二相關(guān)系數(shù)矩陣之間的擬合關(guān)系，當(dāng)兩者擬合度小于某設(shè)定閾值時(shí)，根據(jù)當(dāng)前信念指標(biāo)間的相關(guān)關(guān)系矩陣，重新構(gòu)建再生矩陣以更新模型參數(shù)，由模型評(píng)價(jià)與模型擬合多次迭代后，得到擬合當(dāng)前內(nèi)容分布的用戶主觀行為分析模型的參數(shù)，依據(jù)該參數(shù)修正用戶主觀行為分析模型，從而獲得實(shí)時(shí)動(dòng)態(tài)的用戶主觀行為分析模型；
[0017]其中，所述的信念指標(biāo)包含:喜好度、版權(quán)意識(shí)度、受歡迎程度和懲罰度；所述第二樣本數(shù)據(jù)包含來(lái)源于調(diào)查問(wèn)卷的樣本數(shù)據(jù)和基于版權(quán)內(nèi)容分布信息得到的樣本數(shù)據(jù)，所述版權(quán)內(nèi)容分布信息為P2P網(wǎng)絡(luò)中的事件行為，包括用戶擁有的具體內(nèi)容、用戶當(dāng)前的上傳或下載狀態(tài)、上傳或下載時(shí)間持續(xù)的時(shí)間以及上傳或下載在持續(xù)時(shí)間內(nèi)發(fā)生的次數(shù)。
[0018]上述技術(shù)方案中，所述調(diào)查問(wèn)卷根據(jù)選取的信念指標(biāo)進(jìn)行編制；
[0019]采用結(jié)構(gòu)方程模型驗(yàn)證用戶主觀行為分析模型與調(diào)查問(wèn)卷樣本數(shù)據(jù)的擬合度并修正用戶主觀行為分析模型的各參數(shù)。
[0020]上述技術(shù)方案中，所述喜好度采用如下策略獲??；
[0021]步驟201)根據(jù)內(nèi)容的相似度計(jì)算兩個(gè)用戶的相似度，當(dāng)兩用戶分別為用戶A與用
戶B時(shí)的相似度表示為:
[0022]
【權(quán)利要求】
1.一種更新P2P網(wǎng)絡(luò)中的用戶主觀行為分析模型參數(shù)的方法，該方法基于動(dòng)態(tài)擬合的方法動(dòng)態(tài)實(shí)時(shí)調(diào)整用戶主觀行為分析模型的參數(shù)，所述方法包含: 步驟101)根據(jù)選取的信念指標(biāo)設(shè)定用戶主觀行為分析模型，并采用調(diào)查問(wèn)卷獲得初始樣本數(shù)據(jù)； 步驟102)依據(jù)初始樣本數(shù)據(jù)獲得各信念指標(biāo)間的第一相關(guān)系數(shù)矩陣； 步驟103)根據(jù)第一相關(guān)系數(shù)矩陣及用戶主觀行為分析模型，采用統(tǒng)計(jì)算法生成一個(gè)基于該用戶主觀行為分析模型的最接近信念指標(biāo)的相關(guān)系數(shù)矩陣的相關(guān)矩陣，即再生矩陣，并依據(jù)該再生矩陣確定用戶主觀行為分析模型各參數(shù)的初始值；步驟104)通過(guò)多次迭代 修正用戶主觀行為分析模型的各初始參數(shù)值直至該用戶主觀行為分析模型較好的擬合調(diào)查問(wèn)卷獲得的樣本數(shù)據(jù)，獲得初始的用戶主觀行為分析模型；步驟105)基于P2P網(wǎng)絡(luò)的版權(quán)內(nèi)容分布信息得到基于版權(quán)內(nèi)容分布的樣本數(shù)據(jù)，將該樣本數(shù)據(jù)與調(diào)查問(wèn)卷獲得的初始樣本數(shù)據(jù)融合獲得第二樣本數(shù)據(jù)，并依據(jù)第二樣本數(shù)據(jù)生成各信念指標(biāo)間的第二相關(guān)系數(shù)矩陣； 步驟106)監(jiān)控基于初始用戶主觀行為分析模型得到的再生矩陣和第二相關(guān)系數(shù)矩陣之間的擬合關(guān)系，當(dāng)兩者擬合度小于某設(shè)定閾值時(shí)，根據(jù)當(dāng)前信念指標(biāo)間的相關(guān)關(guān)系矩陣，重新構(gòu)建再生矩陣以更新模型參數(shù)，由模型評(píng)價(jià)與模型擬合多次迭代后，得到擬合當(dāng)前內(nèi)容分布的用戶主觀行為分析模型的參數(shù)，依據(jù)該參數(shù)修正用戶主觀行為分析模型，從而獲得實(shí)時(shí)動(dòng)態(tài)的用戶主觀行為分析模型； 其中，所述的信念指標(biāo)包含:喜好度、版權(quán)意識(shí)度、受歡迎程度和懲罰度；所述第二樣本數(shù)據(jù)包含來(lái)源于調(diào)查問(wèn)卷的樣本數(shù)據(jù)和基于版權(quán)內(nèi)容分布信息得到的樣本數(shù)據(jù)，所述版權(quán)內(nèi)容分布信息為P2P網(wǎng)絡(luò)中的事件行為,包括用戶擁有的具體內(nèi)容、用戶當(dāng)前的上傳或下載狀態(tài)、上傳或下載狀態(tài)持續(xù)的時(shí)間以及上傳或下載狀態(tài)發(fā)生的次數(shù)。
2.根據(jù)權(quán)利要求1所述的更新P2P網(wǎng)絡(luò)中的用戶主觀行為分析模型參數(shù)的方法，其特征在于，所述調(diào)查問(wèn)卷根據(jù)選取的信念指標(biāo)進(jìn)行編制； 采用結(jié)構(gòu)方程模型驗(yàn)證用戶主觀行為分析模型與調(diào)查問(wèn)卷樣本數(shù)據(jù)的擬合度并修正用戶主觀行為分析模型的各參數(shù)。
3.根據(jù)權(quán)利要求1所述的更新P2P網(wǎng)絡(luò)中的用戶主觀行為分析模型參數(shù)的方法，其特征在于，所述喜好度采用如下策略獲??； 步驟201)根據(jù)內(nèi)容的相似度計(jì)算兩個(gè)用戶的相似度，當(dāng)兩用戶分別為用戶A與用戶B時(shí)的相似度表示為:
4.根據(jù)權(quán)利要求1所述的更新P2P網(wǎng)絡(luò)中的用戶主觀行為分析模型參數(shù)的方法，其特征在于，所述版權(quán)意識(shí)度采用如下策略獲得: 步驟301)計(jì)算用戶歷史下載中正版內(nèi)容所占比例值p，且P的取值范圍為[0，1]:

j.e版內(nèi)界數(shù)ja

下載內(nèi)界總數(shù) 步驟302)依據(jù)量化規(guī)則將獲得的比例值P量化為某個(gè)具體的版權(quán)意識(shí)度值；所述量化規(guī)則為依據(jù)P落在區(qū)間[0，1]中的具體位置將版權(quán)意識(shí)度量化為某些具體的整數(shù)值，其中P值越小表示用戶下載的正版內(nèi)容所占比例越小，從而表明該用戶的版權(quán)意識(shí)較弱，反之則表明該用戶的版權(quán)意識(shí)較強(qiáng)。
5.根據(jù)權(quán)利要求1所述的更新P2P網(wǎng)絡(luò)中的用戶主觀行為分析模型參數(shù)的方法，其特征在于，所述懲罰度通過(guò)記錄用戶的下載時(shí)長(zhǎng)獲得，具體包含: 用戶開始下載版權(quán)內(nèi)容時(shí)開始記錄，在完成下載后則終止計(jì)算其下載時(shí)長(zhǎng)，且該下載時(shí)長(zhǎng)記為Td ； 設(shè)置閾值Ts表示用戶的下載時(shí)長(zhǎng)忍受閾值，若Td>Ts，表示該用戶被版權(quán)監(jiān)管系統(tǒng)“下載阻止”并記錄一次“下載阻止”，記錄某段時(shí)間內(nèi)用戶被下載阻止的總次數(shù)； 依據(jù)下載阻止次數(shù)獲得懲罰度的取值，所述懲罰度為若干整數(shù)值，該值越大表示用戶被懲罰的次數(shù)越多，反之越少。
6.一種更新P2P網(wǎng)絡(luò)中的用戶主觀行為分析模型參數(shù)的系統(tǒng)，該系統(tǒng)基于動(dòng)態(tài)擬合的方法動(dòng)態(tài)實(shí)時(shí)調(diào)整用戶主觀行為分析模型的參數(shù)，所述系統(tǒng)包含: 模型構(gòu)建模塊，用于依據(jù)選取的信念指標(biāo)設(shè)定用戶主觀行為分析模型的結(jié)構(gòu)； 材料收集模塊，用于依據(jù)選取的信念指標(biāo)編制調(diào)查問(wèn)卷，并依據(jù)該調(diào)查問(wèn)卷收集基于多個(gè)用戶的第一樣本數(shù)據(jù)； 樣本庫(kù)，用于存放用于統(tǒng)計(jì)分析的樣本數(shù)據(jù)，當(dāng)首次建立用戶主觀行為模型時(shí)僅存放由調(diào)查問(wèn)卷獲得的第一樣本數(shù)據(jù)，當(dāng)模型及參數(shù)初步確定后還存放基于版權(quán)內(nèi)容分布信息得到的基于版權(quán)內(nèi)容分布的樣本數(shù)據(jù)； 統(tǒng)計(jì)分析模塊，用于將所述樣本庫(kù)輸入的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析處理，獲得各信念指標(biāo)間的相關(guān)系數(shù)矩陣，將該相關(guān)系數(shù)矩陣輸入模型擬合模塊；并接收監(jiān)控模塊的相關(guān)系數(shù)查詢請(qǐng)求，然后向該監(jiān)控模塊返回基于樣本庫(kù)所有樣本數(shù)據(jù)的當(dāng)前的相關(guān)系數(shù)矩陣； 模型擬合模塊，用于將統(tǒng)計(jì)分析處理后的相關(guān)系數(shù)矩陣與模型構(gòu)建模塊設(shè)定的用戶主觀行為分析模型進(jìn)行模型擬合處理，得到再生矩陣； 模型評(píng)價(jià)模塊，用于計(jì)算模型擬合模塊輸出的再生矩陣與相關(guān)系數(shù)矩陣的擬合度結(jié)果決定是否再次觸發(fā)模型擬合模塊，即當(dāng)擬合度小于設(shè)定擬合度時(shí)再次返回模型擬合模塊進(jìn)行擬合，當(dāng)擬合度大于設(shè)定擬合度時(shí)停止擬合過(guò)程，并根據(jù)最終的再生矩陣及用戶主觀行為分析模型的結(jié)構(gòu)得到模型的參數(shù)，輸出用戶主觀行為模型； 用戶主觀行為分析模型，用于將滿足擬合度要求的參數(shù)值設(shè)置為用戶主觀行為模型的參數(shù)值得到最終用戶主觀行為分析模型，該模型還與監(jiān)控模塊連接，當(dāng)用戶主觀行為分析模型的參數(shù)確定后就向監(jiān)控模塊輸出再生矩陣，當(dāng)模型更改后，才再次向監(jiān)控模塊輸出再生矩陣； 版權(quán)內(nèi)容分布情況記錄模塊，用于實(shí)時(shí)記錄P2P網(wǎng)絡(luò)的版權(quán)內(nèi)容的變化情況； 預(yù)處理模塊，對(duì)輸入的版權(quán)內(nèi)容的變化情況轉(zhuǎn)換為統(tǒng)計(jì)分析模塊適用的樣本數(shù)據(jù)并存入樣本庫(kù)，該統(tǒng)計(jì)信息與調(diào)查問(wèn)卷獲得的樣本數(shù)據(jù)為第二樣本數(shù)據(jù)；和 監(jiān)控模塊，用于周期性的向所述統(tǒng)計(jì)分析模塊請(qǐng)求相關(guān)系數(shù)矩陣和基于用戶主觀行為分析模型得到的再生矩陣進(jìn)行擬合，當(dāng)?shù)玫綌M合度小于設(shè)定閾值時(shí)該監(jiān)控模塊驅(qū)動(dòng)模型擬合模塊再次進(jìn)行模型擬合； 其中，所述的信念指標(biāo)包含:喜好度、版權(quán)意識(shí)度、受歡迎程度和懲罰度；所述監(jiān)控模塊依據(jù)的相關(guān)系數(shù)矩陣基于調(diào)查問(wèn)卷和版權(quán)內(nèi)容分布信息獲得的樣本數(shù)據(jù)。
7.根據(jù)權(quán)利要求6所述的更新P2P網(wǎng)絡(luò)中的用戶主觀行為分析模型參數(shù)的系統(tǒng)，其特征在于，所述調(diào)查問(wèn)卷根據(jù)選取的信念指標(biāo)進(jìn)行編制； 采用結(jié)構(gòu)方程模型驗(yàn)證用戶主觀行為分析模型與調(diào)查問(wèn)卷樣本數(shù)據(jù)的擬合度并修正用戶主觀行為分析模型的各參數(shù)。
8.根據(jù)權(quán)利要求6所述的更新P2P網(wǎng)絡(luò)中的用戶主觀行為分析模型參數(shù)的系統(tǒng)，其特征在于，所述預(yù)處理模塊進(jìn)一步包含:喜好度量化模塊、版權(quán)意識(shí)度量化模塊、受歡迎度量化模塊和懲罰度量化模塊。
9.根據(jù)權(quán)利要求6所述的更新P2P網(wǎng)絡(luò)中的用戶主觀行為分析模型參數(shù)的系統(tǒng)，其特征在于，所述喜好度量化模塊進(jìn)一步包含: 第一處理模塊，用于根據(jù)內(nèi)容的相似度推出兩個(gè)用戶的相似度，當(dāng)兩用戶分別為用戶A與用戶B時(shí)的相似度表示為:

10.根據(jù)權(quán)利要求6所述的更新P2P網(wǎng)絡(luò)中的用戶主觀行為分析模型參數(shù)的系統(tǒng)，其特征在于，所述版權(quán)意識(shí)度量化模塊進(jìn)一步包含: 第三處理模塊，用于計(jì)算用戶歷史下載中正版內(nèi)容所占比例值P，且P的取值范圍為[0,1]:
【文檔編號(hào)】G06F19/00GK103593543SQ201210288565
【公開日】2014年2月19日 申請(qǐng)日期:2012年8月14日 優(yōu)先權(quán)日:2012年8月14日
【發(fā)明者】童恩棟, 牛溫佳, 曲本科, 苗光勝, 譚紅艷, 唐暉, 慈松 申請(qǐng)人:中國(guó)科學(xué)院聲學(xué)研究所