CN112307075A - 用户关系识别方法及装置 - Google Patents
用户关系识别方法及装置 Download PDFInfo
- Publication number
- CN112307075A CN112307075A CN201910707564.1A CN201910707564A CN112307075A CN 112307075 A CN112307075 A CN 112307075A CN 201910707564 A CN201910707564 A CN 201910707564A CN 112307075 A CN112307075 A CN 112307075A
- Authority
- CN
- China
- Prior art keywords
- user
- identified
- relationship
- communication
- data
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例公开了一种用户关系识别方法及装置,以解决现有技术中对居缘关系的识别准确性较低、使用范围不广泛、成本高昂等问题。该方法包括:采集待识别用户对在第一指定时间段内的通信数据;根据通信数据,确定待识别用户对之间的通信关系数据;根据通信关系数据,利用预先建立的关系识别模型确定待识别用户对之间是否具有居缘关系。该技术方案在识别居缘关系时,能够基于移动通信***采集居缘关系识别所需的通信数据,无需额外的硬件数据,因此数据获取成本较低;此外,该技术方案利用预先建立的关系识别模型确定待识别用户之间是否具有居缘关系,而无需人工设定相关判定条件和阈值,从而提高了识别效率、提升了识别的精准度。
Description
技术领域
本发明涉及移动通信技术领域,尤其涉及一种用户关系识别方法及装置。
背景技术
移动通信技术的飞速发展使得手机的普及率日益提升,移动通信已经成为我们社会交往的重要途径之一。对于移动通信行业,识别用户居缘关系有着非常重要的意义,如促进家庭业务套餐的精准营销。移动通信***中丰富的通话数据、MR(MeasurementReport,测量报告)数据客观反映了广大用户的居缘关系特征。这里的居缘关系是比照血缘关系、地缘关系、业缘关系、趣缘关系等提出的,是以居住在一起为联结纽带的一种人际关系。
现有的用户关系识别主要集中在家庭关系的识别上,而对于居缘关系的识别基本空白。居缘关系虽然不等同于家庭关系,例如,合租的用户之间一般不存在家庭关系。但由于大部分家庭会选择居住在一起,使得居缘关系与家庭关系仍有很大的重叠,因此在进行居缘关系识别时,需要参考家庭关系识别的方法。而现有的家庭关系识别方法大多存在准确性较低、使用范围不广泛、成本高昂等不足,如果将以上方法运用在居缘关系的识别上也会出现相同的不足。
发明内容
本发明实施例提供一种用户关系识别方法及装置,以解决现有技术中对居缘关系的识别准确性较低、使用范围不广泛、成本高昂等问题。
为解决上述技术问题,本发明实施例是这样实现的:
第一方面,本发明实施例提供了一种用户关系识别方法,包括:
采集待识别用户对在第一指定时间段内的通信数据;所述通信数据包括所述待识别用户对中的各用户的话单数据和/或测量报告数据;
根据所述通信数据,确定所述待识别用户对之间的通信关系数据;所述通信关系数据包括所述待识别用户对之间的通话行为特征和/或通信环境相似度;
根据所述通信关系数据,利用预先建立的关系识别模型确定所述待识别用户对之间是否具有居缘关系;所述关系识别模型根据多个样本用户对之间的样本通信关系数据及各所述样本用户对之间是否具有居缘关系的信息训练得到;所述居缘关系指居住在同一地理空间的用户关系。
第二方面,本发明实施例还提供了一种用户关系识别装置,包括:
采集模块,采集待识别用户对在第一指定时间段内的通信数据;所述通信数据包括所述待识别用户对中的各用户的话单数据和/或测量报告数据;
第一确定模块,根据所述通信数据,确定所述待识别用户对之间的通信关系数据;所述通信关系数据包括所述待识别用户对之间的通话行为特征和/或通信环境相似度;
第二确定模块,根据所述通信关系数据,利用预先建立的关系识别模型确定所述待识别用户对之间是否具有居缘关系;所述关系识别模型根据多个样本用户对之间的样本通信关系数据及各所述样本用户对之间是否具有居缘关系的信息训练得到;所述居缘关系指居住在同一地理空间的用户关系。
第三方面,本发明实施例还提供了一种用户关系识别设备,包括:
存储器,存储有计算机程序指令;
处理器,当所述计算机程序指令被所述处理器执行时实现如上述任一项所述的用户关系识别方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质包括指令,当所述指令在计算机上运行时,使得所述计算机执行如上述任一项所述的用户关系识别方法。
在本发明实施例中,该技术方案在识别居缘关系时,能够基于移动通信***采集居缘关系识别所需的通信数据(包括待识别用户对中的各用户的话单数据和/或测量报告数据),使得居缘关系识别所需的数据维度丰富、数据质量可靠,且无需额外的硬件数据,因此数据获取成本较低;此外,根据采集到的通信数据能够确定出待识别用户对之间的通话行为特征和/或通信环境相似度,由于通话行为特征和/或通信环境相似度能够在一定程度上体现用户是否居住在同一地理空间,因此本方案实现了居缘关系识别的准确性;再者,该技术方案根据待识别用户对之间的通信关系数据,利用预先建立的关系识别模型确定待识别用户之间是否具有居缘关系,而无需人工设定相关判定条件和阈值,即可自动化地识别用户居缘关系,从而大幅度提高识别效率、提升识别的精准度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的一个实施例中一种用户关系识别方法的示意性流程图。
图2是本发明的一个实施例中话单数据和测量报告数据的采集设备架构图。
图3是本发明的一个实施例中通信关系数据的确定设备架构图。
图4是本发明的一个实施例中关系识别模型的确定设备架构图。
图5是本发明的另一个实施例中一种用户关系识别方法的示意性流程图。
图6是本发明的一个实施例中一种用户关系识别装置的结构示意图。
图7是本发明的一个实施例中应用的网络设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明的一个实施例中一种用户关系识别方法的示意性流程图。图1的方法可包括:
S102,采集待识别用户对在第一指定时间段内的通信数据。
其中,待识别用户对包括两个用户,其表征形式可包括多种,如由两个用户的用户名拼接组成、由两个用户分别对应的通讯号码拼接组成等。通信数据包括待识别用户对中的各用户的话单数据和/或测量报告数据。话单数据可由各运营商的服务器采集,测量报告数据可由各运营商的网络设备或基站进行软件采集。
为确保居缘关系的识别准确性,第一指定时间段优选为最近一段时间,例如可以是最近一周、最近一个月、最近一年等。
S104,根据通信数据,确定待识别用户对之间的通信关系数据。
其中,通信关系数据包括待识别用户对之间的通话行为特征和/或通信环境相似度。
S106,根据通信关系数据,利用预先建立的关系识别模型确定待识别用户对之间是否具有居缘关系。
其中,关系识别模型根据多个样本用户对之间的样本通信关系数据及各样本用户对之间是否具有居缘关系的信息训练得到;居缘关系指居住在同一地理空间的用户关系。
在本发明实施例中,该技术方案在识别居缘关系时,能够基于移动通信***采集居缘关系识别所需的通信数据(包括待识别用户对中的各用户的话单数据和/或测量报告数据),使得居缘关系识别所需的数据维度丰富、数据质量可靠,且无需额外的硬件数据,因此数据获取成本较低;此外,根据采集到的通信数据能够确定出待识别用户对之间的通话行为特征和/或通信环境相似度,由于通话行为特征和/或通信环境相似度能够在一定程度上体现用户是否居住在同一地理空间,因此本方案实现了居缘关系识别的准确性;再者,该技术方案根据待识别用户对之间的通信关系数据,利用预先建立的关系识别模型确定待识别用户之间是否具有居缘关系,而无需人工设定相关判定条件和阈值,即可自动化地识别用户居缘关系,从而大幅度提高识别效率、提升识别的精准度。
下面,将结合具体的实施例,对本发明实施例的方法作进一步的描述。
上述实施例中,在执行S102之前,可先从大量用户中选择符合预设筛选条件的两个用户组成待识别用户对。
在一个实施例中,为了提高识别效率、节约计算资源,因此预设筛选条件可优选为:所筛选的通讯号码对标识对应的用户之间有至少N次通话,并且组成通讯号码对标识的两个用户的通话联系人交集不为空(即通话联系人交集人数不为零);并且,为了避免偶然性,上述“N次通话”中的N推荐取值为大于2的整数。
上述实施例中,话单数据可用于确定待识别用户对之间的通话行为特征;测量报告数据可用于确定待识别用户对之间的通信环境相似度。根据通信数据及所确定的通信关系数据的不同,待识别用户对之间的居缘关系识别方法也有所不同。以下详细说明不同的通信数据及不同的通信关系数据所对应的居缘关系识别方法。
在一个实施例中,通信数据包括话单数据。根据采集到的话单数据确定待识别用户对之间的通话行为特征,进而根据待识别用户对之间的通话行为特征,并利用预先建立的关系识别模型确定待识别用户对之间是否具有居缘关系。其中,话单数据可包括待识别用户对中各用户的通讯号码、双方通话时间、双方通话时长、通话主被叫方等;通话行为特征可包括待识别用户对的通讯号码对标识、通话总次数、通话次均时长、相同联系人数目等。
其中,通话总次数包含了不区分主叫、被叫的总通话次数;通讯号码对标识由待识别用户对中两个用户分别对应的通讯号码拼接组成;通话次均时长等于第一指定时间段内的双方通话总时长除以通话总次数;相同联系人数目为待识别用户对中各用户的通话联系人中相同联系人的个数。
在一个实施例中,根据采集到的话单数据确定待识别用户对之间的通话行为特征之前,还包括:删除话单数据中的异常数据;和/或,删除通讯号码之前的指定类字符;其中,异常数据可包括非用户号码、非法号码等。
其中,非用户号码可以是报警电话、企业服务号码等;非法号码可以是显示为“未知号码”的号码;通讯号码之前的指定类字符可以为用于区分不同国家的国家码(如中国是86、荷兰是31)、区号、其他前缀(如可享受长途优惠的12593/17951)等。
在本实施例中,通过删除话单数据中的异常数据和/或删除通讯号码之前的指定类字符,可减少话单数据中不规则的通讯号码及异常数据,从而仅保留有助于进行居缘关系识别的有效数据,进而有效减少无效数据的计算,提高通信数据的质量。
在一个实施例中,根据采集到的话单数据确定待识别用户对之间的通话行为特征时,可采用如下方式:
①按照预设拼接方式将各用户的通讯号码拼接在一起,得到待识别用户对的通讯号码对标识。
其中,预设拼接方式可以为以下任一种:将各用户的通讯号码按照各用户名称的顺序依次拼接的方式;将各用户的通讯号码按照各通讯号码的数字大小顺序进行拼接的方式;等等。
②根据话单数据的通话记录,统计得到通话总次数;其中,统计的是通话记录中不区分主叫、被叫的总的通话次数。
③利用待识别用户对在第一指定时间段内的通话总时长除以通话总次数,得到待识别用户对之间的通话次均时长。
④分别确定各用户的通话联系人;将各用户的通话联系人进行取交集操作,得到待识别用户对之间的相同联系人数目。
在本实施例中,通过预设方式拼接通讯号码对标识,可以有效避免计算资源耗费在陌生人之间的通讯号码对标识,从而提高了识别效率;通过通话记录统计通话总次数,进而确定通话次均时长,可以客观反映待识别用户对之间的通话情况,通过相同联系人数目,可以直观地看出待识别用户对之间的通信交集,从而反映待识别用户对之间是否具有居缘关系。
在一个实施例中,通信数据包括测量报告数据。根据采集到的测量报告数据确定待识别用户对之间的通信环境相似度,进而根据待识别用户对之间的通信环境相似度,并利用预先建立的关系识别模型确定待识别用户对之间是否具有居缘关系。
其中,测量报告数据可包括待识别用户对中各用户的通讯号码、与服务小区的连接时间、所连接的服务小区的小区识别码、服务小区的信号接收功率、服务小区的信号接收质量、服务小区的邻区的信号接收功率、邻区的信号接收质量等。
通信环境相似度可包括在第二指定时间段内待识别用户对连接的小区识别码的相同率、待识别用户对连接的相同小区总时长、待识别用户对连接的服务小区的信号接收功率相似度、待识别用户对连接的服务小区的信号接收质量相似度、待识别用户对对应的邻区相似度、待识别用户对对应的邻区信号接收功率相似度、待识别用户对对应的邻区信号接收质量相似度等。
其中,第二指定时间段可以是时间点集合,也可以是时间段集合等;第二指定时间段是在第一指定时间段内的更小段位的时间段。例如,第二指定时间段为以下时间点集合:每周0时、每月0时、每年0时等;第二指定时间段为以下时间段集合:每周0时-5时、每月0时-5时、每年0时-5时等;若第一指定时间段为最近一个月,则第二指定时间段可以为该月0时、该月0时-5时等。
在本实施例中,测量报告数据体现了用户连接的服务小区和邻区的信号接收功率和信号接收质量,能客观反映用户所处的通信环境,使得数据维度丰富且数据质量可靠,进而对居缘关系的识别提供了丰富、准确的数据基础。
在一个实施例中,根据采集到的测量报告数据确定待识别用户对之间的通信环境相似度时,可采用以下方式:
①确定在第二指定时间段内待识别用户对连接的小区识别码的相同次数;将小区识别码的相同次数除以待识别用户对在第一指定时间段内的最大连接总时长,得到待识别用户对连接的小区识别码的相同率。
其中,最大连接总时长为:待识别用户对中的两个用户在第一指定时间段内连接小区天数中的最大值;例如,待识别用户对包括用户A和用户B,第一指定时间段为最近一个月,第二指定时间段为月凌晨0时。假设在月凌晨0时用户A和用户B连接的小区识别码相同次数为16,用户A在一个月内连接小区25天,用户B在一个月内连接小区20天,那么,用户A和用户B连接的小区识别码相同率为16除以25等于0.64。
其中,若第二指定时间段为时间点集合,则将小区识别码的相同次数除以待识别用户对在第一指定时间段内的最大连接总时长,得到待识别用户对连接的小区识别码的相同率;若第二指定时间段为时间段集合,则将小区识别码的相同次数除以该时间段中整时点的个数,再除以待识别用户对在第一指定时间段内的最大连接总时长,得到待识别用户对连接的小区识别码的相同率。
②确定在第二指定时间段内待识别用户对连接的小区识别码相同总次数,得到待识别用户对连接的相同小区总时长。
其中,第二指定时间段为时间段集合,待识别用户对连接的小区识别码相同总次数等于待识别用户对连接的相同小区总时长。
③判断在第二指定时间段内待识别用户对连接的服务小区是否相同;若否,则确定待识别用户对连接的服务小区的信号接收功率相似度为零;若是,则根据待识别用户对连接的服务小区的信号接收功率之间的第一差值,确定待识别用户对连接的服务小区的信号接收功率相似度;其中,信号接收功率相似度与第一差值负相关。
例如,待识别用户对包括用户A和用户B,第二指定时间段为第一天凌晨0时。假设用户A第一天凌晨0时连接的服务小区的信号接收功率为Pa,用户B第一天凌晨0时连接的服务小区的信号接收功率为Pb,则用户A和用户B第一天凌晨0时连接的服务小区的信号接收功率相似度可表示为:
沿用上述举例,假设第一指定时间段为月凌晨0时-5时,那么依据上述步骤,可计算出一个月内用户A和用户B每一天凌晨0时-5时连接的服务小区的信号接收功率相似度,对得到的结果求和,可计算出在月凌晨0时-5时待识别用户对连接的服务小区的信号接收功率相似度。
此外,可采用以下方式确定在第一指定时间段内待识别用户对对应的邻区信号接收功率相似度:
首先,判断在第二指定时间段内待识别用户对是否有相同的邻区;需要说明的是,仅对相同的邻区的信号接收功率计算邻区信号接收功率相似度。
其次,根据待识别用户对对应的一个或多个邻区的信号接收功率之间的第一差值,确定待识别用户对对应的一个或多个邻区的信号接收功率相似度;其中,信号接收功率相似度与第一差值负相关。
再次,对上述待识别用户对对应的一个或多个邻区的信号接收功率相似度求和,得到在第二指定时间段内待识别用户对对应的邻区信号接收功率相似度。
最后,依据上述步骤,计算出第一指定时间段内每一时间点的邻区信号接收功率相似度,求和得到在第一指定时间段内待识别用户对对应的邻区信号接收功率相似度。
④判断在第二指定时间段内待识别用户对连接的服务小区是否相同;若否,则确定待识别用户对连接的服务小区的信号接收质量相似度为零;若是,则根据待识别用户对连接的服务小区的信号接收质量之间的第二差值,确定待识别用户对连接的服务小区的信号接收质量相似度;其中,信号接收质量相似度与第二差值负相关。
例如,待识别用户对包括用户A和用户B,第二指定时间段为第一天凌晨0时。假设用户A第一天凌晨0时连接的服务小区的信号接收质量为Qa,用户B第一天凌晨0时连接的服务小区的信号接收质量为Qb,则用户A和用户B第一天凌晨0时连接的服务小区的信号接收质量相似度可表示为:
沿用上述举例,假设第一指定时间段为月凌晨0时-5时,那么依据上述步骤,可计算出一个月内用户A和用户B每一天凌晨0时-5时连接的服务小区的信号接收质量相似度,对得到的结果求和,可计算出在月凌晨0时-5时待识别用户对连接的服务小区的信号接收质量相似度。
此外,可采用以下方式确定在第一指定时间段内待识别用户对对应的邻区信号接收质量相似度:
首先,判断在第二指定时间段内待识别用户对是否有相同的邻区;需要说明的是,仅对相同的邻区的信号接收质量计算邻区信号接收质量相似度。
其次,根据待识别用户对对应的一个或多个邻区的信号接收质量之间的第二差值,确定待识别用户对对应的一个或多个邻区的信号接收质量相似度;其中,信号接收质量相似度与第二差值负相关。
再次,对上述待识别用户对对应的一个或多个邻区的信号接收质量相似度求和,得到在第二指定时间段内待识别用户对对应的邻区信号接收质量相似度。
最后,依据上述步骤,计算出第一指定时间段内每一时间点的邻区信号接收质量相似度,求和得到在第一指定时间段内待识别用户对对应的邻区信号接收质量相似度。
⑤对待识别用户对中的各用户分别对应的邻区执行取并集操作,得到待识别用户对的邻区集;确定待识别用户对的相同邻区数目;根据相同邻区数目占邻区集的占比,确定待识别用户对对应的邻区相似度;其中,邻区相似度与相同邻区数目正相关。
其中,各用户分别对应的邻区指各用户连接的服务小区的邻区。例如,待识别用户对在n时对应的相同邻区数目可以用Mn表示,待识别用户对在n时对应的邻区集可以用Ln表示;其中,n为时间点。则待识别用户对在n时对应的邻区相似度Sn的计算方法可表示为:
再例如,待识别用户对包括用户A和用户B,第二指定时间段为第一天凌晨0时。依据上述步骤,可知用户A和用户B在第一天凌晨0时对应的相同邻区数目为M0,用户A和用户B在第一天凌晨0时对应的邻区集为L0,用户A和用户B对应的邻区相似度S0为:
沿用上述举例,假设第一指定时间段为月凌晨0时-5时,那么依据上述步骤,可计算出一个月内用户A和用户B每一天凌晨0时-5时对应的邻区相似度,对得到的结果求和,可计算出在月凌晨0时-5时用户A和用户B对应的邻区相似度。
在上述实施例中,图2为话单数据和测量报告数据的采集设备架构图。其中,核心网设备用于采集话单数据,基站控制器/无线网络控制器和演进型节点B(如基站)用于采集测量报告数据,采集得到的通信数据存储在数据存储服务器中。图3为通信关系数据的确定设备架构图。其中,数据为图2中的数据存储服务器中存储的通信数据,计算得到的通信关系数据存储于通信关系数据存储服务器。
在一个实施例中,可按照以下步骤训练关系识别模型:
首先,采集多个样本用户对之间的样本通信关系数据;其中,各样本用户对被预先标记有是否具有居缘关系的信息。
其次,基于多个样本用户对之间的样本通信关系数据及各样本用户对之间是否具有居缘关系的信息进行学习,得到关系识别模型。
其中,可利用有监督的机器学习算法学习样本数据,如CART决策树,该算法规避了对数据分布的要求,且对特征的独立性没有要求。该算法使用基尼指数作为属性决策***的准则,找出数据中输入变量与输出变量取值间的逻辑对应关系或规则,从而实现对新数据输出变量的预测。
在本实施例中,图4为关系识别模型的确定设备架构图。其中,多个样本用户对之间的样本通信关系数据可以组成训练数据集,将其导入机器学习模型,通过学习,可输出关系识别模型。
图5是本发明的另一个实施例中一种用户关系识别方法的示意性流程图。该实施例中,假设第一指定时间段为最近一个月,第二指定时间段为最近一个月内的休息时段,即最近一个月内的凌晨0时-5时(以下简称月凌晨0时-5时或月休息时段),待识别用户对包括用户A和用户B。并且,本实施例中,通信数据及通信关系数据均可采用数据宽表的形式表示。图5的方法可包括:
S501,采集用户A和用户B最近一个月的话单数据和测量报告数据。
其中,测量报告数据的数据宽表如表一所示。
表一
字段名 | 字段说明 |
msisdn | 手机号码 |
cellid | 小区识别码 |
starttime | 时间 |
servingrsrp | 服务小区的信号接收功率 |
servingrsrq | 服务小区的信号接收质量 |
neighbor1pci | 第一个邻小区的PCI |
neighbor1rsrp | 第一个邻小区信号接收功率 |
neighbor1rsrq | 第一个邻小区信号接收质量 |
neighbor2pci | 第二个邻小区的PCI |
neighbor2rsrp | 第二个邻小区信号接收功率 |
neighbor2rsrq | 第二个邻小区信号接收质量 |
neighborNpci | 第N个邻小区的PCI |
neighborNrsrp | 第N个邻小区信号接收功率 |
neighborNrsrq | 第N个邻小区信号接收质量 |
S502,删除话单数据中的异常数据和通讯号码之前的指定类字符。
其中,异常数据可包括非用户号码、非法号码等。非用户号码可以是报警电话、企业服务号码等;非法号码可以是显示为“未知号码”的号码;通讯号码之前的指定类字符可以为用于区分不同国家的国家码(如中国是86、荷兰是31)、区号、其他前缀(如可享受长途优惠的12593/17951)等。
例如,异常数据可以是110、120等号码,通讯号码之前的指定类字符可以为86、010、17951等字符。
S503,根据话单数据和测量报告数据,确定用户A和用户B之间的通话行为特征和通信环境相似度。
具体的,确定用户A和用户B之间的通话行为特征和通信环境相似度的计算方式在上述实施例中已阐述,此处不再赘述。
假设用户A和用户B在月休息时段连接的服务小区的小区识别码及各服务小区的信号接收功率如表二所示。
表二
休息时段 | 用户 | 小区识别码 | 信号接收功率(dB) |
0 | A | Cell1 | -88 |
0 | B | Cell2 | -85 |
1 | A | Cell3 | -89 |
1 | B | Cell3 | -67 |
2 | A | Cell3 | -87 |
2 | B | Cell3 | -86 |
3 | A | Cell3 | -85 |
3 | B | Cell3 | -87 |
4 | A | Cell3 | -90 |
4 | B | Cell3 | -85 |
5 | A | Cell3 | -88 |
5 | B | 无服务 | - |
那么,根据上述实施例中的计算方式,可以算出用户A和用户B在月休息时段连接的服务小区的信号接收功率相似度=月凌晨0时连接的服务小区的信号接收功率相似度+月凌晨1时连接的服务小区的信号接收功率相似度+月凌晨2时连接的服务小区的信号接收功率相似度+月凌晨3时连接的服务小区的信号接收功率相似度+月凌晨4时连接的服务小区的信号接收功率相似度+月凌晨5时连接的服务小区的信号接收功率相似度=0+1/(1+|-89–(-67)|/max(|-89|,|-67|))+1/(1+|-87–(-86)|/max(|-87|,|-86|))+1/(1+|-85–(-87)|/max(|-85|,|-87|))+1/(1+|-90–(-85)|/max(|-90|,|-85|))+0=0.8018+0.9886+0.9775+0.9474=3.7153。
再例如,假设用户A和用户B在月休息时段对应的邻区信号接收功率如表三所示。
表三
依据上述实施例中的计算方式,可以算出用户A和用户B在月休息时段对应的邻区信号接收功率相似度=(0.9574+0.9314+0.95+0.9505)+(0.9882+0.9884+1+1+1+0.9895+0.9896)+(0.9684+1+0.9775+0.9778+0.9778+0.9888+0.9406)+(0.956+0.967+0.967+0.9574+0.9681+0.949+0.9592+0.9417)+(0.9667+0.9468+0.9216+0.9314+0.9314+0.932)+0=30.8712。
S504,根据通话行为特征和通信环境相似度,利用预先建立的关系识别模型确定用户A和用户B之间是否具有居缘关系。
在本实施例中,通话行为特征包含如下:通讯号码对标识、通话总次数、通话次均时长、相同联系人数目;通信环境相似度包含如下:月凌晨0时连接的小区识别码相同率、月凌晨1时连接的小区识别码相同率、月凌晨2时连接的小区识别码相同率、月凌晨3时连接的小区识别码相同率、月凌晨4时连接的小区识别码相同率、月凌晨5时连接的小区识别码相同率、月休息时段连接的相同小区总时长、月休息时段连接的小区识别码相同率、月休息时段连接的服务小区的信号接收功率相似度、月休息时段连接的服务小区的信号接收质量相似度、月凌晨0时对应的邻区相似度、月凌晨1时对应的邻区相似度、月凌晨2时对应的邻区相似度、月凌晨3时对应的邻区相似度、月凌晨4时对应的邻区相似度、月凌晨5时对应的邻区相似度、月休息时段对应的邻区相似度、月休息时段对应的邻区信号接收功率相似度、月休息时段对应的邻区信号接收质量相似度。
在上述实施例中,测量报告数据能客观反映用户实时所处的通信环境,由该数据可计算两个用户实时所处的通信环境是否相似,即可判断两个用户是否处于相同环境场景,特别地对于月休息时段,这一时段对判断两个用户是否存在居缘关系至关重要,可以提升识别准确率;而利用关系识别模型,则无需人工设定相关判定条件和阈值,即可自动化地识别用户居缘关系,提高了识别效率和精准度。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
图6是本发明的一个实施例中一种用户关系识别装置的结构示意图。请参考图6,一种用户关系识别装置600可包括:
采集模块610,采集待识别用户对在第一指定时间段内的通信数据;通信数据包括待识别用户对中的各用户的话单数据和/或测量报告数据;
第一确定模块620,根据通信数据,确定待识别用户对之间的通信关系数据;通信关系数据包括待识别用户对之间的通话行为特征和/或通信环境相似度;
第二确定模块630,根据通信关系数据,利用预先建立的关系识别模型确定待识别用户对之间是否具有居缘关系;关系识别模型根据多个样本用户对之间的样本通信关系数据及各样本用户对之间是否具有居缘关系的信息训练得到;居缘关系指居住在同一地理空间的用户关系。
在一个实施例中,话单数据包括通讯号码、双方通话时间、双方通话时长、通话主被叫方中的至少一项;通话行为特征包括通讯号码对标识、通话总次数、通话次均时长、相同联系人数目中的至少一项。
在一个实施例中,第一确定模块620包括以下至少一项:
拼接单元,按照预设拼接方式将各用户的通讯号码拼接在一起,得到待识别用户对的通讯号码对标识;
计算单元,利用待识别用户对在第一指定时间段内的通话总时长除以通话总次数,得到待识别用户对之间的通话次均时长;
确定单元,分别确定各用户的通话联系人;将各用户的通话联系人进行取交集操作,得到待识别用户对之间的相同联系人数目。
在一个实施例中,第一确定模块620还包括:
删除单元,删除话单数据中的异常数据;和/或,删除通讯号码之前的指定类字符;其中,异常数据包括非用户号码、非法号码中的至少一项。
在一个实施例中,测量报告数据包括通讯号码、与服务小区的连接时间、所连接的服务小区的小区识别码、服务小区的信号接收功率、服务小区的信号接收质量、服务小区的邻区的信号接收功率、邻区的信号接收质量中的至少一项;
通信环境相似度包括在第二指定时间段内待识别用户对连接的小区识别码的相同率、待识别用户对连接的相同小区总时长、待识别用户对连接的服务小区的信号接收功率相似度、待识别用户对连接的服务小区的信号接收质量相似度、待识别用户对对应的邻区相似度、待识别用户对对应的邻区信号接收功率相似度、待识别用户对对应的邻区信号接收质量相似度中的至少一项。
在一个实施例中,第二确定模块630包括以下至少一项:
第一确定及计算单元,确定在第二指定时间段内待识别用户对连接的小区识别码的相同次数;将小区识别码的相同次数除以待识别用户对在第一指定时间段内的最大连接总时长,得到待识别用户对连接的小区识别码的相同率;
第一判断及计算单元,判断在第二指定时间段内待识别用户对连接的服务小区是否相同;若否,则确定待识别用户对连接的服务小区的信号接收功率相似度为零;若是,则根据待识别用户对连接的服务小区的信号接收功率之间的第一差值,确定待识别用户对连接的服务小区的信号接收功率相似度;其中,信号接收功率相似度与第一差值负相关;
第二判断及计算单元,判断在第二指定时间段内待识别用户对连接的服务小区是否相同;若否,则确定待识别用户对连接的服务小区的信号接收质量相似度为零;若是,则根据待识别用户对连接的服务小区的信号接收质量之间的第二差值,确定待识别用户对连接的服务小区的信号接收质量相似度;其中,信号接收质量相似度与第二差值负相关;
第二确定及计算单元,对待识别用户对中的各用户分别对应的邻区执行取并集操作,得到待识别用户对的邻区集;确定待识别用户对的相同邻区数目;根据相同邻区数目占邻区集的占比,确定待识别用户对对应的邻区相似度;其中,邻区相似度与相同邻区数目正相关。
在一个实施例中,第二确定模块630还包括,
采集单元,采集多个样本用户对之间的样本通信关系数据;其中,各样本用户对被预先标记有是否具有居缘关系的信息;
学习单元,基于多个样本用户对之间的样本通信关系数据及各样本用户对之间是否具有居缘关系的信息进行学习,得到关系识别模型。
本发明实施例提供的网络设备能够上述方法实施例中用户关系识别方法实现的各个过程,为避免重复,这里不再赘述。
本发明实施例中,该装置在识别居缘关系时,能够基于移动通信***采集居缘关系识别所需的通信数据(包括待识别用户对中的各用户的话单数据和/或测量报告数据),使得居缘关系识别所需的数据维度丰富、数据质量可靠,且无需额外的硬件数据,因此数据获取成本较低;此外,根据采集到的通信数据能够确定出待识别用户对之间的通话行为特征和/或通信环境相似度,由于通话行为特征和/或通信环境相似度能够在一定程度上体现用户是否居住在同一地理空间,因此本方案实现了居缘关系识别的准确性;再者,该技术方案根据待识别用户对之间的通信关系数据,利用预先建立的关系识别模型确定待识别用户之间是否具有居缘关系,而无需人工设定相关判定条件和阈值,即可自动化地识别用户居缘关系,从而大幅度提高识别效率、提升识别的精准度。
请参阅图7,图7是本发明实施例应用的网络设备的结构图,能够实现上述实施例中由网络设备执行的用户关系识别方法的细节,并达到相同的效果。如图7所示,网络设备700包括:处理器701、收发机702、存储器703、用户接口704和总线接口,其中:
在本发明实施例中,网络设备700还包括:存储在存储器上703并可在处理器701上运行的计算机程序,计算机程序被处理器701执行时实现如下步骤:
采集待识别用户对在第一指定时间段内的通信数据;通信数据包括待识别用户对中的各用户的话单数据和/或测量报告数据;
根据通信数据,确定待识别用户对之间的通信关系数据;通信关系数据包括待识别用户对之间的通话行为特征和/或通信环境相似度;
根据通信关系数据,利用预先建立的关系识别模型确定待识别用户对之间是否具有居缘关系;关系识别模型根据多个样本用户对之间的样本通信关系数据及各样本用户对之间是否具有居缘关系的信息训练得到;居缘关系指居住在同一地理空间的用户关系。
在图7中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器701代表的一个或多个处理器和存储器703代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。收发机702可以是多个元件,即包括发送机和接收机,提供用于在传输介质上与各种其他装置通信的单元。针对不同的用户设备,用户接口704还可以是能够外接内接需要设备的接口,连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。
处理器701负责管理总线架构和通常的处理,存储器703可以存储处理器701在执行操作时所使用的数据。
可选的,话单数据包括通讯号码、双方通话时间、双方通话时长、通话主被叫方中的至少一项;通话行为特征包括通讯号码对标识、通话总次数、通话次均时长、相同联系人数目中的至少一项。
可选的,计算机程序被处理器701执行时还可实现如下至少一项步骤:
按照预设拼接方式将各用户的通讯号码拼接在一起,得到待识别用户对的通讯号码对标识;
利用待识别用户对在第一指定时间段内的通话总时长除以通话总次数,得到待识别用户对之间的通话次均时长;
分别确定各用户的通话联系人;将各用户的通话联系人进行取交集操作,得到待识别用户对之间的相同联系人数目。
可选的,计算机程序被处理器701执行时还可实现如下步骤:
确定待识别用户对之间的通信关系数据之前,删除话单数据中的异常数据;和/或,删除通讯号码之前的指定类字符;其中,异常数据包括非用户号码、非法号码中的至少一项。
可选的,测量报告数据包括通讯号码、与服务小区的连接时间、所连接的服务小区的小区识别码、服务小区的信号接收功率、服务小区的信号接收质量、服务小区的邻区的信号接收功率、邻区的信号接收质量中的至少一项;
通信环境相似度包括在第二指定时间段内待识别用户对连接的小区识别码的相同率、待识别用户对连接的相同小区总时长、待识别用户对连接的服务小区的信号接收功率相似度、待识别用户对连接的服务小区的信号接收质量相似度、待识别用户对对应的邻区相似度、待识别用户对对应的邻区信号接收功率相似度、待识别用户对对应的邻区信号接收质量相似度中的至少一项。
可选的,计算机程序被处理器701执行时还可实现如下至少一项步骤::
确定在第二指定时间段内待识别用户对连接的小区识别码的相同次数;将小区识别码的相同次数除以待识别用户对在第一指定时间段内的最大连接总时长,得到待识别用户对连接的小区识别码的相同率;
判断在第二指定时间段内待识别用户对连接的服务小区是否相同;若否,则确定待识别用户对连接的服务小区的信号接收功率相似度为零;若是,则根据待识别用户对连接的服务小区的信号接收功率之间的第一差值,确定待识别用户对连接的服务小区的信号接收功率相似度;其中,信号接收功率相似度与第一差值负相关;
判断在第二指定时间段内待识别用户对连接的服务小区是否相同;若否,则确定待识别用户对连接的服务小区的信号接收质量相似度为零;若是,则根据待识别用户对连接的服务小区的信号接收质量之间的第二差值,确定待识别用户对连接的服务小区的信号接收质量相似度;其中,信号接收质量相似度与第二差值负相关;
对待识别用户对中的各用户分别对应的邻区执行取并集操作,得到待识别用户对的邻区集;确定待识别用户对的相同邻区数目;根据相同邻区数目占邻区集的占比,确定待识别用户对对应的邻区相似度;其中,邻区相似度与相同邻区数目正相关。
可选的,计算机程序被处理器701执行时还可实现如下步骤:
按照以下步骤训练关系识别模型:
采集多个样本用户对之间的样本通信关系数据;其中,各样本用户对被预先标记有是否具有居缘关系的信息;
基于多个样本用户对之间的样本通信关系数据及各样本用户对之间是否具有居缘关系的信息进行学习,得到关系识别模型。
本发明实施例中,该技术方案在识别居缘关系时,能够基于移动通信***采集居缘关系识别所需的通信数据(包括待识别用户对中的各用户的话单数据和/或测量报告数据),使得居缘关系识别所需的数据维度丰富、数据质量可靠,且无需额外的硬件数据,因此数据获取成本较低;此外,根据采集到的通信数据能够确定出待识别用户对之间的通话行为特征和/或通信环境相似度,由于通话行为特征和/或通信环境相似度能够在一定程度上体现用户是否居住在同一地理空间,因此本方案实现了居缘关系识别的准确性;再者,该技术方案根据待识别用户对之间的通信关系数据,利用预先建立的关系识别模型确定待识别用户之间是否具有居缘关系,而无需人工设定相关判定条件和阈值,即可自动化地识别用户居缘关系,从而大幅度提高识别效率、提升识别的精准度。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述用户关系识别方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
Claims (10)
1.一种用户关系识别方法,其特征在于,包括:
采集待识别用户对在第一指定时间段内的通信数据;所述通信数据包括所述待识别用户对中的各用户的话单数据和/或测量报告数据;
根据所述通信数据,确定所述待识别用户对之间的通信关系数据;所述通信关系数据包括所述待识别用户对之间的通话行为特征和/或通信环境相似度;
根据所述通信关系数据,利用预先建立的关系识别模型确定所述待识别用户对之间是否具有居缘关系;所述关系识别模型根据多个样本用户对之间的样本通信关系数据及各所述样本用户对之间是否具有居缘关系的信息训练得到;所述居缘关系指居住在同一地理空间的用户关系。
2.根据权利要求1所述的方法,其特征在于,所述话单数据包括通讯号码、双方通话时间、双方通话时长、通话主被叫方中的至少一项;所述通话行为特征包括通讯号码对标识、通话总次数、通话次均时长、相同联系人数目中的至少一项。
3.根据权利要求2所述的方法,其特征在于,所述根据所述通信数据,确定所述待识别用户对之间的通信关系数据,包括以下至少一项:
按照预设拼接方式将所述各用户的通讯号码拼接在一起,得到所述待识别用户对的通讯号码对标识;
利用所述待识别用户对在所述第一指定时间段内的通话总时长除以所述通话总次数,得到所述待识别用户对之间的所述通话次均时长;
分别确定所述各用户的通话联系人;将所述各用户的通话联系人进行取交集操作,得到所述待识别用户对之间的相同联系人数目。
4.根据权利要求2所述的方法,其特征在于,所述根据所述通信数据,确定所述待识别用户对之间的通信关系数据之前,还包括:
删除所述话单数据中的异常数据;和/或,删除所述通讯号码之前的指定类字符;其中,所述异常数据包括非用户号码、非法号码中的至少一项。
5.根据权利要求1所述的方法,其特征在于,所述测量报告数据包括通讯号码、与服务小区的连接时间、所连接的服务小区的小区识别码、所述服务小区的信号接收功率、所述服务小区的信号接收质量、所述服务小区的邻区的信号接收功率、所述邻区的信号接收质量中的至少一项;
所述通信环境相似度包括在第二指定时间段内所述待识别用户对连接的所述小区识别码的相同率、所述待识别用户对连接的相同小区总时长、所述待识别用户对连接的服务小区的信号接收功率相似度、所述待识别用户对连接的服务小区的信号接收质量相似度、所述待识别用户对对应的邻区相似度、所述待识别用户对对应的邻区信号接收功率相似度、所述待识别用户对对应的邻区信号接收质量相似度中的至少一项。
6.根据权利要求5所述的方法,其特征在于,所述根据所述通信数据,确定所述待识别用户对之间的通信关系数据,包括以下至少一项:
确定在所述第二指定时间段内所述待识别用户对连接的所述小区识别码的相同次数;将所述小区识别码的相同次数除以所述待识别用户对在所述第一指定时间段内的最大连接总时长,得到所述待识别用户对连接的所述小区识别码的相同率;
判断在所述第二指定时间段内所述待识别用户对连接的服务小区是否相同;若否,则确定所述待识别用户对连接的服务小区的信号接收功率相似度为零;若是,则根据所述待识别用户对连接的服务小区的信号接收功率之间的第一差值,确定所述待识别用户对连接的服务小区的信号接收功率相似度;其中,所述信号接收功率相似度与所述第一差值负相关;
判断在所述第二指定时间段内所述待识别用户对连接的服务小区是否相同;若否,则确定所述待识别用户对连接的服务小区的信号接收质量相似度为零;若是,则根据所述待识别用户对连接的服务小区的信号接收质量之间的第二差值,确定所述待识别用户对连接的服务小区的信号接收质量相似度;其中,所述信号接收质量相似度与所述第二差值负相关;
对所述待识别用户对中的各用户分别对应的所述邻区执行取并集操作,得到所述待识别用户对的邻区集;确定所述待识别用户对的相同邻区数目;根据所述相同邻区数目占所述邻区集的占比,确定所述待识别用户对对应的邻区相似度;其中,所述邻区相似度与所述相同邻区数目正相关。
7.根据权利要求1所述的方法,其特征在于,按照以下步骤训练所述关系识别模型:
采集多个样本用户对之间的样本通信关系数据;其中,各所述样本用户对被预先标记有是否具有居缘关系的信息;
基于所述多个样本用户对之间的样本通信关系数据及各所述样本用户对之间是否具有居缘关系的信息进行学习,得到所述关系识别模型。
8.一种用户关系识别装置,其特征在于,包括:
采集模块,采集待识别用户对在第一指定时间段内的通信数据;所述通信数据包括所述待识别用户对中的各用户的话单数据和/或测量报告数据;
第一确定模块,根据所述通信数据,确定所述待识别用户对之间的通信关系数据;所述通信关系数据包括所述待识别用户对之间的通话行为特征和/或通信环境相似度;
第二确定模块,根据所述通信关系数据,利用预先建立的关系识别模型确定所述待识别用户对之间是否具有居缘关系;所述关系识别模型根据多个样本用户对之间的样本通信关系数据及各所述样本用户对之间是否具有居缘关系的信息训练得到;所述居缘关系指居住在同一地理空间的用户关系。
9.一种用户关系识别设备,其特征在于,包括:
存储器,存储有计算机程序指令;
处理器,当所述计算机程序指令被所述处理器执行时实现如权利要求1至7中任一项所述的用户关系识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括指令,当所述指令在计算机上运行时,使得所述计算机执行如权利要求1至7中任一项所述的用户关系识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910707564.1A CN112307075B (zh) | 2019-08-01 | 2019-08-01 | 用户关系识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910707564.1A CN112307075B (zh) | 2019-08-01 | 2019-08-01 | 用户关系识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112307075A true CN112307075A (zh) | 2021-02-02 |
CN112307075B CN112307075B (zh) | 2023-09-19 |
Family
ID=74486241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910707564.1A Active CN112307075B (zh) | 2019-08-01 | 2019-08-01 | 用户关系识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112307075B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113949582A (zh) * | 2021-10-25 | 2022-01-18 | 绿盟科技集团股份有限公司 | 一种网络资产的识别方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541886A (zh) * | 2010-12-20 | 2012-07-04 | 郝敬涛 | 一种识别用户群和用户之间关系的***和方法 |
WO2014209900A1 (en) * | 2013-06-23 | 2014-12-31 | Intel Corporation | Selective sharing of user information based on contextual relationship information, such as to crowd-source gifts of interest to a recipient |
CN105142106A (zh) * | 2015-07-29 | 2015-12-09 | 西南交通大学 | 基于手机信令数据的出行者职住地识别与出行链刻画方法 |
CN107256231A (zh) * | 2017-05-04 | 2017-10-17 | 腾讯科技(深圳)有限公司 | 一种团队成员识别设备、方法及*** |
US20170316599A1 (en) * | 2016-05-02 | 2017-11-02 | Tic Talking Holdings Inc. | Facilitation of Depiction of Geographic Relationships Via a User Interface |
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*** |
CN109963253A (zh) * | 2017-12-25 | 2019-07-02 | ***通信集团上海有限公司 | 一种用户居住地理位置的识别方法及装置 |
-
2019
- 2019-08-01 CN CN201910707564.1A patent/CN112307075B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541886A (zh) * | 2010-12-20 | 2012-07-04 | 郝敬涛 | 一种识别用户群和用户之间关系的***和方法 |
WO2014209900A1 (en) * | 2013-06-23 | 2014-12-31 | Intel Corporation | Selective sharing of user information based on contextual relationship information, such as to crowd-source gifts of interest to a recipient |
CN105142106A (zh) * | 2015-07-29 | 2015-12-09 | 西南交通大学 | 基于手机信令数据的出行者职住地识别与出行链刻画方法 |
US20170316599A1 (en) * | 2016-05-02 | 2017-11-02 | Tic Talking Holdings Inc. | Facilitation of Depiction of Geographic Relationships Via a User Interface |
CN107256231A (zh) * | 2017-05-04 | 2017-10-17 | 腾讯科技(深圳)有限公司 | 一种团队成员识别设备、方法及*** |
CN109963253A (zh) * | 2017-12-25 | 2019-07-02 | ***通信集团上海有限公司 | 一种用户居住地理位置的识别方法及装置 |
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*** |
Non-Patent Citations (1)
Title |
---|
张继东 等: ""基于地理社交数据的移动社交网络用户社会化关系发现研究"", 《情报理论与实践》, vol. 40, no. 10, pages 69 - 73 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113949582A (zh) * | 2021-10-25 | 2022-01-18 | 绿盟科技集团股份有限公司 | 一种网络资产的识别方法、装置、电子设备及存储介质 |
CN113949582B (zh) * | 2021-10-25 | 2023-05-30 | 绿盟科技集团股份有限公司 | 一种网络资产的识别方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112307075B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110337059B (zh) | 一种用户家庭关系的分析算法、服务器及网络*** | |
CN102083010B (zh) | 一种用户信息筛选方法和设备 | |
CN107613084B (zh) | 一种通讯录联系人自动分组的方法、装置和*** | |
CN102215504A (zh) | 新入网用户的类别识别方法及*** | |
CN110019382B (zh) | 用户亲密度指数确定方法、装置、存储介质及电子设备 | |
CN113412607B (zh) | 内容推送方法、装置、移动终端及存储介质 | |
CN111652661B (zh) | 一种手机客户端用户流失预警处理方法 | |
CN113206909A (zh) | 骚扰电话拦截方法及装置 | |
CN113205129B (zh) | 一种作弊团伙识别方法、装置、电子设备及存储介质 | |
CN112307075B (zh) | 用户关系识别方法及装置 | |
CN111368858B (zh) | 用户满意度评估方法及装置 | |
CN112035678A (zh) | 银行业务知识图谱构建方法及装置 | |
CN102752462B (zh) | 电信业务推荐方法与*** | |
CN116016769A (zh) | 一种欺诈团伙的识别方法、装置及可读存储介质 | |
CN114970495A (zh) | 人名消歧方法、装置、电子设备及存储介质 | |
CN110166635B (zh) | 可疑终端识别方法和可疑终端识别*** | |
CN111815339B (zh) | 一种营销信息推送方法及设备 | |
CN110856159B (zh) | 确定家庭圈成员的方法、装置及存储介质 | |
CN113378073B (zh) | 用户关系的识别方法及装置 | |
CN112488743A (zh) | 一种满意度预测方法、网络设备及存储介质 | |
CN114866433B (zh) | 用户业务感知评估方法、装置、设备及计算机存储介质 | |
CN111385108A (zh) | 业务处理方法、装置、设备及介质 | |
CN112752252B (zh) | 小区归属地识别方法和装置 | |
CN115529581A (zh) | 一种离网用户识别方法及装置 | |
CN116744336A (zh) | 一种跨运营商邻区漏配检测方法、装置、电子设备及介质 |
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 |