CN107392627B - 一种基于交往频度和交往指数的用户交往圈关系识别方法 - Google Patents
一种基于交往频度和交往指数的用户交往圈关系识别方法 Download PDFInfo
- Publication number
- CN107392627B CN107392627B CN201710585955.1A CN201710585955A CN107392627B CN 107392627 B CN107392627 B CN 107392627B CN 201710585955 A CN201710585955 A CN 201710585955A CN 107392627 B CN107392627 B CN 107392627B
- Authority
- CN
- China
- Prior art keywords
- user
- circle
- contact
- users
- interaction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000003993 interaction Effects 0.000 title claims description 66
- 238000004891 communication Methods 0.000 claims abstract description 69
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 235000012054 meals Nutrition 0.000 abstract 1
- 230000007547 defect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/01—Customer relationship services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于交往频度和交往指数的用户交往圈关系识别方法,属于运营商社交圈口碑与家庭套餐推荐营销的技术领域,该方法包括以下步骤:计算两两用户间的交往频度、交往指数;根据交往频度、交往指数及联系时段偏好建立用户对应的交往圈模型,该交往圈模型包括工作圈模型、生活圈模型和综合圈模型;基于用户对应的交往圈信息建立用户社交网络模型;基于用户生活圈模型构建家庭关系模型;本发明有效解决了现有的单客户群发式营销针对性较差,成本回报率较低,且容易造成用户投诉的问题,本发明方法通过对用户社交网络关系、家庭关系识别归类,营销成功率显著提高。
Description
技术领域
本发明属于运营商社交圈口碑与家庭套餐推荐营销的技术领域,具体是涉及一种基于交往频度和交往指数的用户交往圈关系识别方法。
背景技术
互联网时代传统的单客户大规模群发营销方式已很难吸引用户,营销成本回报率较低,而且很容易引起用户投诉。
现有技术中,由于主要面向单客户营销推荐,在营销推荐过程中存在如下缺陷:
一、单客户群发式营销容易引起用户反感,引发用户投诉。
二、对客户群体特征不了解,不能抓住群体兴趣点。
三、不了解家庭构成,家庭套餐无法针对性推荐。
四、对异网营销没有合适的切入点。
总之,现有的单客户群发式营销针对性较差,成本回报率较低,且容易造成用户投诉。
发明内容
发明目的:为了克服现有技术中存在的不足,传统的单客户大规模群发营销方式已很难吸引用户,营销成本回报率较低,而且很容易引起用户投诉等缺陷,本发明提供一种基于交往频度和交往指数的用户交往圈关系识别方法。
技术方案:为实现上述目的,本发明的一种基于交往频度和交往指数的用户交往圈关系识别方法,该方法包括以下步骤:该方法包括以下步骤:基于交往频度和交往指数的用户交往圈关系
A:计算两两用户间的交往频度、交往指数;
B:根据交往频度、交往指数及联系时段偏好建立用户对应的交往圈模型,该交往
圈模型包括工作圈模型、生活圈模型和综合圈模型;
C:基于用户对应的交往圈信息建立用户社交网络模型;
D:基于用户生活圈模型构建家庭关系模型。
进一步地,所述步骤B包括以下步骤:
计算用户的交往频度,交往频度=(权重1*用户本月有通话/短信/彩信日数+权重2*用户本月有通话/短信/彩信周数+权重3*用户本月有通话/短信/彩信旬数)/本月天数,一旬=10天;所述权重1、权重2和权重3通过自定义设置;
基于用户的交往频度,计算用户的工作圈交往指数、生活圈交往指数和综合圈交往指数。
进一步地,基于用户的交往频度,计算用户的工作圈交往指数、生活圈交往指数和综合圈交往指数,具体包括以下步骤:
整理用户的语音话单、短彩信话单,分别计算用户工作时段、生活时段和不区分时段的通话次数、通话时长、短信/彩信通话次数;
用户的工作圈交往指数=系数1*用户的交往频度+系数2*用户工作时段的通话次数+系数3*用户工作时段的通话时长+系数4*用户工作时段的短信通话次数+系数5*用户工作时段的彩信通话次数;
用户的生活圈交往指数=系数1*用户的交往频度+系数2*用户生活时段的通话次数+系数3*用户生活时段的通话时长+系数4*用户生活时段的短信通话次数+系数5*用户生活时段的彩信通话次数;
用户的综合圈交往指数=系数1*用户的交往频度+系数2*用户不区分时段的通话次数+系数3*用户不区分时段的通话时长+系数4*用户不区分时段的短信通话次数+系数5*用户不区分时段的彩信通话次数;
所述系数1、系数2、系数3和系数4通过自定义设置;
取用户的工作圈交往指数、生活圈交往指数和综合圈交往指数中最大值,则指数最大的即为该用户所属的交往圈。
进一步地,所述步骤C包括以下步骤:
首先将用户对应的交往圈中所有用户均分入到一个群体中;
然后计算该群体中用户间的交往相似度;
计算两两用户间的联系紧密度,通过两两用户间的联系紧密度确定用户间的交往相似度;
将该群体中交往相似度低的用户归属为弱联系的用户,交往相似度低是基于该群体中用户间的联系紧密度值自定义设置;
将交往相似度高的用户划分到一个群体中,交往相似度高是基于该群体中用户间的联系紧密度值自定义设置;
最终形成多个内部交往相似度高、外部交往相似度低的群体;
对于用户对应的交往圈中新用户通过迭代的方法将用户划分到上述对应的群体中。
进一步地,所述两两用户间的联系紧密度通过式(一)计算:
其中,Wj为时段权重,时段权重包括用户工作时段权重W1、生活时段权重W2和不区分时段权重W3,时段权重通过自定义设置;mi为第i周通话次数;di为第i周权重,通过自定义设置,n为该时段周数。
进一步地,所述步骤D包括以下步骤:
基于用户生活圈模型,计算用户生活圈模型中用户间的交往相似度和交往时段偏好;
根据用户的同客户ID、同客户家庭套餐和同客户账号信息构建家庭关系模型。
进一步地,计算用户生活圈模型中用户间的交往相似度通过以下步骤计算得到:
用户间的交往相似度计算模块,交往相似度计算模块中存储有相似度计算的程度,当该交往相似度计算模块被处理器执行时,可以得到用户间的交往相似度,具体包括以下步骤:
数据对称化处理,返回数据库;
按照主叫用户排序话单,计算每个主叫用户的起始位置,以及其话单数目,将排序好的话单、用户的起始位置以及其话单数目确定,用于计算相似度;
调用编写的交往相似度计算模块计算用户间的交往相似度,剔除相似度较低的话单;
根据用户间交往相似度计算,寻找交往相似度高的本网/异网用户纳入到同家庭关系中,构建家庭关系模型。
有益效果:本发明与现有技术比较,具有的优点是:
本发明首先整理语音话单、短彩信话单信息,计算用户两两间联系交往频度、交往指数;然后根据交往频度、交往指数及联系时段偏好建立工作圈、生活圈、综合圈模型;其次基于交往圈计算用户间共同联系人,并计算用户间相似度指标,建立社交网络;最后基于同客户、同家庭套餐、同账户信息建立家庭骨干成员,根据成员与用户相似度计算,寻找高相似度的本网/异网用户纳入同家庭关系客户;本发明方法有效解决了现有的单客户群发式营销针对性较差,成本回报率较低,且容易造成用户投诉的问题,通过对用户社交网络关系、家庭关系识别归类,营销成功率显著提高。
附图说明
图1是本发明方法流程结构示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
实施例一:
本实施例提出的一种基于交往频度和交往指数的用户交往圈关系识别方法,参照图1,该方法包括以下步骤:基于交往频度和交往指数的用户交往圈关系
A:计算两两用户间的交往频度、交往指数;
B:根据交往频度、交往指数及联系时段偏好建立用户对应的交往圈模型,该交往圈模型包括工作圈模型、生活圈模型和综合圈模型;
C:基于用户对应的交往圈信息建立用户社交网络模型;
D:基于用户生活圈模型构建家庭关系模型。
其中计算用户的交往频度,交往频度=(权重1*用户本月有通话/短信/彩信日数+权重2*用户本月有通话/短信/彩信周数+权重3*用户本月有通话/短信/彩信旬数)/本月天数,一旬=10天;所述权重1、权重2和权重3均通过自定义设置;接下来基于用户的交往频度,计算用户的工作圈交往指数、生活圈交往指数和综合圈交往指数;基于用户的交往频度,计算用户的工作圈交往指数、生活圈交往指数和综合圈交往指数,具体包括以下步骤:
整理用户的语音话单、短彩信话单,分别计算用户工作时段、生活时段和不区分时段的通话次数、通话时长、短信/彩信通话次数;
用户的工作圈交往指数=系数1*用户的交往频度+系数2*用户工作时段的通话次数+系数3*用户工作时段的通话时长+系数4*用户工作时段的短信通话次数+系数5*用户工作时段的彩信通话次数;
用户的生活圈交往指数=系数1*用户的交往频度+系数2*用户生活时段的通话次数+系数3*用户生活时段的通话时长+系数4*用户生活时段的短信通话次数+系数5*用户生活时段的彩信通话次数;
用户的综合圈交往指数=系数1*用户的交往频度+系数2*用户不区分时段的通话次数+系数3*用户不区分时段的通话时长+系数4*用户不区分时段的短信通话次数+系数5*用户不区分时段的彩信通话次数;
所述系数1、系数2、系数3和系数4通过自定义设置;
取用户的工作圈交往指数、生活圈交往指数和综合圈交往指数中最大值,则指数最大的即为该用户所属的交往圈。
基于用户对应的交往圈信息建立用户社交网络模型,
包括以下步骤:
首先将用户对应的交往圈中所有用户均分入到一个群体中;
然后计算该群体中用户间的交往相似度;
计算两两用户间的联系紧密度,通过两两用户间的联系紧密度确定用户间的交往相似度;例如:若存在用户A和用户B的联系紧密度与用户B和用户C的联系紧密度接近,又存在用户A和用户D的联系紧密度与用户D和用户C的联系紧密度接近,又存在用户A和用户E的联系紧密度与用户E和用户C的联系紧密度接近,或者用户A和用户C还与其它相同用户联系紧密度也接近,则说明用户A和用户C的交往相似度较高,用户A和用户C共同联系人多,具体有多少用户分别与用户A和用户C联系紧密度接近,视***情况而定,最终则将交往相似度较高、共同联系人多的用户A和用户C分到一个群体中;
将该群体中交往相似度低的用户归属为弱联系的用户,交往相似度低是基于该群体中用户间的联系紧密度值自定义设置;
将交往相似度高的用户划分到一个群体中,交往相似度高是基于该群体中用户间的联系紧密度值自定义设置;
最终形成多个内部交往相似度高、外部交往相似度低的群体;
对于用户对应的交往圈中新用户通过迭代的方法将用户划分到上述对应的群体中;上述两两用户间的联系紧密度通过式(一)计算:
其中,Wj为时段权重,时段权重包括用户工作时段权重W1、生活时段权重W2和不区分时段权重W3,时段权重通过自定义设置;mi为第i周通话次数;di为第i周权重,通过自定义设置,n为该时段周数。
按照迭代方式分群,将所有用户都分入到一个群体中,计算用户间交往相似度,删除用户间的弱联系,弱连接的删除也避免了所有用户划入同一个群中,进行此步骤后,社交网络会退化成几个内部联系多、外部联系少的次网络,以及很多孤立的节点,每个次网络对应一个群体(group);
将剩余用户分成联系密集的小群体,如何保证网络内部联系较为密集,优先将共同联系人较多的用户分到一个群体中,在此前提条件下,通过迭代的方法依照通话记录依次将用户划入相应的群中。
基于用户生活圈模型构建家庭关系模型,基于用户生活圈模型,计算用户生活圈模型中用户间的交往相似度和交往时段偏好,根据用户的同客户ID、同客户家庭套餐和同客户账号信息构建家庭关系模型,计算用户生活圈模型中用户间的交往相似度通过以下步骤计算得到:
用户间的交往相似度计算模块,交往相似度计算模块中存储有相似度计算的程度,当该交往相似度计算模块被处理器执行时,可以得到用户间的交往相似度,具体包括以下步骤:
数据对称化处理,返回数据库;
按照主叫用户排序话单,计算每个主叫用户的起始位置,以及其话单数目,将排序好的话单、用户的起始位置以及其话单数目确定,用于计算相似度;
调用编写的交往相似度计算模块计算用户间的交往相似度,剔除相似度较低的话单;
根据用户间交往相似度计算,寻找交往相似度高的本网/异网用户纳入到同家庭关系中,构建家庭关系模型。
实施例二:
基于实施例一,本实施例提出的一种基于交往频度和交往指数的用户交往圈关系识别方法,本实施例的基本思想是:整理语音话单、短彩信话单信息,计算用户两两间联系交往频度、交往指数;
根据交往频度、交往指数及联系时段偏好建立工作圈、生活圈、综合圈模型;
基于交往圈计算用户间共同联系人,并计算用户间相似度指标,建立社交网络;
基于同客户、同家庭套餐、同账户信息建立家庭骨干成员,根据成员与用户相似度计算,寻找高相似度的本网/异网用户纳入同家庭关系客户。
基于用户对应的交往圈信息建立用户社交网络模型中,用于构建交往圈的社交网络,找出联系密集群,这里从共同联系人的角度思考,当考虑将两个用户划入一个群组时,希望两个用户有较多的共同联系人,而主体通过快速迭代的方式,将用户逐步加入到对应的群体中;
基于用户生活圈模型构建家庭关系模型中,用于构建家庭关系识别模型,计算联系双方的相似度,与客户下多号码相似度较高,且交往时段集中于生活时段的,认为与客户同一家庭的可能性较高;
基于用户对应的交往圈信息建立用户社交网络模型和基于用户生活圈模型构建家庭关系模型中中用户间的交往相似度均可以通过以下调用编写的get_same.c程序计算相似度;
调用get_same.c程序:
Step1:数据对称化处理(symmetrize=weak/strong两种方式),返回数据库;
Step2:按照主叫用户排序话单,计算每个主叫用户的起始位置(st),以及其话单数目(cnt),将排序好的话单、st、cnt返回R,用于计算用户间交往相似度,如表1所示:
表1
Step3:调用编写的get_same.c程序计算相似度,剔除相似度较低的话单(可调节百分比),如表2所示;
表2
分群结果如下表3所示:G为群号,count(1)为群用户数;
表3
上述的分群即为初始骨干群,将由get_same.c相似度程序剔除的孤立点,分配到与孤立点距离最近的骨干群:
表4
用户分群后,按分群计算每个用户的连通性、权威指数(佩奇排序值)、出度、入度等等,可以进一步表示用户间连接性,如表5中交往相似度高的异网用户,寻找交往相似度高的异网用户纳入到关系模型中;
表5
实施例三:
基于实施例二的方法,对运营商中国电信中天翼亲情网运用本发明方法得到的数据如下所示:
圈子营销
亲情网营销成功率显著提高:从2013年7月底起,亲情网短信派单总计6347971,营销成功率仅为0.4%;
2013年7月29号,通过社交网络构建生活圈,挑选出领袖人物,派单9255,同客户下参与亲情网的用户量为522位,营销成功率5.64%,充分利用了领袖人物在日常社交的作用;
2013年8月12号,通过缩小通话群体的方式,找出两两通话集中的用户,派单量203350,有2624位用户参加,成功率为1.3%;
2013年8月中旬,分别对“生活圈”,“工作圈”,“综合圈”数据进行亲情网推荐,共计派单66354户,成功办理916户,营销成功率1.4%。2013年8月底,配合淮安本地网进行精细化营销,选取4249用户进行亲情网营销,成功用户184户,营销成功率为4.33%,进一步说明了本发明方法的营销成功率显著提高。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种基于交往频度和交往指数的用户交往圈关系识别方法,其特征在于:该方法包括以下步骤:基于交往频度和交往指数的用户交往圈关系
A:计算两两用户间的交往频度、交往指数;
计算用户的交往频度,交往频度=(权重1*用户本月有通话/短信/彩信日数+权重2*用户本月有通话/短信/彩信周数+权重3*用户本月有通话/短信/彩信旬数)/本月天数,一旬=10天;所述权重1、权重2和权重3通过自定义设置;
基于用户的交往频度,计算用户的工作圈交往指数、生活圈交往指数和综合圈交往指数;
B:根据交往频度、交往指数及联系时段偏好建立用户对应的交往圈模型,该交往圈模型包括工作圈模型、生活圈模型和综合圈模型;
基于用户的交往频度,计算用户的工作圈交往指数、生活圈交往指数和综合圈交往指数,具体包括以下步骤:
整理用户的语音话单、短彩信话单,分别计算用户工作时段、生活时段和不区分时段的通话次数、通话时长、短信/彩信通话次数;
用户的工作圈交往指数=系数1*用户的交往频度+系数2*用户工作时段的通话次数+系数3*用户工作时段的通话时长+系数4*用户工作时段的短信通话次数+系数5*用户工作时段的彩信通话次数;
用户的生活圈交往指数=系数1*用户的交往频度+系数2*用户生活时段的通话次数+系数3*用户生活时段的通话时长+系数4*用户生活时段的短信通话次数+系数5*用户生活时段的彩信通话次数;
用户的综合圈交往指数=系数1*用户的交往频度+系数2*用户不区分时段的通话次数+系数3*用户不区分时段的通话时长+系数4*用户不区分时段的短信通话次数+系数5*用户不区分时段的彩信通话次数;
所述系数1、系数2、系数3和系数4通过自定义设置;
取用户的工作圈交往指数、生活圈交往指数和综合圈交往指数中最大值,则指数最大的即为该用户所属的交往圈;
C:基于用户对应的交往圈信息建立用户社交网络模型;
首先将用户对应的交往圈中所有用户均分入到一个群体中;
计算两两用户间的联系紧密度,通过两两用户间的联系紧密度确定用户间的交往相似度;
所述两两用户间的联系紧密度通过式(一)计算:
其中,Wj为时段权重,时段权重包括用户工作时段权重W1、生活时段权重W2和不区分时段权重W3,时段权重通过自定义设置;mi为第i周通话次数;di为第i周权重,通过自定义设置,n为该时段周数;
将该群体中交往相似度低的用户归属为弱联系的用户,交往相似度低是基于该群体中用户间的联系紧密度值自定义设置;
将交往相似度高的用户划分到一个群体中,交往相似度高是基于该群体中用户间的联系紧密度值自定义设置;
最终形成多个内部交往相似度高、外部交往相似度低的群体;
对于用户对应的交往圈中新用户通过迭代的方法将用户划分到上述对应的群体中;
D:基于用户生活圈模型构建家庭关系模型,包括以下步骤:
基于用户生活圈模型,计算用户生活圈模型中用户间的交往相似度和交往时段偏好;
根据用户的同客户ID、同客户家庭套餐和同客户账号信息构建家庭关系模型。
2.根据权利要求1所述的基于交往频度和交往指数的用户交往圈关系识别方法,其特征在于:计算用户生活圈模型中用户间的交往相似度通过以下步骤计算得到:
用户间的交往相似度计算模块,交往相似度计算模块中存储有相似度计算的程度,当该交往相似度计算模块被处理器执行时,可以得到用户间的交往相似度,具体包括以下步骤:
数据对称化处理,返回数据库;
按照主叫用户排序话单,计算每个主叫用户的起始位置,以及其话单数目,将排序好的话单、用户的起始位置以及其话单数目确定,用于计算相似度;
调用编写的交往相似度计算模块计算用户间的交往相似度,剔除相似度较低的话单;
根据用户间交往相似度计算,寻找交往相似度高的本网/异网用户纳入到同家庭关系中,构建家庭关系模型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610563701.5A CN106228371A (zh) | 2016-07-18 | 2016-07-18 | 一种基于交往频度和交往指数的超大规模用户的社交网络分析及家庭关系识别算法 |
CN2016105637015 | 2016-07-18 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107392627A CN107392627A (zh) | 2017-11-24 |
CN107392627B true CN107392627B (zh) | 2021-08-10 |
Family
ID=57519620
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610563701.5A Pending CN106228371A (zh) | 2016-07-18 | 2016-07-18 | 一种基于交往频度和交往指数的超大规模用户的社交网络分析及家庭关系识别算法 |
CN201710585955.1A Active CN107392627B (zh) | 2016-07-18 | 2017-07-18 | 一种基于交往频度和交往指数的用户交往圈关系识别方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610563701.5A Pending CN106228371A (zh) | 2016-07-18 | 2016-07-18 | 一种基于交往频度和交往指数的超大规模用户的社交网络分析及家庭关系识别算法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN106228371A (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228371A (zh) * | 2016-07-18 | 2016-12-14 | 南京坦道信息科技有限公司 | 一种基于交往频度和交往指数的超大规模用户的社交网络分析及家庭关系识别算法 |
CN108268477A (zh) * | 2016-12-30 | 2018-07-10 | 中国电信股份有限公司 | 一种基于话单的用户关系确定方法和装置 |
CN106875276A (zh) * | 2016-12-30 | 2017-06-20 | 广州市申迪计算机***有限公司 | 一种通信用户社交圈生成方法及*** |
CN108632132A (zh) * | 2017-03-20 | 2018-10-09 | 大有秦鼎(北京)科技有限公司 | 交往圈的确定方法和装置 |
CN110019996A (zh) * | 2017-12-11 | 2019-07-16 | ***通信集团广东有限公司 | 一种家庭关系识别方法和*** |
CN108108419B (zh) * | 2017-12-15 | 2021-01-26 | 百度在线网络技术(北京)有限公司 | 一种信息推荐方法、装置、设备和介质 |
CN107958423A (zh) * | 2017-12-20 | 2018-04-24 | 广东宜通世纪科技股份有限公司 | 用户社会关系分析方法及存储介质、服务端 |
CN108428155A (zh) * | 2018-03-20 | 2018-08-21 | 南京邮电大学 | 一种基于业务特征模型的行为处理分析方法 |
CN110337059B (zh) * | 2018-03-30 | 2021-03-12 | 中国联合网络通信集团有限公司 | 一种用户家庭关系的分析算法、服务器及网络*** |
CN108628946A (zh) * | 2018-03-30 | 2018-10-09 | 维沃移动通信有限公司 | 一种信息显示方法、装置及移动终端 |
CN111324741B (zh) * | 2018-12-17 | 2023-08-18 | ***通信集团山西有限公司 | 用户关系识别方法、装置、设备及介质 |
CN109829485A (zh) * | 2019-01-08 | 2019-05-31 | 科大国创软件股份有限公司 | 一种基于移动通信数据的用户关系挖掘方法及*** |
CN111510368B (zh) * | 2019-01-31 | 2023-01-03 | ***通信有限公司研究院 | 家庭群组识别方法、装置、设备及计算机可读存储介质 |
CN111092764B (zh) * | 2019-12-18 | 2023-10-17 | 电信科学技术第五研究所有限公司 | 一种实时动态亲密度关系分析方法及*** |
CN111160977A (zh) * | 2019-12-31 | 2020-05-15 | ***通信集团黑龙江有限公司 | 用户关系兴趣特征图的获取方法、装置、设备及介质 |
CN111866146B (zh) * | 2020-07-22 | 2022-02-11 | 中国联合网络通信集团有限公司 | 一种家庭用户的识别方法和装置 |
CN112163885A (zh) * | 2020-09-29 | 2021-01-01 | 贵州力创科技发展有限公司 | 一种基于移动通信数据的用户关系挖掘方法及*** |
CN112506063B (zh) * | 2020-11-25 | 2024-05-07 | 中移(杭州)信息技术有限公司 | 数据分析方法、***、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540739A (zh) * | 2009-04-14 | 2009-09-23 | 腾讯科技(深圳)有限公司 | 用户推荐方法及用户推荐*** |
CN101764866A (zh) * | 2009-12-30 | 2010-06-30 | 宇龙计算机通信科技(深圳)有限公司 | 一种联系人通信紧密度的显示方法、***及移动终端 |
JP2012175213A (ja) * | 2011-02-18 | 2012-09-10 | Nec Casio Mobile Communications Ltd | 携帯電子機器、その制御方法及びプログラム |
CN106228371A (zh) * | 2016-07-18 | 2016-12-14 | 南京坦道信息科技有限公司 | 一种基于交往频度和交往指数的超大规模用户的社交网络分析及家庭关系识别算法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030110140A1 (en) * | 2001-06-28 | 2003-06-12 | Louis Morrison | Method for facilitating pricing, sale and distribution of fuel to a customer |
-
2016
- 2016-07-18 CN CN201610563701.5A patent/CN106228371A/zh active Pending
-
2017
- 2017-07-18 CN CN201710585955.1A patent/CN107392627B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101540739A (zh) * | 2009-04-14 | 2009-09-23 | 腾讯科技(深圳)有限公司 | 用户推荐方法及用户推荐*** |
CN101764866A (zh) * | 2009-12-30 | 2010-06-30 | 宇龙计算机通信科技(深圳)有限公司 | 一种联系人通信紧密度的显示方法、***及移动终端 |
JP2012175213A (ja) * | 2011-02-18 | 2012-09-10 | Nec Casio Mobile Communications Ltd | 携帯電子機器、その制御方法及びプログラム |
CN106228371A (zh) * | 2016-07-18 | 2016-12-14 | 南京坦道信息科技有限公司 | 一种基于交往频度和交往指数的超大规模用户的社交网络分析及家庭关系识别算法 |
Non-Patent Citations (2)
Title |
---|
Closeness centrality in networks with disconnected components;Tore Opsahl;《https://toreopsahl.com/2010/03/20/closeness-centrality-in-networks-with-disconnected-components/》;20100320;J155-52 * |
移动用户社交网络发现与应用;王铁牛;《中国优秀硕士学位论文全文数据库经济与管理科学辑》;20130115(第1期);1-2 * |
Also Published As
Publication number | Publication date |
---|---|
CN106228371A (zh) | 2016-12-14 |
CN107392627A (zh) | 2017-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107392627B (zh) | 一种基于交往频度和交往指数的用户交往圈关系识别方法 | |
CN106372072B (zh) | 一种基于位置的移动社会网络用户关系的识别方法 | |
CN103605791B (zh) | 信息推送***和信息推送方法 | |
WO2017186090A1 (zh) | 通信号码处理方法及装置 | |
CN110377804A (zh) | 培训课程数据的推送方法、装置、***及存储介质 | |
CN109829485A (zh) | 一种基于移动通信数据的用户关系挖掘方法及*** | |
CN102215504A (zh) | 新入网用户的类别识别方法及*** | |
CN102739557A (zh) | 客户服务中的用户分流方法和装置 | |
CN102223453A (zh) | 高性能无队列呼叫中心 | |
CN109740155A (zh) | 一种客服***人工智能质检规则自我归纳模型的方法及*** | |
CN105824818A (zh) | 一种信息化管理方法、平台及*** | |
CN110287305B (zh) | 一种基于自然语言处理的智能问答管理*** | |
CN111212191B (zh) | 一种客户来电坐席分配方法 | |
CN111510368B (zh) | 家庭群组识别方法、装置、设备及计算机可读存储介质 | |
CN113596266B (zh) | 一种外呼时的智能选号方法及*** | |
CN108282393A (zh) | 一种好友添加方法、装置、计算机设备及可读存储介质 | |
CN105045911A (zh) | 一种用于用户进行标记的标签生成方法及设备 | |
CN108153727A (zh) | 利用语义挖掘算法标识营销电话的方法及治理营销电话的*** | |
CN113205129B (zh) | 一种作弊团伙识别方法、装置、电子设备及存储介质 | |
CN106649743A (zh) | 一种创意分类脑库资源存储与分享方法及*** | |
CN105745679B (zh) | 用于发现和探索概念的***和方法 | |
CN110798379B (zh) | 一种VoIP信令网关识别方法、装置及可读存储介质 | |
CN110232148A (zh) | 项目推荐***、方法以及装置 | |
CN110210884A (zh) | 确定用户特征数据的方法、装置、计算机设备及存储介质 | |
CN105160547A (zh) | 一种基于稳定交往指数的跨网关系识别方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |