CN116761207A - 一种基于通信行为的用户画像构建方法与*** - Google Patents
一种基于通信行为的用户画像构建方法与*** Download PDFInfo
- Publication number
- CN116761207A CN116761207A CN202311058481.7A CN202311058481A CN116761207A CN 116761207 A CN116761207 A CN 116761207A CN 202311058481 A CN202311058481 A CN 202311058481A CN 116761207 A CN116761207 A CN 116761207A
- Authority
- CN
- China
- Prior art keywords
- user
- access
- verified
- users
- unverified
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 52
- 238000004891 communication Methods 0.000 title claims abstract description 29
- 230000006399 behavior Effects 0.000 title claims description 28
- 238000005265 energy consumption Methods 0.000 claims abstract description 61
- 238000005457 optimization Methods 0.000 claims abstract description 36
- 238000011156 evaluation Methods 0.000 claims description 32
- 230000001186 cumulative effect Effects 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 abstract description 5
- 238000012937 correction Methods 0.000 description 24
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
- H04W52/0206—Power saving arrangements in the radio access network or backbone network of wireless communication networks in access points, e.g. base stations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供一种基于通信行为的用户画像构建方法与***,属于数据处理技术领域,具体包括:通过访问终端的累计访问时间将用户划分为未核实用户和待核实用户,通过用户的累计访问时间、访问时长以及访问流量确定未核实用户的画像;根据待核实用户的访问特征量进行历史相似访问日和历史偏差访问日的确定,并根据历史相似日的数量和时间、历史访问偏差日的数量和时间以及待核实用户的接入时间进行待核实用户的画像的构建,通过5G基站的未核实用户的数量以及画像、待核实用户的数量以及画像确定是否能够对5G基站进行能耗优化,从而进一步提升了5G能耗优化的针对性。
Description
技术领域
本发明属于数据处理技术领域,尤其涉及一种基于通信行为的用户画像构建方法与***。
背景技术
随着5G设备的大规模应用,在提升通信便利性的同时,也使得5G基站的能耗量进一步增加,因此如何结合用户的通信行为进行画像的构建,并根据用户画像对5G基站的能耗量进行优化成为亟待解决的技术问题。
为了实现对用户的画像的构建,在CN111131493B《一种数据获取、用户画像生成方法、装置》通过获取目标用户的上网信息以及目标用户的行为信息,建立智能网关的网关标识、终端设备接入信息、目标用户的上网信息以及目标用户的行为信息之间的关联关系,从而得到以家庭为单位的用户画像数据,但是却存在以下技术问题:
1、忽视了根据5G基站的接入的不同的用户画像的用户的接入情况进行能耗的控制,具体的,不同的用户的接入时间不同,在接入时间内的流量也不相同,因此若不能结合用户的画像的构建进行能耗的控制,则无法准确的实现对5G基站的能耗的优化。
2、忽视了根据用户的接入时长、流量、时间等进行用户的画像的构建,具体的,不同的用户在不同的时间的接入需求以及流量存在着较大的区别,在此基础上,通过上述数据也可以将用户划分为低频或者高频用户,因此若不能进行用户的画像的构建,则同样无法实现对用户的划分。
针对上述技术问题,本发明提供了一种基于通信行为的用户画像构建方法与***。
发明内容
为实现本发明目的,本发明采用如下技术方案:
根据本发明的一个方面,提供了一种基于通信行为的用户画像构建方法。
一种基于通信行为的用户画像构建方法,其特征在于,具体包括:
S11通过访问终端的唯一标识进行用户的区分,并通过所述访问终端的累计访问时间将所述用户划分为未核实用户和待核实用户,当所述用户为未核实用户时,则通过所述用户的累计访问时间、访问时长以及访问流量确定所述未核实用户的繁忙度,并将繁忙度作为所述未核实用户的画像;
S12根据5G基站的用户中的未核实用户的比例以及数量、未核实用户的繁忙度确定是否能够对所述5G基站进行能耗优化,若是,则进入下一步骤,若否,则暂不进行能耗优化;
S13通过所述待核实用户在每日的累计访问时长和累计访问流量,并结合所述待核实用户在每日的不同的划分时段内的累计访问时长以及累计访问流量进行访问特征量的构建;
S14根据所述待核实用户的访问特征量进行历史相似访问日和历史偏差访问日的确定,并根据所述历史相似日的数量和时间、历史访问偏差日的数量和时间以及所述待核实用户的接入时间进行所述待核实用户的画像的构建,通过所述5G基站的未核实用户的数量以及画像、待核实用户的数量以及画像确定是否能够对所述5G基站进行能耗优化。
进一步的技术方案在于,所述访问终端的唯一标识包括但不限于手机号码、IP地址、访问终端的设备标识。
进一步的技术方案在于,通过所述访问终端的累计访问时间将所述用户划分为未核实用户和待核实用户,具体包括:
当所述访问终端的累计访问时间不大于预设时间时,则确定所述用户为未核实用户;
当所述访问终端的累计访问时间大于预设时间时,则确定所述用户为待核实用户。
进一步的技术方案在于,所述未核实用户的繁忙度的确定的具体步骤为:
S21根据所述用户的累计访问时间获取所述用户在所述累计访问时间内的访问日期数量,并判断所述用户的访问日期数量是否满足要求,若是,则进入下一步骤,若否,则通过所述用户在访问日期的累计访问流量的最大值进行所述未核实用户的繁忙度的构建;
S22通过所述用户在不同的访问日期的累计访问时长和累计访问流量,并结合所述用户在不同的访问日期的累计访问次数进行所述访问日期的访问繁忙度的确定;
S23通过所述用户在不同的访问日期的访问繁忙度的均值进行繁忙度基准值的确定,并将与所述繁忙度基准值的偏差量小于预设值的访问日期作为历史相似访问日期,并通过所述历史相似访问日期的数量以及比例确定所述繁忙度基准值是否可靠,若是,则通过所述繁忙度基准值进行所述未核实用户的繁忙度的构建,若否,则进入步骤S24;
S24通过所述繁忙度基准值、历史相似访问日期的数量以及比例,并结合所述用户的繁忙度的标准差和中位数进行所述用户的繁忙度的构建。
进一步的技术方案在于,判断所述用户的访问日期数量是否满足要求,具体包括:
当所述用户的访问日期数量小于预设数量时,则确定所述用户的访问日期数量不能满足要求。
进一步的技术方案在于,通过所述5G基站的未核实用户的数量以及画像、待核实用户的数量以及画像确定是否能够对所述5G基站进行能耗优化,具体包括:
通过所述5G基站的未核实用户的数量以及画像进行所述5G基站的未核实用户的繁忙度评估量的构建;
根据所述5G基站的待核实用户的数量以及画像进行所述5G基站的待核实用户的访问特征评估量的构建;
通过所述5G基站的未核实用户的繁忙度评估量、待核实用户的访问特征评估量确定是否能够对所述5G基站进行能耗优化。
第二方面,本发明提供了一种计算机***,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述的一种基于通信行为的用户画像构建方法。
第三方面,本发明提供了一种计算机存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的一种基于通信行为的用户画像构建方法。
本发明的有益效果在于:
通过所述访问终端的累计访问时间将所述用户划分为未核实用户和待核实用户,从而既保证了待核实用户的画像的构建的准确性,同时也避免了由于累计访问时间过短导致的未核实用户的画像的构建的准确性较低的技术问题,保证了用户的画像构建的差异性和准确性。
通过所述用户的累计访问时间、访问时长以及访问流量确定所述未核实用户的繁忙度,从而实现了从访问的繁忙情况对用户的画像的确定,既保证了用户的画像对5G基站的需求能力的准确评估,同时也实现了对不同的用户的访问情况的区分。
通过根据5G基站的用户中的未核实用户的比例以及数量、未核实用户的繁忙度确定是否能够对所述5G基站进行能耗优化,从而既考虑到5G基站的未核实用户的实际情况,同时也考虑到未核实用户对基站的需求,避免了由于未核实用户的比例过高导致的画像不够准确的问题,进一步保证了5G基站的能耗控制的准确性。
通过所述待核实用户在每日的累计访问时长和累计访问流量,并结合所述待核实用户在每日的不同的划分时段内的累计访问时长以及累计访问流量进行访问特征量的构建,实现了从访问时段以及总体访问情况两个角度对待核实用户的访问特征量的构建,也为进一步进行5G基站的能耗优化奠定了基础。
通过所述5G基站的未核实用户的数量以及画像、待核实用户的数量以及画像确定是否能够对所述5G基站进行能耗优化,从而既考虑到未核实用户的需求,同时也考虑到待核实用户的需求,避免了由于5G基站的能耗优化对用户的访问影响的问题的出现。
其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显;
图1是一种基于通信行为的用户画像构建方法的流程图;
图2是未核实用户的繁忙度的确定的具体步骤的流程图;
图3是根据5G基站的用户中的未核实用户的比例以及数量、未核实用户的繁忙度确定是否能够对所述5G基站进行能耗优化的流程图;
图4是访问特征量构建的具体步骤的流程图;
图5是待核实用户的画像的构建的具体步骤的流程图;
图6是一种计算机***的框架图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
申请人发现,在进行5G基站的能耗控制时,往往是通过对5G基站的历史访问情况确定能耗控制的时段以及方式,但是实际工作过程中,由于用户的接入存在一定的随机性,对于接入时间较短的用户,此时的用户画像的构建准确度往往不够准确,此时其刻画的访问规律往往不能准确的实现对5G基站的能耗控制,因此必须结合访问时间实现差异化的用户画像的构建,此时对于5G基站的能耗控制才有意义。
为了解决上述问题,申请人首先根据访问时间将用户划分为未核实以及待核实用户,并通过未核实用户的繁忙度进行未核实用户的画像构建,并当5G基站的未核实用户的数量较多或者繁忙度较高时,此时的随机因素过多,因此暂时不进行5G基站的能耗控制。
当随机因素满足要求时,再通过待核实用户的访问规律进行核实,通过历史相似日、历史访问偏差日的构建,从而对待核实用户的画像的可靠性进行确定,进而结合未核实用户的情况确定是否对5G基站进行能耗控制。
需要说明的是,本发明针对的5G基站一般位于小区、办公楼宇等位置,从而实现对访问规律性较高的5G基站进行能耗控制,访问规律性较低的5G基站不进行能耗控制。
方法类示例:
为解决上述问题,根据本发明的一个方面,如图1所示,提供了根据本发明的一个方面,提供了一种基于通信行为的用户画像构建方法,其特征在于,具体包括:
S11通过访问终端的唯一标识进行用户的区分,并通过所述访问终端的累计访问时间将所述用户划分为未核实用户和待核实用户,当所述用户为未核实用户时,则通过所述用户的累计访问时间、访问时长以及访问流量确定所述未核实用户的繁忙度,并将繁忙度作为所述未核实用户的画像;
需要说明的是,所述访问终端的唯一标识包括但不限于手机号码、IP地址、访问终端的设备标识。
具体的,通过所述访问终端的累计访问时间将所述用户划分为未核实用户和待核实用户,具体包括:
当所述访问终端的累计访问时间不大于预设时间时,则确定所述用户为未核实用户;
需要说明的是,累计访问时间指的是从第一次访问到当日的时间。
可以理解的是,对于累计访问时间不大于1周的用户作为未核实用户,其它的则为待核实用户。
当所述访问终端的累计访问时间大于预设时间时,则确定所述用户为待核实用户。
在实际操作时,除了累计访问时间,还需要考虑用户在5G基站的接入时间,也就是说用户与5G基站存在通信关联的时间,当用户的累计访问时间虽然大于1周,但是接入时间小于2小时时,则同样将所述用户作为待核实用户。
需要说明的是,如图2所示,所述未核实用户的繁忙度的确定的具体步骤为:
S21根据所述用户的累计访问时间获取所述用户在所述累计访问时间内的访问日期数量,并判断所述用户的访问日期数量是否满足要求,若是,则进入下一步骤,若否,则通过所述用户在访问日期的累计访问流量的最大值进行所述未核实用户的繁忙度的构建;
具体的,当用户的访问日期数量在2日以内时,由于样本量过少,则确定无法满足要求。
S22通过所述用户在不同的访问日期的累计访问时长和累计访问流量,并结合所述用户在不同的访问日期的累计访问次数进行所述访问日期的访问繁忙度的确定;
S23通过所述用户在不同的访问日期的访问繁忙度的均值进行繁忙度基准值的确定,并将与所述繁忙度基准值的偏差量小于预设值的访问日期作为历史相似访问日期,并通过所述历史相似访问日期的数量以及比例确定所述繁忙度基准值是否可靠,若是,则通过所述繁忙度基准值进行所述未核实用户的繁忙度的构建,若否,则进入步骤S24;
S24通过所述繁忙度基准值、历史相似访问日期的数量以及比例,并结合所述用户的繁忙度的标准差和中位数进行所述用户的繁忙度的构建。
具体的举例说明,所述用户的繁忙度采用基于BP神经网络的预测模型进行确定,其中所述预测模型的训练的具体步骤为:
(1)归一化处理:对BP神经网络的隐含层的网络权值及神经元阈值进行归一化处理,并对所述输入集和输出集进行归一化处理,具体的其中所述输入集为繁忙度基准值、历史相似访问日期的数量以及比例、所述用户的繁忙度的标准差和中位数,输出集为用户的繁忙度;
(2)前向传播处理:按照隐含层及输出层的传递函数进行计算,得出各层之间的误差;
(3)后向传播处理:根据误差调整权值和阈值,满足条件后训练结束,得到训练完成后的预测模型。
需要说明的是,判断所述用户的访问日期数量是否满足要求,具体包括:
当所述用户的访问日期数量小于预设数量时,则确定所述用户的访问日期数量不能满足要求。
在本实施例中,通过所述访问终端的累计访问时间将所述用户划分为未核实用户和待核实用户,从而既保证了待核实用户的画像的构建的准确性,同时也避免了由于累计访问时间过短导致的未核实用户的画像的构建的准确性较低的技术问题,保证了用户的画像构建的差异性和准确性。
在本实施例中,通过所述用户的累计访问时间、访问时长以及访问流量确定所述未核实用户的繁忙度,从而实现了从访问的繁忙情况对用户的画像的确定,既保证了用户的画像对5G基站的需求能力的准确评估,同时也实现了对不同的用户的访问情况的区分。
S12根据5G基站的用户中的未核实用户的比例以及数量、未核实用户的繁忙度确定是否能够对所述5G基站进行能耗优化,若是,则进入下一步骤,若否,则暂不进行能耗优化;
可以理解的是,如图3所示,根据5G基站的用户中的未核实用户的比例以及数量、未核实用户的繁忙度确定是否能够对所述5G基站进行能耗优化,具体包括:
S31获取所述5G基站的用户中的未核实用户的比例,并通过所述未核实用户的比例确定是否能够对所述5G基站进行能耗优化,若是,则进入步骤S32,若否,则确定暂时无法对所述5G基站进行能耗优化;
需要说明的是,未核实用户的比例较多时,此时 5G基站的访问随机性过高,无法对 5G 基站进行能耗优化。
S32获取所述5G基站的用户中的未核实用户的比例,并通过所述未核实用户的比例确定是否需要进行繁忙度的确定,若是,则进入步骤S33,若否,则进入步骤S34;
可以理解的是,当5G基站的用户中的未核实用户的比例较少时,此时即便未核实用户较为繁忙,无法根据单一的繁忙度确定是否可以进行能耗控制,也就是说5G基站的未核实用户在设定区间时,此时若较为繁忙,此时就无法实现能耗控制。
S33将繁忙度超过所述未核实用户的繁忙度的均值的作为筛选未核实用户,并通过所述筛选未核实用户的数量以及繁忙度的和,并结合所述未核实用户的繁忙度的均值以及繁忙度的和进行所述未核实用户的繁忙要求评估值的确定,并通过所述5G基站的未核实用户的繁忙要求评估值确定是否能够对所述5G基站进行能耗优化,若是,则进入步骤S34,若否,则确定暂时无法对所述5G基站进行能耗优化;
需要说明的是,繁忙要求评估值反应的是未核实用户对5G基站的运行可靠性的要求程度。
在其中的一个实施例中,可以通过筛选未核实用户的数量与未核实用户的数量的比例进行筛选未核实用户的修正量的确定,通过筛选未核实用户的修正量与繁忙度的和的乘积进行筛选未核实用户的修正繁忙度的和的确定,根据筛选未核实用户的修正繁忙度的和、未核实用户的繁忙度的和、未核实用户的繁忙度的均值的乘积进行繁忙度偏置量的确定,并通过1与所述繁忙度偏置量的倒数的差值进行未核实用户的繁忙要求评估值的确定。
S34通过所述5G基站的未核实用户的繁忙要求评估值,并结合5G基站的用户中的未核实用户的比例和数量进行所述5G基站的未核实用户的评估值的确定,并通过所述未核实用户的评估值确定是否能够对所述5G基站进行能耗优化。
在其中的一个实施例中,通过未核实用户的数量所处的区间进行未核实用户的补偿系数的确定,通过补偿系数以及未核实用户的比例进行修正比例的确定,并通过修正比例与繁忙要求评估值的乘积进行未核实用户的评估值的确定。
在另外一种可能的实施例中,也可以通过上述的BP神经网络算法进行5G基站的未核实用户的评估值的确定,具体构建方式如上所述。
具体的,所述未核实用户的繁忙要求评估值的取值范围在0到1之间,其中所述未核实用户的繁忙要求评估值越大,则所述未核实用户对所述5G基站的要求越高。
在本实施例中,通过根据5G基站的用户中的未核实用户的比例以及数量、未核实用户的繁忙度确定是否能够对所述5G基站进行能耗优化,从而既考虑到5G基站的未核实用户的实际情况,同时也考虑到未核实用户对基站的需求,避免了由于未核实用户的比例过高导致的画像不够准确的问题,进一步保证了5G基站的能耗控制的准确性。
S13通过所述待核实用户在每日的累计访问时长和累计访问流量,并结合所述待核实用户在每日的不同的划分时段内的累计访问时长以及累计访问流量进行访问特征量的构建;
具体的举例说明,如图4所示,所述访问特征量构建的具体步骤为:
S41将所述待核实用户在每日的累计访问时长的中位数作为访问时长基准值,并通过所述待核实用户在每日的累计访问时长与所述访问时长基准值的偏差量进行访问时长相似日的筛选,并通过所述待核实用户的访问时长相似日的数量、在最近的预设时间内的访问时长相似日的比例,并结合所述待核实用户的访问时长基准值和累计访问时长的最大值进行所述待核实用户的访问时长特征量的构建,并判断所述待核实用户的访问时长特征量是否满足要求,若是,则确定所述待核实用户的访问时长特征量进行所述待核实用户的访问特征量的构建,若否,则进入步骤S42;
在其中的一种可能的实施例中,通过待核实用户的访问时长相似日的数量进行修正因子的确定,并结合在最近的预设时间内的访问时长相似日的比例进行修正比例的确定,通过在待核实用户的累计访问时长的最大值与访问时长基准值的比值进行基础特征量的确定,通过修正比例与基础特征量的乘积进行访问时长特征量的确定。
需要说明的是,访问时长特征量如果较大时,此时用户的访问时长特征量可以反应真实的访问情况,因此可以通过其进行访问特征量的构建。
S42将所述待核实用户在每日的累计访问流量的中位数作为访问流量基准值,并通过所述待核实用户在每日的累计访问流量与所述访问流量基准值的偏差量进行访问流量相似日的筛选,并通过所述待核实用户的访问流量相似日的数量、在最近的预设时间内的访问流量相似日的比例,并结合所述待核实用户的访问流量基准值和累计访问流量的最大值进行所述待核实用户的访问流量特征量的构建,并判断所述待核实用户的访问流量特征量是否满足要求,若是,则确定所述待核实用户的访问流量特征量进行所述待核实用户的访问特征量的构建,若否,则进入步骤S43;
S43通过所述待核实用户在每日的不同的划分时段内的累计访问时长以及累计访问流量进行所述待核实用户的活跃时段的确定,并通过所述待核实用户的活跃时段的分布情况、待核实用户在所述活跃时段的累计访问时长以及累计访问流量进行所述待核实用户的活跃时段特征量的构建;
S44通过所述待核实用户的活跃时段特征量、访问时长特征量、访问流量特征量进行所述待核实用户的访问特征量的构建。
需要说明的是,此时的访问特征量由待核实用户的活跃时段特征量、访问时长特征量、访问流量特征量三部分组成。
可以理解的是,当所述待核实用户的访问时长特征量大于时长特征预设值时,则确定所述待核实用户的访问时长特征量满足要求。
在本实施例中,通过所述待核实用户在每日的累计访问时长和累计访问流量,并结合所述待核实用户在每日的不同的划分时段内的累计访问时长以及累计访问流量进行访问特征量的构建,实现了从访问时段以及总体访问情况两个角度对待核实用户的访问特征量的构建,也为进一步进行5G基站的能耗优化奠定了基础。
S14根据所述待核实用户的访问特征量进行历史相似访问日和历史偏差访问日的确定,并根据所述历史相似日的数量和时间、历史访问偏差日的数量和时间以及所述待核实用户的接入时间进行所述待核实用户的画像的构建,通过所述5G基站的未核实用户的数量以及画像、待核实用户的数量以及画像确定是否能够对所述5G基站进行能耗优化。
具体的举例说明,如图5所示,所述待核实用户的画像的构建的具体步骤为:
S51将与所述待核实用户的访问特征量的相似度满足要求的历史访问日作为历史相似访问日,将与所述待核实用户的访问特征量的相似度小于相似度设定量的历史访问日作为历史偏差访问日;
S52通过所述历史相似访问日的数量确定是否能够采用所述访问特征量进行所述待核实用户的画像的构建,若是,则进入步骤S53,若否,则进入步骤S54;
S53通过所述历史相似访问日的时间将所述历史相似访问日划分为近期相似日和其它相似日,并根据所述近期相似日的数量以及访问特征量的均值,其它相似日的数量以及访问特征量的均值进行所述访问特征量的相似日修正量,并通过所述相似日修正量确定是否能够所述访问特征量进行所述待核实用户的画像的构建,若是,则通过所述相似日修正量以及所述访问特征量进行所述待核实用户的画像的构建,若否,则进入步骤S54;
S54通过所述历史偏差访问日的时间将所述历史偏差访问日划分为近期偏差日和其它偏差日,并根据所述近期偏差日的数量以及访问特征量的均值,其它偏差日的数量以及访问特征量的均值进行所述访问特征量的偏差日修正量,并通过所述访问特征量的偏差日修正量、所述相似日修正量以及所述访问特征量进行所述待核实用户的画像的构建。
在其中的一个可能的实施例中,访问特征量的偏差日修正量可以通过近期偏差日的比例与近期偏差日的访问特征量的相似度进行近期偏差日的偏差日修正量的确定,通过其它偏差日的比例与其他期偏差日的访问特征量的均值与待核实用户的访问特征量的相似度进行其它期偏差日的偏差日修正量的确定,根据其它期偏差日的偏差日修正量和近期偏差日的偏差日修正量进行待核实用户的偏差日修正量的构建。
可以理解的是,待核实用户的画像由偏差日修正量、所述相似日修正量以及所述访问特征量三部分构建。
具体的,通过所述5G基站的未核实用户的数量以及画像、待核实用户的数量以及画像确定是否能够对所述5G基站进行能耗优化,具体包括:
通过所述5G基站的未核实用户的数量以及画像进行所述5G基站的未核实用户的繁忙度评估量的构建;
根据所述5G基站的待核实用户的数量以及画像进行所述5G基站的待核实用户的访问特征评估量的构建;
通过所述5G基站的未核实用户的繁忙度评估量、待核实用户的访问特征评估量确定是否能够对所述5G基站进行能耗优化。
在其中的一个可能的实施例中,繁忙度反应的是未核实用户的繁忙情况,待核实用户的访问特征评估量反应的是待核实用户的随机性,当待核实用户的随机性较强或者未核实用户较为繁忙时,此时不能够对 5G 基站进行能耗优化。
在本实施例中,通过所述5G基站的未核实用户的数量以及画像、待核实用户的数量以及画像确定是否能够对所述5G基站进行能耗优化,从而既考虑到未核实用户的需求,同时也考虑到待核实用户的需求,避免了由于5G基站的能耗优化对用户的访问影响的问题的出现。
***类实施例
另一方面,如图6所示,本发明提供了一种计算机***,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述的一种基于通信行为的用户画像构建方法。
其中上述的一种基于通信行为的用户画像构建方法,具体包括:
通过访问终端的唯一标识进行用户的区分,并通过所述访问终端的累计访问时间将所述用户划分为未核实用户和待核实用户,当所述用户为未核实用户时,根据所述用户的累计访问时间获取所述用户在所述累计访问时间内的访问日期数量,并判断所述用户的访问日期数量满足要求时,进入下一步骤;
通过所述用户在不同的访问日期的累计访问时长和累计访问流量,并结合所述用户在不同的访问日期的累计访问次数进行所述访问日期的访问繁忙度的确定;
通过所述用户在不同的访问日期的访问繁忙度的均值进行繁忙度基准值的确定,并将与所述繁忙度基准值的偏差量小于预设值的访问日期作为历史相似访问日期,并通过所述历史相似访问日期的数量以及比例确定所述繁忙度基准值可靠时,通过所述繁忙度基准值进行所述未核实用户的繁忙度的构建;
根据5G基站的用户中的未核实用户的比例以及数量、未核实用户的繁忙度确定否需要对所述5G基站进行能耗优化时,则进入下一步骤,;
通过所述待核实用户在每日的累计访问时长和累计访问流量,并结合所述待核实用户在每日的不同的划分时段内的累计访问时长以及累计访问流量进行访问特征量的构建;
根据所述待核实用户的访问特征量进行历史相似访问日和历史偏差访问日的确定,并根据所述历史相似日的数量和时间、历史访问偏差日的数量和时间以及所述待核实用户的接入时间进行所述待核实用户的画像的构建,通过所述5G基站的未核实用户的数量以及画像、待核实用户的数量以及画像确定是否能够对所述5G基站进行能耗优化。
计算机存储介质类实施例
另一方面,本发明提供了一种计算机存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的一种基于通信行为的用户画像构建方法。
其中上述的一种基于通信行为的用户画像构建方法,具体包括:
通过访问终端的唯一标识进行用户的区分,并通过所述访问终端的累计访问时间将所述用户划分为未核实用户和待核实用户,当所述用户为未核实用户时,则通过所述用户的累计访问时间、访问时长以及访问流量确定所述未核实用户的繁忙度,并将繁忙度作为所述未核实用户的画像;
根据5G基站的用户中的未核实用户的比例以及数量、未核实用户的繁忙度确定能够对所述5G基站进行能耗优化时,则进入下一步骤;
通过所述待核实用户在每日的累计访问时长和累计访问流量,并结合所述待核实用户在每日的不同的划分时段内的累计访问时长以及累计访问流量进行访问特征量的构建;
根据所述待核实用户的访问特征量进行历史相似访问日和历史偏差访问日的确定,将与所述待核实用户的访问特征量的相似度满足要求的历史访问日作为历史相似访问日,将与所述待核实用户的访问特征量的相似度小于相似度设定量的历史访问日作为历史偏差访问日;通过所述历史相似访问日的数量确定无法采用所述访问特征量进行所述待核实用户的画像的构建时,进入下一步骤;
通过所述历史相似访问日的时间将所述历史相似访问日划分为近期相似日和其它相似日,并根据所述近期相似日的数量以及访问特征量的均值,其它相似日的数量以及访问特征量的均值进行所述访问特征量的相似日修正量,并通过所述相似日修正量确定是否能够所述访问特征量进行所述待核实用户的画像的构建;
通过所述历史偏差访问日的时间将所述历史偏差访问日划分为近期偏差日和其它偏差日,并根据所述近期偏差日的数量以及访问特征量的均值,其它偏差日的数量以及访问特征量的均值进行所述访问特征量的偏差日修正量,并通过所述访问特征量的偏差日修正量、所述相似日修正量以及所述访问特征量进行所述待核实用户的画像的构建,通过所述5G基站的未核实用户的数量以及画像、待核实用户的数量以及画像确定是否能够对所述5G基站进行能耗优化。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
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。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (11)
1.一种基于通信行为的用户画像构建方法,其特征在于,具体包括:
通过访问终端的唯一标识进行用户的区分,并通过所述访问终端的累计访问时间将所述用户划分为未核实用户和待核实用户,当所述用户为未核实用户时,则通过所述用户的累计访问时间、访问时长以及访问流量确定所述未核实用户的繁忙度,并将繁忙度作为所述未核实用户的画像;
根据5G基站的用户中的未核实用户的比例以及数量、未核实用户的繁忙度确定是否需要对5G基站进行能耗优化,若是,则进入下一步骤,若否,则暂不进行能耗优化;
通过所述待核实用户在每日的累计访问时长和累计访问流量,并结合所述待核实用户在每日的不同的划分时段内的累计访问时长以及累计访问流量进行访问特征量的构建;
根据所述待核实用户的访问特征量进行历史相似访问日和历史偏差访问日的确定,并根据所述历史相似日的数量和时间、历史访问偏差日的数量和时间以及所述待核实用户的接入时间进行所述待核实用户的画像的构建,通过所述5G基站的未核实用户的数量以及画像、待核实用户的数量以及画像确定是否能够对5G基站进行能耗优化。
2.如权利要求1所述的一种基于通信行为的用户画像构建方法,其特征在于,所述访问终端的唯一标识包括但不限于手机号码、IP地址、访问终端的设备标识。
3.如权利要求1所述的一种基于通信行为的用户画像构建方法,其特征在于,通过所述访问终端的累计访问时间将所述用户划分为未核实用户和待核实用户,具体包括:
当所述访问终端的累计访问时间不大于预设时间时,则确定所述用户为未核实用户;
当所述访问终端的累计访问时间大于预设时间时,则确定所述用户为待核实用户。
4.如权利要求1所述的一种基于通信行为的用户画像构建方法,其特征在于,所述未核实用户的繁忙度的确定的具体步骤为:
根据所述用户的累计访问时间获取所述用户在所述累计访问时间内的访问日期数量,并判断所述用户的访问日期数量是否满足要求,若是,则进入下一步骤,若否,则通过所述用户在访问日期的累计访问流量的最大值进行所述未核实用户的繁忙度的构建;
通过所述用户在不同的访问日期的累计访问时长和累计访问流量,并结合所述用户在不同的访问日期的累计访问次数进行所述访问日期的访问繁忙度的确定;
通过所述用户在不同的访问日期的访问繁忙度的均值进行繁忙度基准值的确定,并将与所述繁忙度基准值的偏差量小于预设值的访问日期作为历史相似访问日期,并通过所述历史相似访问日期的数量以及比例确定所述繁忙度基准值是否可靠,若是,则通过所述繁忙度基准值进行所述未核实用户的繁忙度的构建,若否,则进入下一步骤;
通过所述繁忙度基准值、历史相似访问日期的数量以及比例,并结合所述用户的繁忙度的标准差和中位数进行所述用户的繁忙度的构建。
5.如权利要求4所述的一种基于通信行为的用户画像构建方法,其特征在于,判断所述用户的访问日期数量是否满足要求,具体包括:
当所述用户的访问日期数量小于预设数量时,则确定所述用户的访问日期数量不能满足要求。
6.如权利要求1所述的一种基于通信行为的用户画像构建方法,其特征在于,根据5G基站的用户中的未核实用户的比例以及数量、未核实用户的繁忙度确定是否能够对所述5G基站进行能耗优化,具体包括:
S31获取所述5G基站的用户中的未核实用户的比例,并通过所述未核实用户的比例确定是否能够对所述5G基站进行能耗优化,若是,则进入步骤S32,若否,则确定暂时无法对所述5G基站进行能耗优化;
S32获取所述5G基站的用户中的未核实用户的比例,并通过所述未核实用户的比例确定是否需要进行繁忙度的确定,若是,则进入步骤S33,若否,则进入步骤S34;
S33将繁忙度超过所述未核实用户的繁忙度的均值的作为筛选未核实用户,并通过所述筛选未核实用户的数量以及繁忙度的和,并结合所述未核实用户的繁忙度的均值以及繁忙度的和进行所述未核实用户的繁忙要求评估值的确定,并通过所述5G基站的未核实用户的繁忙要求评估值确定是否能够对所述5G基站进行能耗优化,若是,则进入步骤S34,若否,则确定暂时无法对所述5G基站进行能耗优化;
S34通过所述5G基站的未核实用户的繁忙要求评估值,并结合5G基站的用户中的未核实用户的比例和数量进行所述5G基站的未核实用户的评估值的确定,并通过所述未核实用户的评估值确定是否能够对所述5G基站进行能耗优化。
7.如权利要求6所述的一种基于通信行为的用户画像构建方法,其特征在于,所述未核实用户的繁忙要求评估值的取值范围在0到1之间,其中所述未核实用户的繁忙要求评估值越大,则所述未核实用户对所述5G基站的要求越高。
8.如权利要求1所述的一种基于通信行为的用户画像构建方法,其特征在于,所述访问特征量构建的具体步骤为:
将所述待核实用户在每日的累计访问时长的中位数作为访问时长基准值,并通过所述待核实用户在每日的累计访问时长与所述访问时长基准值的偏差量进行访问时长相似日的筛选,并通过所述待核实用户的访问时长相似日的数量、在最近的预设时间内的访问时长相似日的比例,并结合所述待核实用户的访问时长基准值和累计访问时长的最大值进行所述待核实用户的访问时长特征量的构建,并判断所述待核实用户的访问时长特征量是否满足要求,若是,则确定所述待核实用户的访问时长特征量进行所述待核实用户的访问特征量的构建,若否,则进入下一步骤;
将所述待核实用户在每日的累计访问流量的中位数作为访问流量基准值,并通过所述待核实用户在每日的累计访问流量与所述访问流量基准值的偏差量进行访问流量相似日的筛选,并通过所述待核实用户的访问流量相似日的数量、在最近的预设时间内的访问流量相似日的比例,并结合所述待核实用户的访问流量基准值和累计访问流量的最大值进行所述待核实用户的访问流量特征量的构建,并判断所述待核实用户的访问流量特征量是否满足要求,若是,则确定所述待核实用户的访问流量特征量进行所述待核实用户的访问特征量的构建,若否,则进入下一步骤;
通过所述待核实用户在每日的不同的划分时段内的累计访问时长以及累计访问流量进行所述待核实用户的活跃时段的确定,并通过所述待核实用户的活跃时段的分布情况、待核实用户在所述活跃时段的累计访问时长以及累计访问流量进行所述待核实用户的活跃时段特征量的构建;
通过所述待核实用户的活跃时段特征量、访问时长特征量、访问流量特征量进行所述待核实用户的访问特征量的构建。
9.如权利要求1所述的一种基于通信行为的用户画像构建方法,其特征在于,通过所述5G基站的未核实用户的数量以及画像、待核实用户的数量以及画像确定是否能够对所述5G基站进行能耗优化,具体包括:
通过所述5G基站的未核实用户的数量以及画像进行所述5G基站的未核实用户的繁忙度评估量的构建;
根据所述5G基站的待核实用户的数量以及画像进行所述5G基站的待核实用户的访问特征评估量的构建;
通过所述5G基站的未核实用户的繁忙度评估量、待核实用户的访问特征评估量确定是否能够对所述5G基站进行能耗优化。
10.一种计算机***,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行权利要求1-9任一项所述的一种基于通信行为的用户画像构建方法。
11.一种计算机存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-9任一项所述的一种基于通信行为的用户画像构建方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311058481.7A CN116761207B (zh) | 2023-08-22 | 2023-08-22 | 一种基于通信行为的用户画像构建方法与*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311058481.7A CN116761207B (zh) | 2023-08-22 | 2023-08-22 | 一种基于通信行为的用户画像构建方法与*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116761207A true CN116761207A (zh) | 2023-09-15 |
CN116761207B CN116761207B (zh) | 2023-12-15 |
Family
ID=87951963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311058481.7A Active CN116761207B (zh) | 2023-08-22 | 2023-08-22 | 一种基于通信行为的用户画像构建方法与*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116761207B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117857555A (zh) * | 2024-03-05 | 2024-04-09 | 浙江万雾信息科技有限公司 | 一种基于边缘计算的数据共享方法及*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107567079A (zh) * | 2017-08-11 | 2018-01-09 | 武汉大学 | 一种移动互联网数据驱动的基站节能方法 |
WO2020077540A1 (zh) * | 2018-10-16 | 2020-04-23 | 华为技术有限公司 | 一种信息处理方法及电子设备 |
KR20210035685A (ko) * | 2019-09-24 | 2021-04-01 | (주) 엔제이랩스 | 빅데이터 기반 실시간 개인 맞춤 정보 서비스 시스템 |
CN114022202A (zh) * | 2021-11-03 | 2022-02-08 | 中南大学 | 基于深度学习的用户流失预测方法及*** |
WO2022101658A1 (en) * | 2020-11-11 | 2022-05-19 | Telefonaktiebolaget Lm Ericsson (Publ) | Estimating a total energy consumption of a user equipment |
CN115175380A (zh) * | 2022-06-24 | 2022-10-11 | 超讯通信股份有限公司 | 5g小基站智能控制方法、装置及5g小基站 |
WO2022226713A1 (zh) * | 2021-04-26 | 2022-11-03 | 华为技术有限公司 | 策略确定的方法和装置 |
CN115623569A (zh) * | 2022-10-10 | 2023-01-17 | 嘉环科技股份有限公司 | 一种基于ai的5g网络节能*** |
CN115696533A (zh) * | 2023-01-03 | 2023-02-03 | 杭州纵横通信股份有限公司 | 一种基于5g的通信基站能耗优化方法与设备 |
CN116133031A (zh) * | 2022-12-29 | 2023-05-16 | 中国电信股份有限公司 | 一种楼宇网络质量评估的方法、装置、电子设备以及介质 |
CN116209046A (zh) * | 2023-04-28 | 2023-06-02 | 浙江省公众信息产业有限公司 | 一种实时节能的移动通信方法、装置、网络侧设备及介质 |
-
2023
- 2023-08-22 CN CN202311058481.7A patent/CN116761207B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107567079A (zh) * | 2017-08-11 | 2018-01-09 | 武汉大学 | 一种移动互联网数据驱动的基站节能方法 |
WO2020077540A1 (zh) * | 2018-10-16 | 2020-04-23 | 华为技术有限公司 | 一种信息处理方法及电子设备 |
KR20210035685A (ko) * | 2019-09-24 | 2021-04-01 | (주) 엔제이랩스 | 빅데이터 기반 실시간 개인 맞춤 정보 서비스 시스템 |
WO2022101658A1 (en) * | 2020-11-11 | 2022-05-19 | Telefonaktiebolaget Lm Ericsson (Publ) | Estimating a total energy consumption of a user equipment |
WO2022226713A1 (zh) * | 2021-04-26 | 2022-11-03 | 华为技术有限公司 | 策略确定的方法和装置 |
CN114022202A (zh) * | 2021-11-03 | 2022-02-08 | 中南大学 | 基于深度学习的用户流失预测方法及*** |
CN115175380A (zh) * | 2022-06-24 | 2022-10-11 | 超讯通信股份有限公司 | 5g小基站智能控制方法、装置及5g小基站 |
CN115623569A (zh) * | 2022-10-10 | 2023-01-17 | 嘉环科技股份有限公司 | 一种基于ai的5g网络节能*** |
CN116133031A (zh) * | 2022-12-29 | 2023-05-16 | 中国电信股份有限公司 | 一种楼宇网络质量评估的方法、装置、电子设备以及介质 |
CN115696533A (zh) * | 2023-01-03 | 2023-02-03 | 杭州纵横通信股份有限公司 | 一种基于5g的通信基站能耗优化方法与设备 |
CN116209046A (zh) * | 2023-04-28 | 2023-06-02 | 浙江省公众信息产业有限公司 | 一种实时节能的移动通信方法、装置、网络侧设备及介质 |
Non-Patent Citations (2)
Title |
---|
王亮;张佳倩;: "4G/5G过渡时期出版业融合发展策略", 中国出版, no. 18 * |
黄文彬;吴家辉;徐山川;王军;: "数据驱动的移动用户行为研究框架与方法分析", 情报科学, no. 07 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117857555A (zh) * | 2024-03-05 | 2024-04-09 | 浙江万雾信息科技有限公司 | 一种基于边缘计算的数据共享方法及*** |
CN117857555B (zh) * | 2024-03-05 | 2024-05-14 | 浙江万雾信息科技有限公司 | 一种基于边缘计算的数据共享方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116761207B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116761207B (zh) | 一种基于通信行为的用户画像构建方法与*** | |
US8510374B2 (en) | Polling protocol for automatic load limiting | |
CN111340277B (zh) | 雾无线接入网中基于联邦学习的流行度预测模型及预测方法 | |
US20150363741A1 (en) | Task assignment in crowdsourcing | |
CN108829766B (zh) | 一种兴趣点推荐方法、***、设备及计算机可读存储介质 | |
US8208893B1 (en) | Performance metrics processing for anticipating unavailability | |
CN109377218B (zh) | 一种遏制虚假感知攻击的方法、服务器及移动终端 | |
CN117149797B (zh) | 一种基于多维度数据监控的对账方法及*** | |
CN117376955A (zh) | 一种室内网络信号质量智能监测方法 | |
CN115392337A (zh) | 基于用户声誉的强化学习移动众包激励方法 | |
CN114064394A (zh) | 基于边缘计算的安全监控方法、装置及终端设备 | |
CN117742816A (zh) | 基板管理控制器的运行控制方法及装置 | |
CN112494935B (zh) | 一种云游戏平台池化方法、电子设备及存储介质 | |
CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
CN112532615A (zh) | 一种智能电网蠕虫检测方法 | |
CN112200665A (zh) | 一种授信额度的确定方法及装置 | |
CN115250182A (zh) | 一种防止区块链单链数据被篡改的方法及*** | |
CN114339967A (zh) | 基站业务量的预测方法及装置 | |
CN116823451B (zh) | 一种信贷风险控制方法与*** | |
CN116630034B (zh) | 一种风控数据处理***及方法 | |
CN112416561B (zh) | 一种面向目标计数任务场景的资源动态调度与管理方法 | |
CN115528712B (zh) | 一种源网荷储备不同区储能容量平衡方法及*** | |
CN117714431A (zh) | 会话码率确定方法、装置、设备、存储介质及程序产品 | |
CN116932203A (zh) | 集群***及其全局时序型服务资源需求评估与调整方法 | |
CN113626283A (zh) | 一种分布式***节点资源评估方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |