CN111148185A - 建立用户关系的方法及装置 - Google Patents
建立用户关系的方法及装置 Download PDFInfo
- Publication number
- CN111148185A CN111148185A CN201911269509.5A CN201911269509A CN111148185A CN 111148185 A CN111148185 A CN 111148185A CN 201911269509 A CN201911269509 A CN 201911269509A CN 111148185 A CN111148185 A CN 111148185A
- Authority
- CN
- China
- Prior art keywords
- user equipment
- user
- list
- network
- information
- 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.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/16—Discovering, processing access restriction or access information
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请涉及一种建立用户关系的方法及装置,其方法包括:获取各用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表;根据各所述用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表,统计获得各所述用户设备与扫描到的网络热点的配对列表;确定不同所述用户设备之间的所述配对列表的相似度,根据所述相似度确定所述用户设备之间的第一关系。本申请用以能够基于普遍存在的网络数据,充分挖掘并建立用户关系。
Description
技术领域
本申请涉及网络技术领域,尤其涉及一种建立用户关系的方法及装置。
背景技术
随着移动互联网的发展,智能设备已经成为人们生活中必不可少的产品之一。但是,智能设备需要大量的流量来支撑,而无线网络成为智能设备互联互通的桥梁,有了网络热点(WiFi)等无线网络技术,人们便可以通过智能设备进行沟通,包括与家人、工作伙伴、朋友等。同时,随着技术的发展,无线网络信号已经遍布大、中、小城市的大部分公共场所和家庭。
通过网络交互可以构建用户之间的关系,以实现产品的精准推荐。现有的大部分精准推荐都是基于强用户关系来进行的,就是已知用户之间存在某种关系,进而根据用户之间关系的远近进行精准推荐。
但是,强用户关系只存在于一些具有社交功能的产品中,大部分产品中不存在强用户关系。并且,大部分产品提供的用户社交关系,一般是通过用户的主动行为构成的关系,例如,通过用户主动的分享行为,来获取用户之间的关系。
可见,如何基于普遍存在的网络数据,充分挖掘并建立用户关系,是需要解决的问题。
发明内容
本申请提供了一种建立用户关系的方法及装置,用以能够基于普遍存在的网络数据,充分挖掘并建立用户关系。
第一方面,本申请实施例提供了一种建立用户关系的方法,包括:
获取各用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表;
根据各所述用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表,统计获得各所述用户设备与扫描到的网络热点的配对列表;
确定不同所述用户设备之间的所述配对列表的相似度,根据所述相似度确定所述用户设备之间的第一关系。
可选地,获取网络数据,包括:
获取各所述用户设备的行为日志,从所述行为日志中提取各所述用户设备的信息,每个所述用户设备各自扫描到的各网络热点的物理地址列表和扫描时间段。
可选地,根据各所述用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表,统计获得各所述用户设备与扫描到的网络热点的配对列表,包括:
从每个所述用户设备各自扫描的网络热点的信息列表中,提取同一扫描时间段内每个所述用户设备各自扫描到的网络热点的物理地址列表;
将提取到的每个所述用户设备的所述物理地址列表,转换为所述用户设备的标识与所述网络热点的物理地址配对的形式,得到所述用户设备的标识与所述网络热点的物理地址的配对列表。
可选地,确定不同所述用户设备之间的所述配对列表的相似度,包括:
分别对每个所述用户设备进行以下处理:将所述用户设备的标识与所述网络热点的物理地址的配对列表,输入向量化模型,得到所述向量化模型输出的所述用户设备的向量;
根据每个所述用户设备的向量,计算各所述用户设备之间的相似度。
可选地,根据每个所述用户设备的向量,计算各所述用户设备之间的相似度,包括:
对于任意两个所述用户设备,根据两个所述用户设备的向量,计算该两个所述用户设备之间的欧式距离,根据所述欧式距离,确定该两个所述用户设备之间的相似度。
可选地,所述第一关系用于表示两个所述用户设备是否在同一时间出现在同一地点;
根据所述相似度确定所述用户设备之间的第一关系之后,所述方法还包括:
对于任意两个所述用户设备,根据该两个所述用户设备之间的第一关系,确定该两个用户设备在同一时间出现在同一地点后,根据该两个所述用户设备各自的用户描述信息,确定该两个用户设备之间的第二关系,所述第二关系为在同一时间出现在同一地点的该两个所述用户设备之间的具体人际关系。
第二方面,本申请实施例中提供了一种建立用户关系的装置,包括:
获取模块,用于获取各用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表;
统计模块,用于根据各所述用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表,统计获得各所述用户设备与扫描到的网络热点的配对列表;
处理模块,用于确定不同所述用户设备之间的所述配对列表的相似度,根据所述相似度确定所述用户设备之间的第一关系。
可选地,所述获取模块具体用于:
获取各所述用户设备的行为日志,从所述行为日志中提取各所述用户设备的信息,每个所述用户设备各自扫描到的各网络热点的物理地址列表和扫描时间段。
可选地,所述统计模块具体用于:
从每个所述用户设备各自扫描的网络热点的信息列表中,提取同一扫描时间段内每个所述用户设备各自扫描到的网络热点的物理地址列表;
将提取到的每个所述用户设备的所述物理地址列表,转换为所述用户设备的标识与所述网络热点的物理地址配对的形式,得到所述用户设备的标识与所述网络热点的物理地址的配对列表。
可选地,所述处理模块具体用于:
分别对每个所述用户设备进行以下处理:将所述用户设备的标识与所述网络热点的物理地址的配对列表,输入向量化模型,得到所述向量化模型输出的所述用户设备的向量;
根据每个所述用户设备的向量,计算各所述用户设备之间的相似度。
可选地,所述处理模块具体用于:
对于任意两个所述用户设备,根据两个所述用户设备的向量,计算该两个所述用户设备之间的欧式距离,根据所述欧式距离,确定该两个所述用户设备之间的相似度。
可选地,所述第一关系为该两个所述用户设备是否在同一时间出现在同一地点;
所述处理模块还用于:
对于任意两个所述用户设备,根据该两个所述用户设备之间的第一关系,确定该两个用户设备在同一时间出现在同一地点后,根据该两个所述用户设备各自的用户描述信息,确定该两个用户设备之间的第二关系,所述第二关系为在同一时间出现在同一地点的该两个所述用户设备之间的具体人际关系。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:本申请实施例提供的该方法,利用网络数据中用户设备的信息和用户设备扫描的网络热点的信息列表,确定用户设备所对应的网络热点的信息之间的相似度,根据该相似度确定用户设备之间的第一关系,使得能够基于普遍存在的网络数据,充分挖掘并建立用户关系,从而能够根据挖掘的用户关系提供精准的推荐服务。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1为本申请实施例中建立用户关系的方法流程示意图;
图2为本申请实施例中建立用户关系的装置结构示意图;
图3为本申请实施例中电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本申请实施例中提供了一种建立用户关系的方法,该方法能够应用于任何于任意一个电子设备。主要思路为:若两个用户设备同时连接到同一个网络热点的物理(mac)地址,那么该两个用户设备之间必然存在一种关联关系,例如,用户设备A和用户设备B经常在工作时间连接到同一网络热点的物理地址,而且,根据用户设备A的用户描述信息,以及用户设备B的用户描述信息,可以判断两个用户为同事关系,以此将弱用户关系,提升为强用户关系。
如图1所示,建立用户关系的具体过程如下:
步骤101,获取各用户设备的信息和每个用户设备各自扫描的网络热点的信息列表。
一个具体实施例中,获取各用户设备的行为日志,从该行为日志中提取网络数据,其中,网络数据中包括:各用户设备的信息,每个用户设备各自扫描到的各网络热点的物理地址列表和扫描时间段。
其中,网络数据主要通过收集各应用程序中用户授权的合法行为日志得到。例如,该行为日志包括用户在某视频播放平台的各客户端的观影行为,关注明星、评论行为等各种能够收集到用户所连接的WiFi信息的数据,数据覆盖时间可以从一个月到半年等,收集的网络数据越多,后续识别出的用户关系越准确。
一个具体实施例中,由于用户行为日志比较多,包含的干扰数据也比较多,在从行为日志中提取网络数据后,对该网络数据进行一定程度的清洗,包括去除网络数据中格式不正确的数据,例如,空日志、作弊流量日志、异常数据值等,清洗后的网络数据按照给定的数据格式,输出到指定数据存储路径。
由于客户端采集的信息比较分散,为了能将同一用户的不同客户端的行为数据合并,从清洗后的网络数据中过滤掉低频用户的数据和异常用户的数据,主要是作弊用户,之后按照给定数据格式,得到用户同一时间内扫描到的网络热点的物理地址列表,并且,该列表中还可以标记出连接的网络热点的信号强度等信息。
步骤102,根据各用户设备的信息和每个用户设备各自扫描的网络热点的信息列表,统计获得各用户设备与扫描到的网络热点的配对列表。
一个具体实施例中,统计获得各用户设备与扫描到的网络热点的配对列表,具体过程为:从每个用户设备各自扫描的网络热点的信息列表中,提取同一扫描时间段内每个用户设备各自扫描到的网络热点的物理地址列表;将提取到的每个用户设备所对应的物理地址列表,转换为用户设备的标识与网络热点的物理地址配对的形式,得到用户设备的标识与网络热点的物理地址的配对列表。
其中,用户设备所对应的网络热点的物理地址列表中,该列表中网络热点的物理地址按照网络热点信号强度的强弱进行排序,信号越强,说明用户设备距离该网络热点越近,用户设备的网络热点的物理地址列表中的排序,可以作为用户设备与网络热点的距离衡量。该用户设备所对应的网络热点的物理地址列表可以表示为:
用户设备的标识#mac1:mac2:mac3:mac4:mac5......
其中,将用户设备的网络地址列表进行转化时,在该用户设备的网络热点的物理地址列表中穿插用户设备的标识,得到用户设备的标识与网络热点的物理地址的配对列表。该配对列表可以表示为:
mac1用户设备的标识mac2用户设备的标识mac3用户设备的标识mac4用户设备的标识mac5......
步骤103,确定不同用户设备之间的配对列表的相似度,根据该相似度确定用户设备之间的第一关系。
一个具体实施例中,分别对每个用户设备进行以下处理:将用户设备的标识与网络热点的物理地址的配对列表,输入向量化模型,得到该向量化模型输出的用户设备的向量;根据每个用户设备的向量,计算各用户设备之间的相似度。
其中,第一关系用于表示两个用户设备是否在同一时间出现在同一地点。
具体地,利用开源的向量化模型word2vec得到用户设备的向量。该向量化模型word2vec通过训练后,在输入用户设备的标识与网络热点的物理地址的配对列表的情况下,能够直接输出该用户设备的向量,从而能够在无损的情况下获取用户设备之间的相似度。
其中,按照给定格式的数据,利用分布式大数据处理工具spark实现开源word2vec来训练模型。向量化模型输出的用户设备的向量,表示为:用户设备的标识[0.83838,0.18998,0.88383783,......,0.193499,0.9438473]。
具体地,向量化模型输出各用户设备的向量,通过向量检索方式,将两个用户设备关联在一起,计算两者的相似度,从而识别出两个用户设备之间的关系。
为了减少检索时间,以网络热点的物理地址作为设备向量的分桶依据,在得到的每个分桶内两两配对,计算两个用户设备的相似度。由于网络热点具有空间的固定性,同一个网络热点的物理地址(剔除一些公共的网络热点),能够被访问的用户数量是有限的,将网络热点的物理地址作为分桶依据,对用户设备的向量进行分桶处理后,极大缩小了向量的检索范围,大大减少了检索时间。
一个具体实施例中,在确定各用户设备的向量后,对于任意两个用户设备,根据该两个用户设备的向量,计算该两个用户设备之间的欧式距离,根据该欧式距离,确定该两个用户设备之间的相似度。
例如,在分桶处理后得到的各检索范围内,利用开源检索工具,如利用annoy检索并计算用户设备之间的相似度,通过用户设备之间的相似度,识别经常在同一网络热点的物理地址下出现的用户设备之间的关系,假设用户A和用户B是家人,会经常连接同一网络热点的物理地址,两个用户的用户设备所扫描到的网络热点的物理地址列表保持高度一致,且网络热点的信号强弱也一致,即扫描到的网络热点的物理地址的排列顺序也一致,则计算的两个用户设备的向量的相似度高。
一个具体实施例中,确定用户设备之间的第一关系后,对于任意两个用户设备,根据该两个用户设备之间的第一关系,确定该两个用户设备在同一时间出现在同一地点后,根据该两个用户设备各自的用户描述信息,确定该两个用户设备之间的第二关系,第二关系为在同一时间出现在同一地点的该两个用户设备之间的具体人际关系。
其中,用户设备的用户描述信息,是指使用用户设备的用户的画像信息,包括年龄、性别、家庭住址等信息,该部分数据是在识别到两个用户设备在同一时间同一地点出现后,确定具体人际关系的关键数据。例如,假设用户A和用户B的家庭住址或工作地点都在同一个地方,若相似度高于设定值的用户A和用户B各自的用户设备的向量,所对应的时间段在下班时间和休息日时间,则可推断该两个用户大概率是家人关系;若相似度高于设定值的用户A和用户B各自的用户设备的向量,所对应的时间段在工作日的工作时间,则可以推断两个用户大概率是同事关系,且由于经常出现在同一个网络热点的物理地址覆盖范围内,可推断是关系比较近的同事。
本申请实施例中,利用网络数据中用户设备的信息和用户设备扫描的网络热点的信息列表,确定用户设备所对应的网络热点的信息之间的相似度,根据该相似度确定用户设备之间的第一关系,使得能够基于普遍存在的网络数据,充分挖掘并建立用户关系,从而能够根据挖掘的用户关系提供精准的推荐服务。本申请实施例利用网络热点的物理地址空间覆盖范围的有限性,利用用户设备上报的经常访问的网络热点的信息,无需主动分享等行为即可挖掘用户之间的关系。
基于同一构思,本申请实施例中提供了一种建立用户关系的装置,该装置的具体实施可参见方法实施例部分的描述,重复之处不再赘述,如图2所示,该装置主要包括:
获取模块201,用于获取各用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表;
统计模块202,用于根据各所述用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表,统计获得各所述用户设备与扫描到的网络热点的配对列表;
处理模块203,用于确定不同所述用户设备之间的所述配对列表的相似度,根据所述相似度确定所述用户设备之间的第一关系。
可选地,所述获取模块201具体用于:
获取各用户设备的行为日志,从所述行为日志中提取各所述用户设备的信息,每个所述用户设备各自扫描到的各网络热点的物理地址列表和扫描时间段。
可选地,所述统计模块202具体用于:
从每个所述用户设备各自扫描的网络热点的信息列表中,提取同一扫描时间段内每个所述用户设备各自扫描到的网络热点的物理地址列表;
将提取到的每个所述用户设备的所述物理地址列表,转换为所述用户设备的标识与所述网络热点的物理地址配对的形式,得到所述用户设备的标识与所述网络热点的物理地址的配对列表。
可选地,所述处理模块203具体用于:
分别对每个所述用户设备进行以下处理:将所述用户设备的标识与所述网络热点的物理地址的配对列表,输入向量化模型,得到所述向量化模型输出的所述用户设备的向量;
根据每个所述用户设备的向量,计算各所述用户设备之间的相似度。
可选地,所述处理模块203具体用于:
对于任意两个所述用户设备,根据两个所述用户设备的向量,计算该两个所述用户设备之间的欧式距离,根据所述欧式距离,确定该两个所述用户设备之间的相似度。
可选地,所述第一关系用于表示两个所述用户设备是否在同一时间出现在同一地点;
所述处理模块203还用于:
对于任意两个所述用户设备,根据该两个所述用户设备之间的第一关系,确定该两个用户设备在同一时间出现在同一地点后,根据该两个所述用户设备各自的用户描述信息,确定该两个用户设备之间的第二关系,所述第二关系为在同一时间出现在同一地点的该两个所述用户设备之间的具体人际关系。
基于同一构思,本申请实施例中还提供了一种电子设备,如图3所示,该电子设备主要包括:处理器301、通信接口302、存储器303和通信总线304,其中,处理器301、通信接口302和存储器303通过通信总线304完成相互间的通信。其中,存储器303中存储有可被至处理器301执行的程序,处理器301执行存储器303中存储的程序,实现如下步骤:获取各用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表;根据各所述用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表,统计获得各所述用户设备与扫描到的网络热点的配对列表;确定不同所述用户设备之间的所述配对列表的相似度,根据所述相似度确定所述用户设备之间的第一关系。
上述电子设备中提到的通信总线304可以是外设部件互连标准(PeripheralComponent Interconnect,简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture,简称EISA)总线等。该通信总线304可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口302用于上述电子设备与其他设备之间的通信。
存储器303可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器301的存储装置。
上述的处理器301可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等,还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,当该计算机程序在计算机上运行时,使得计算机执行上述实施例中所描述的建立用户关系的方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以时通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种建立用户关系的方法,其特征在于,包括:
获取各用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表;
根据各所述用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表,统计获得各所述用户设备与扫描到的网络热点的配对列表;
确定不同所述用户设备之间的所述配对列表的相似度,根据所述相似度确定所述用户设备之间的第一关系。
2.根据权利要求1所述的建立用户关系的方法,其特征在于,获取各用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表,包括:
获取各所述用户设备的行为日志,从所述行为日志中提取各所述用户设备的信息,每个所述用户设备各自扫描到的各网络热点的物理地址列表和扫描时间段。
3.根据权利要求2所述的建立用户关系的方法,其特征在于,根据各所述用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表,统计获得各所述用户设备与扫描到的网络热点的配对列表,包括:
从每个所述用户设备各自扫描的网络热点的信息列表中,提取同一扫描时间段内每个所述用户设备各自扫描到的网络热点的物理地址列表;
将提取到的每个所述用户设备的所述物理地址列表,转换为所述用户设备的标识与所述网络热点的物理地址配对的形式,得到所述用户设备的标识与所述网络热点的物理地址的配对列表。
4.根据权利要求3所述的建立用户关系的方法,其特征在于,确定不同所述用户设备之间的所述配对列表的相似度,包括:
分别对每个所述用户设备进行以下处理:将所述用户设备的标识与所述网络热点的物理地址的配对列表,输入向量化模型,得到所述向量化模型输出的所述用户设备的向量;
根据每个所述用户设备的向量,计算各所述用户设备之间的相似度。
5.根据权利要求4所述的建立用户关系的方法,其特征在于,根据每个所述用户设备的向量,计算各所述用户设备之间的相似度,包括:
对于任意两个所述用户设备,根据两个所述用户设备的向量,计算该两个所述用户设备之间的欧式距离,根据所述欧式距离,确定该两个所述用户设备之间的相似度。
6.根据权利要求1至5任一项所述的建立用户关系的方法,其特征在于,所述第一关系用于表示两个所述用户设备是否在同一时间出现在同一地点;
根据所述相似度确定所述用户设备之间的第一关系之后,所述方法还包括:
对于任意两个所述用户设备,根据该两个所述用户设备之间的第一关系,确定该两个用户设备在同一时间出现在同一地点后,根据该两个所述用户设备各自的用户描述信息,确定该两个用户设备之间的第二关系,所述第二关系为在同一时间出现在同一地点的该两个所述用户设备之间的具体人际关系。
7.一种建立用户关系的装置,其特征在于,包括:
获取模块,用于获取各用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表;
统计模块,用于根据各所述用户设备的信息和每个所述用户设备各自扫描的网络热点的信息列表,统计获得各所述用户设备与扫描到的网络热点的配对列表;
处理模块,用于确定不同所述用户设备之间的所述配对列表的相似度,根据所述相似度确定所述用户设备之间的第一关系。
8.根据权利要求7所述的建立用户关系的装置,其特征在于,所述获取模块具体用于:
获取各所述用户设备的行为日志,从所述行为日志中提取各所述用户设备的信息,每个所述用户设备各自扫描到的各网络热点的物理地址列表和扫描时间段。
9.根据权利要求8所述的建立用户关系的装置,其特征在于,所述统计模块具体用于:
从每个所述用户设备各自扫描的网络热点的信息列表中,提取同一扫描时间段内每个所述用户设备各自扫描到的网络热点的物理地址列表;
将提取到的每个所述用户设备的所述物理地址列表,转换为所述用户设备的标识与所述网络热点的物理地址配对的形式,得到所述用户设备的标识与所述网络热点的物理地址的配对列表。
10.根据权利要求9所述的建立用户关系的装置,其特征在于,所述处理模块具体用于:
分别对每个所述用户设备进行以下处理:将所述用户设备的标识与所述网络热点的物理地址的配对列表,输入向量化模型,得到所述向量化模型输出的所述用户设备的向量;
根据每个所述用户设备的向量,计算各所述用户设备之间的相似度。
11.根据权利要求10所述的建立用户关系的装置,其特征在于,所述处理模块具体用于:
对于任意两个所述用户设备,根据两个所述用户设备的向量,计算该两个所述用户设备之间的欧式距离,根据所述欧式距离,确定该两个所述用户设备之间的相似度。
12.根据权利要求7至11任一项所述的建立用户关系的装置,其特征在于,所述第一关系用于表示两个所述用户设备是否在同一时间出现在同一地点;
所述处理模块还用于:
对于任意两个所述用户设备,根据该两个所述用户设备之间的第一关系,确定该两个用户设备在同一时间出现在同一地点后,根据该两个所述用户设备各自的用户描述信息,确定该两个用户设备之间的第二关系,所述第二关系为在同一时间出现在同一地点的该两个所述用户设备之间的具体人际关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911269509.5A CN111148185A (zh) | 2019-12-11 | 2019-12-11 | 建立用户关系的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911269509.5A CN111148185A (zh) | 2019-12-11 | 2019-12-11 | 建立用户关系的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111148185A true CN111148185A (zh) | 2020-05-12 |
Family
ID=70518019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911269509.5A Pending CN111148185A (zh) | 2019-12-11 | 2019-12-11 | 建立用户关系的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111148185A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112866910A (zh) * | 2021-01-08 | 2021-05-28 | 腾讯科技(深圳)有限公司 | 起点路线的推荐方法、装置、***和计算机存储介质 |
CN113840392A (zh) * | 2021-09-17 | 2021-12-24 | 杭州云深科技有限公司 | 用户亲密度的确定方法、装置、计算机设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104811904A (zh) * | 2015-03-27 | 2015-07-29 | 小米科技有限责任公司 | 联系人设置方法及装置 |
CN106302104A (zh) * | 2015-06-26 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种用户关系识别方法及装置 |
CN107464132A (zh) * | 2017-07-04 | 2017-12-12 | 北京三快在线科技有限公司 | 一种相似用户挖掘方法及装置,电子设备 |
CN108280115A (zh) * | 2017-10-24 | 2018-07-13 | 腾讯科技(深圳)有限公司 | 识别用户关系的方法及装置 |
CN108345661A (zh) * | 2018-01-31 | 2018-07-31 | 华南理工大学 | 一种基于大规模Embedding技术的Wi-Fi聚类方法及*** |
CN110035393A (zh) * | 2019-04-22 | 2019-07-19 | 浙江每日互动网络科技股份有限公司 | 移动终端关系的识别方法 |
CN110377846A (zh) * | 2019-07-25 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 社交关系挖掘方法、装置、存储介质和计算机设备 |
-
2019
- 2019-12-11 CN CN201911269509.5A patent/CN111148185A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104811904A (zh) * | 2015-03-27 | 2015-07-29 | 小米科技有限责任公司 | 联系人设置方法及装置 |
CN106302104A (zh) * | 2015-06-26 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种用户关系识别方法及装置 |
CN107464132A (zh) * | 2017-07-04 | 2017-12-12 | 北京三快在线科技有限公司 | 一种相似用户挖掘方法及装置,电子设备 |
CN108280115A (zh) * | 2017-10-24 | 2018-07-13 | 腾讯科技(深圳)有限公司 | 识别用户关系的方法及装置 |
CN108345661A (zh) * | 2018-01-31 | 2018-07-31 | 华南理工大学 | 一种基于大规模Embedding技术的Wi-Fi聚类方法及*** |
CN110035393A (zh) * | 2019-04-22 | 2019-07-19 | 浙江每日互动网络科技股份有限公司 | 移动终端关系的识别方法 |
CN110377846A (zh) * | 2019-07-25 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 社交关系挖掘方法、装置、存储介质和计算机设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112866910A (zh) * | 2021-01-08 | 2021-05-28 | 腾讯科技(深圳)有限公司 | 起点路线的推荐方法、装置、***和计算机存储介质 |
CN113840392A (zh) * | 2021-09-17 | 2021-12-24 | 杭州云深科技有限公司 | 用户亲密度的确定方法、装置、计算机设备及存储介质 |
CN113840392B (zh) * | 2021-09-17 | 2023-09-22 | 杭州云深科技有限公司 | 用户亲密度的确定方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107852410A (zh) | 剖析欺骗接入点 | |
CN105825129B (zh) | 一种融合通信中恶意软件鉴别方法和*** | |
CN109729044B (zh) | 一种通用的互联网数据采集反反爬***及方法 | |
WO2020093831A1 (zh) | 一种人数统计方法、装置、及计算机设备 | |
CN111123388B (zh) | 房间摄像装置的检测方法、装置及检测设备 | |
CN103581909B (zh) | 一种疑似手机恶意软件的定位方法及其装置 | |
CN105404631B (zh) | 图片识别方法和装置 | |
CN108694319B (zh) | 一种恶意代码家族判定方法及装置 | |
CN111585989A (zh) | 联网工控设备的漏洞检测方法、装置和计算机设备 | |
CN111148185A (zh) | 建立用户关系的方法及装置 | |
CN112417456B (zh) | 一种基于大数据的结构化敏感数据还原检测的方法 | |
CN111488594A (zh) | 一种基于云服务器的权限检查方法、装置、存储介质及终端 | |
CN110020161B (zh) | 数据处理方法、日志处理方法和终端 | |
CN112954626A (zh) | 手机信令数据分析方法、装置、电子设备及存储介质 | |
US10977285B2 (en) | Using observations of a person to determine if data corresponds to the person | |
CN111064719B (zh) | 文件异常下载行为的检测方法及装置 | |
CN109905524B (zh) | 电话号码识别方法、装置、计算机设备及计算机存储介质 | |
CN111629374A (zh) | 一种物理地址的识别方法、装置、计算机设备和存储介质 | |
CN111625700B (zh) | 防抓取的方法、装置、设备及计算机存储介质 | |
CN109376138B (zh) | 一种多维数据的异常组合检测方法及装置 | |
CN108038233B (zh) | 一种采集文章的方法、装置、电子设备及存储介质 | |
CN113127767B (zh) | 手机号码提取方法、装置、电子设备及存储介质 | |
CN111625807A (zh) | 一种设备类型识别方法与装置 | |
CN107770734B (zh) | 移动用户常驻地识别方法及装置 | |
CN110944290A (zh) | 一种伴随关系的分析方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |