KR102089026B1 - 사용자 관계의 식별 방법, 장치, 저장 매체 및 서버 - Google Patents

사용자 관계의 식별 방법, 장치, 저장 매체 및 서버 Download PDF

Info

Publication number
KR102089026B1
KR102089026B1 KR1020187010502A KR20187010502A KR102089026B1 KR 102089026 B1 KR102089026 B1 KR 102089026B1 KR 1020187010502 A KR1020187010502 A KR 1020187010502A KR 20187010502 A KR20187010502 A KR 20187010502A KR 102089026 B1 KR102089026 B1 KR 102089026B1
Authority
KR
South Korea
Prior art keywords
user
network address
communication network
wireless communication
cluster
Prior art date
Application number
KR1020187010502A
Other languages
English (en)
Other versions
KR20180054706A (ko
Inventor
차오 왕
하오 유
양 궈
Original Assignee
바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드 filed Critical 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드
Publication of KR20180054706A publication Critical patent/KR20180054706A/ko
Application granted granted Critical
Publication of KR102089026B1 publication Critical patent/KR102089026B1/ko

Links

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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/51—Relative positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • G06N7/023—Learning or tuning the parameters of a fuzzy system
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0214—Referral reward systems
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0222—During e-commerce, i.e. online transactions
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
    • G06Q30/0225—Avoiding frauds
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/22—Processing or transfer of terminal data, e.g. status or physical capabilities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/26—Network addressing or numbering for mobility support

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Primary Health Care (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)

Abstract

본 개시의 실시예는 사용자 관계의 식별 방법, 장치, 저장 매체 및 서버를 개시하며, 해당 방법은, 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득하는 단계; 설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하는 단계; 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하는 단계; 및 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기하는 단계;를 포함한다. 본 개시는, 사용자 단말기 네트워킹의 정보를 기반으로 트레이닝 분류기를 통해 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하여 사용자 간의 관계를 표기하고, 사용자 간의 가족, 친구 및 동료 등 관계를 정확하게 구분할 수 있으므로, 모바일 인터넷 상업적 프로모션에서 지인들끼리 협동하여 부정행위로 부당한 경제적 이익을 취득하여 프로모션 비용의 손실을 초래하는 문제를 해결함으로써, 인터넷 프로모션의 효과를 향상시킨다.

Description

사용자 관계의 식별 방법, 장치, 저장 매체 및 서버
본 개시의 실시예는 컴퓨터 기술에 관한 것으로, 특히는 사용자 관계의 식별 방법, 장치, 저장 매체 및 서버에 관한 것이다.
본 특허 출원은 2015년 9월 30일에 제출한 출원인이 바이두 온라인 네트워크 테크놀러지 (베이징) 유한회사이고 발명의 명칭이 "사용자 관계의 식별 방법 및 장치"인 제201510639155.4호 중국 특허 출원의 우선권을 주장하는 바, 상기 중국 특허 출원의 모든 내용은 참조로서 본 출원에 원용된다.
모바일 인터넷 기술이 발전함에 따라, 예를 들어, 디디(滴滴), 콰이디(快的), 션조우주처, 51용처 및 톈톈용처 등 인터넷 기업의 순펑처, ?처 및 콜택시를 부르는 모바일 인터넷의 상업적 프로모션이 점점 많아지고 있다. 차를 부르는 각종 APP는 모바일 인터넷 자원과 기술에 따라 새로운 방식으로 대중 사용자들에게 가장 편리한 서비스를 제공하는데 목적을 두고 있다.
이러한 유형의 회사들은 모바일 인터넷 상업적 프로모션에서 그들의 애플리케이션에서 고액의 보조금을 제공하는 방식으로 프로모션을 진행하는데, 이로 인해 실제 생활속에서 지인들끼리 협동하여 부정행위로 거짓 거래량을 조작하여 보조금을 사취하고 부당한 경제적 이익을 취득하는 문제가 발생하게 되어, 회사들의 프로모션 비용 손실을 초래하였다. 이러한 문제들에 대해, 기존의 인터넷 애플리케이션은 일반적으로 사용자 휴대폰 속의 주소록을 통해 사용자의 지인 관계를 추출하여 방지하고 있다.
그러나, 이러한 방식은 사용자의 주소록을 획득해야 하나, 대부분의 경우, 다수의 사용자들은 자신의 주소록을 주동적으로 제공하지 않으며, 애플리케이션이 주동적으로 사용자의 주소록을 읽으려고 할 경우, 사용자의 반감을 일으켜 사용자 유실을 초래할 수도 있다. 또한, 휴대폰속의 주소록을 이용하여 사용자의 지인 관계를 추출할 경우, 양자가 알고 있는 사이인지만 구분할 수 있을 뿐, 그의 가정, 친구 및 동료 등 지인 관계를 정확하게 구분할 수 없다. 따라서, 기존의 기술 방안은 근본적으로 문제를 해결하지 못한다.
본 개시의 실시예는 기존 인터넷 프로모션에서 지인들끼리 협동하여 부정행위로 부당한 경제적 이익을 취득하는 문제를 해결하기 위한 사용자 관계의 식별 방법, 장치, 저장 매체 및 서버를 제공한다.
제1 양태에 있어서, 본 개시의 실시예는 사용자 관계의 식별 방법을 제공하며, 상기 방법은,
각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득하는 단계;
설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하는 단계;
상기 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하는 단계; 및
상기 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기하는 단계;를 포함한다.
제2 양태에 있어서, 본 개시의 실시예는 사용자 관계의 식별 장치를 더 제공하며, 상기 장치는,
각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득하도록 구성된 네트워킹 정보 획득 모듈;
설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하도록 구성된 분류기 트레이닝 모듈;
상기 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하도록 구성된 통신망 주소 확정 모듈; 및
상기 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기하도록 구성된 사용자 관계 표기 모듈;을 포함한다.
제3 양태에 있어서, 본 개시의 실시예는 하나 또는 다수의 컴퓨터 실행 가능한 명령어를 포함하는 저장 매체를 제공하며, 상기 컴퓨터 실행 가능한 명령어는 컴퓨터 프로세서로 실행될 경우 사용자 관계의 식별 방법을 실행하며, 상기 방법은,
각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득하는 단계;
설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하는 단계;
상기 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하는 단계; 및
상기 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기하는 단계;를 포함한다.
제4 양태에 있어서, 본 개시의 실시예는 서버를 제공하며, 상기 서버는,
하나 또는 다수의 프로세서;
저장 장치;
상기 저장 장치에 저장된 하나 또는 다수의 모듈;을 포함하며, 상기 하나 또는 다수의 모듈이 상기 하나 또는 다수의 프로세서에 의해 실행될 경우,
각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득하는 동작;
설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하는 동작;
상기 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하는 동작; 및
상기 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기하는 조작;을 실행한다.
본 개시의 실시예에서 제공하는 사용자 관계 식별 방법, 장치, 저장 매체 및 서버는, 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득한 후, 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하고, 해당 설정 위치 분류기로 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정함으로써, 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기한다. 해당 기술적 방안은 사용자 단말기 네트워킹의 정보를 기반으로 분류기 트레이닝 및 데이터 마이닝 기술을 통해 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하여 사용자 간의 관계를 표기함으로써, 사용자 간의 가족, 친구 및 동료 등 관계를 정확하게 구분할 수 있다. 해당 기술적 방안을 이용함으로써, 사용자 단말기 주소록을 추출할 필요가 없이 사용자 간의 관계를 정확하게 표기할 수 있으므로, 모바일 인터넷의 상업적 프로모션에서 지인들끼리 협동하여 부정행위로 부당한 경제적 이익을 취득하여 프로모션 비용의 손실을 초래하는 문제를 해결함으로써, 인터넷 프로모션의 효과를 향상시킨다.
본 개시의 실시예들 중의 기술적 방안을 더욱 명확하게 설명하기 위하여, 이하 실시예에 대한 설명에 필요한 첨부 도면들에 대한 간단한 소개를 진행하기로 한다. 물론, 아래의 설명 중의 첨부 도면들은 오직 본 개시의 일부 실시예들일 뿐이며, 해당 기술분야의 당업자들은 창조적인 능력을 발휘하지 않고서도 이러한 첨부 도면들에 대한 변형 및 대체를 진행할 수 있다.
도1은 본 개시의 제1 실시예에서 제공하는 사용자 관계의 식별 방법의 흐름도이다.
도2는 본 개시의 제2 실시예에서 제공하는 사용자 관계의 식별 방법의 흐름도이다.
도3은 본 개시의 제3 실시예에서 제공하는 사용자 관계의 식별 장치의 개략도이다.
도4는 본 개시의 제5 실시예에서 제공하는 사용자 관계의 식별 방법을 실행하는 서버 하드웨어 구조의 개략도이다.
이하, 첨부된 도면들에 결부하여 본 개시의 실시예들 중의 기술적 방안에 대한 명확하고 완정한 설명을 진행하기로 한다. 물론, 설명된 실시예들은 본 개시의 모든 실시예들은 아니고 일부 실시예들일 뿐이며, 본 개시의 원리를 설명하기 위한 것일 뿐, 본 개시를 이러한 구체적인 실시예들에 한정하기 위한 것이 아니다. 본 개시 중의 실시예들을 기초로, 해당 기술분야의 당업자들은 진보성 노동을 진행하지 않고서 획득한 모든 기타 실시예들은 본 개시의 보호 범위에 포함된다.
제1 실시예
도1에 도시된 바와 같이, 도1은 본 개시의 제1 실시예에서 제공하는 사용자 관계의 식별 방법의 흐름도이다. 본 실시예의 기술적 방안은 사용자 단말기 네트워킹의 무선 통신망 정보를 기반으로 사용자의 집, 직장 위치 등 설정 위치 정보를 발굴하는 경우에 적용될 수 있으며, 각 사용자 간의 관계를 식별하는 경우에도 적용될 수 있다. 해당 방법은 사용자 관계의 식별 장치로 실행되며, 서버에 설정된다.
본 실시예에서 제공하는 사용자 관계의 식별 방법은 구체적으로 아래와 같은 단계들을 포함한다.
S110에서, 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득한다.
여기서, 무선 통신망는 바람직하게 흔하게 쓰이는 와이파이wifi 등 무선 근거리 통신망이고 이러할 경우, 무선 통신망 주소는 wifi 라우터의 mac 주소 (wifi mac 주소로 약칭됨)이고, 여기서 wifi가 바람직한 원인은 wifi mac 주소는 전세계적으로 유일하며 무선 통신망에서 라우터를 구별하는 표식으로 이용될 수 있다. 본 실시예에서, 무선 통신망 주소가 wifi mac 주소인 것을 예로 들어 사용자 관계의 식별 방법에 대해 설명하기로 한다.
서로 다른 단말기가 동일한 wifi를 통해 wifi 라우터에 연결된 후, 단말기 사용자가 무선 통신망을 통해 단말기를 네트워크에 연결하고 단말기에 위치 정보의 획득을 허용하는 명령어를 입력 시, 사용자 관계 식별 장치는 단말기 사용자가 네트워킹하는 무선 통신망 주소 및 그의 네트워킹 위치의 좌표 정보를 획득할 수 있으며, 따라서, 상기 사용자는 단말기 사용자들 중에서 좌표 정보의 획득을 허용하는 사용자이다. 여기서, 사용자 관계 식별 장치는 단말기의 GPS 등 위치 확정 시스템을 통해 사용자의 좌표 정보를 획득할 수 있다.
구체적으로, 사용자가 단말기 상에서 이용하는 애플리케이션을 통해 사용자 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득하고, 무선 통신망 주소와 좌표 정보의 대응관계를 서버에 저장할 수 있다. 해당 서버는 애플리케이션 서버일 수 있으며, 이러할 경우, 해당 서버에는 각 사용자 단말기가 애플리케이션에 네트워킹되고 해당 애플리케이션 이용 시의 무선 통신망 주소 및 좌표 정보가 저장되고; 해당 서버는 사용자 관계 식별 장치 서버 또는 저장 서버일 수도 있으며, 이러할 경우, 해당 서버에는 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보가 저장된다.
S120에서, 설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝한다.
상기 동작에서, 설정 위치는 집 위치일 수 있으며, 부분적인 사용자의 집 위치가 이미 알려져 있을 경우, 이러한 유형의 사용자의 집 좌표는 이미 알려지고, 따라서, 집 좌표가 알려진 각 사용자에 대해, 해당 유형의 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보에 따라 하나의 집 위치 분류기를 트레이닝할 수 있다. 설정 위치는 직장 위치일 수도 있으며, 부분적인 사용자의 직장 위치가 이미 알려져 있을 경우, 이러한 유형의 사용자의 직장 위치 좌표는 이미 알려지고, 따라서, 직장 위치 좌표가 알려진 각 사용자에 대해, 해당 유형의 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보에 따라 하나의 직장 위치 분류기를 트레이닝할 수 있다. 설정 위치는 분류기를 트레이닝해야 할 기타 위치 또는 적어도 두개의 위치 등일 수도 있다.
이로써, 설정 위치 좌표가 알려진 사용자는 기지의 사용자로 지칭되고, 설정 위치 좌표가 미지인 사용자는 미지의 사용자로 지칭되며, 설정 위치 분류기를 통해 미지의 사용자의 설정 위치 좌표를 확정할 수 있음을 알수 있다. 또한, 설정 위치가 바람직하게 집 및 직장 위치일 경우, 기지의 사용자는 사용자 관계 식별 장치가 해당 사용자의 단말기로부터 가정 및/또는 직장 위치를 획득할 수 있는 사용자를 가리키고, 미지의 사용자는 사용자 관계 식별 장치가 해당 사용자의 단말기로부터 집 및 직장 위치를 획득할 수 없는 사용자를 가리킨다. 이로써, 서버에 저장된 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치가 집 및 직장 위치인 집 위치 분류기 및 직장 위치 분류기를 트레이닝할 수 있다.
S130에서, 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정한다.
상기 동작에서, 서버에 저장된 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝할 수 있다. 집 위치 분류기를 예로 들면, 미지의 사용자의 무선 통신망 주소 및 좌표 정보 등 데이터에 대해, 데이터 마이닝 기술을 기반으로 집 위치 분류기를 통해 해당 미지의 사용자의 데이터에 대해 분류를 진행하고, 해당 미지의 사용자의 가정 데이터를 분류 및 마이닝할 수 있으며, 해당 미지의 사용자의 가정 데이터에 따라 그의 가정 무선 통신망 주소를 확정할 수 있다. 이로써, 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정한다. 또한, 마이닝된 해당 미지의 사용자의 가정 데이터에 따라 그의 집 좌표를 확정할 수도 있다.
상기 동작에서, 데이터 마이닝 기술을 기반으로 설정 위치 분류기 및 미지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 미지의 사용자의 설정 위치 무선 통신망 주소 및 설정 위치 좌표를 확정할 수 있으며, 설정 위치가 집 또는 직장 위치일 경우, 상술한 동작 S110~S130은 미지의 사용자의 집 또는 직장 및 집 라우터의 wifi mac 주소 또는 직장 위치 라우터의 wifi mac 주소를 마이닝하고, 따라서, 해당 기술적 방안은 사용자 단말기 네트워킹의 정보를 기반으로 미지의 사용자 집, 직장 위치 등 설정 위치 정보 및 설정 위치 무선 통신망 주소를 마이닝한다.
S140에서, 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기한다.
상기 동작에서, 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 기반으로 데이터 마이닝 기술을 통해 미지의 사용자의 집, 직장 위치 등 설정 위치 정보 및 설정 위치 무선 통신망 주소를 확정한다. 설정 위치 정보가 집 및 직장 위치인 것을 예로 들면, 동일한 가정 무선 통신망 주소를 공유하는 적어도 두 사용자에 대해, 해당 적어도 두 사용자 간의 관계를 가족 또는 친구 관계로 표기하고, 즉, 동일한 가정 라우터를 공유하는 적어도 두 사용자는 가족 또는 친구 관계이고; 동일한 직장 무선 통신망 주소를 공유하는 적어도 두 사용자에 대해, 해당 적어도 두 사용자 간의 관계를 동료 관계로 표기하고, 즉, 동일한 직장 위치 라우터를 공유하는 적어도 두 사용자는 동료 관계이고; 동일한 가정 무선 통신망 주소 및 동일한 직장 무선 통신망 주소를 공유하는 적어도 두 사용자에 대해, 해당 적어도 두 사용자 간의 관계를 친구 관계로 표기한다. 여기서, 서로 다른 설정 위치 또는 기타 경우에 따라 사용자 간의 관계 표기를 진행할 수도 있으며, 예를 들어, 동일한 가정 라우터의 wifi mac 주소 및 동일한 직장 위치 라우터의 wifi mac 주소 등을 공유하지 않는 적어도 두 사용자를 낯선 관계로 표기한다.
본 실시예에서 제공하는 사용자 관계 식별 방법은, 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득한 후, 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하고, 해당 설정 위치 분류기로 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하고, 이로써, 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기한다. 해당 기술적 방안은 사용자 단말기 네트워킹의 정보를 기반으로 분류기 트레이닝 및 데이터 마이닝 기술을 통해 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하여 사용자 간의 관계를 표기함으로써, 사용자 간의 가족, 친구 및 동료 등 관계를 정확하게 구분할 수 있다. 해당 기술적 방안을 이용함으로써, 사용자 단말기 주소록을 추출할 필요가 없이 사용자 간의 관계를 정확하게 표기할 수 있으므로, 모바일 인터넷의 상업적 프로모션에서 지인들끼리 협동하여 부정행위로 부당한 경제적 이익을 취득하여 프로모션 비용의 손실을 초래하는 문제를 해결함으로써, 인터넷 프로모션의 효과를 향상시킨다.
제2 실시예
도2에 도시된 바와 같이, 도2는 본 개시의 제2 실시예에서 제공하는 사용자 관계의 식별 방법의 흐름도이다. 본 실시예의 기술적 방안은 사용자 단말기 네트워킹의 무선 통신망 정보를 기반으로 사용자 집, 직장 위치 등 설정 위치 정보를 마이닝하는 경우에 적용될 수 있으며, 각 사용자 간의 관계를 식별하고자 하는 경우에 적용될 수도 있다. 해당 방법은 사용자 관계의 식별 장치로 실행될 수 있으며, 서버에 설정될 수 있다.
본 실시예에서 제공하는 사용자 관계의 식별 방법은 구체적으로 아래와 같은 단계들을 포함한다.
S210에서, 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득한다.
상기 동작에서, 무선 통신망는 바람직하게 흔히 쓰이는 와이파이wifi 등 무선 근거리 통신망이고 이러할 경우, 무선 통신망 주소는 wifi 라우터의 mac 주소(wifi mac 주소로 약칭됨)이고, 상기 사용자는 단말기 사용자 중 좌표 정보의 획득을 허용하는 사용자이다. 본 실시예에 있어서, 무선 통신망 주소가 라우터의 wifi mac 주소인 것을 예로 들어 사용자 관계의 식별 방법에 대해 설명하기로 한다.
사용자 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득한 후, 무선 통신망 주소와 좌표 정보의 대응관계를 서버에 저장한다. 선택적으로, 각 사용자 단말기 네트워킹의 시간 정보를 더 획득하며, 이러할 경우, 무선 통신망 주소, 좌표 정보 및 시간 정보 삼자의 대응관계를 서버에 저장하여야 한다.
S220에서, 각 미지의 사용자 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축하고, 설정된 시간 주기 내의 각 기지의 사용자 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축한다.
상기 동작에서, 설정 위치 좌표가 알려진 사용자는 기지의 사용자로 지칭되고, 설정 위치 좌표가 미지인 사용자는 미지의 사용자로 지칭된다. 선택가능한 설정된 시간 주기는 2달, 3달 또는 2015년의 3분기 등으로 자체로 설정할 수 있다.
임의 한 미지의 사용자에 대해, 서버 중의 해당 미지의 사용자의 무선 통신망 주소와 좌표 정보의 대응관계에 따라 해당 미지의 사용자의 모든 사용자 2-투플<(x좌표, y좌표), 무선 통신망 주소>을 구성하고, 해당 미지의 사용자의 모든 사용자 2-투플의 집합을 그의 2-투플 데이터 집합으로 구축한다.
임의 한 기지의 사용자에 대해, 오직 설정된 시간 주기 내의 해당 기지의 사용자의 모든 무선 통신망 주소 및 좌표 정보에 대해 데이터 집합 구축한다. 서버 중의 설정된 시간 주기 내의 해당 기지의 사용자의 무선 통신망 주소와 좌표 정보의 대응관계에 따라 해당 기지의 사용자의 사용자 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축한다.
S230에서, 밀도 클러스터링 알고리즘을 기반으로 미지의 사용자 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 미지의 사용자의 제1 클러스터, 제2 클러스터, …, 제i 클러스터, …를 형성하되, 여기서, i는 양의 정수이고; 밀도 클러스터링 알고리즘을 기반으로 기지의 사용자 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 형성한다.
밀도 클러스터링 알고리즘은 밀도 기반의 공간 클러스터링 알고리즘으로서, 해당 알고리즘은 충분한 밀도를 구비하는 영역을 클러스터로 분할하고, 노이즈를 구비한 공간 데이터 베이스에서 임의 형상의 클러스터를 발견하고, 이는 클러스터를 밀도가 서로 연결된 포인트의 가장 큰 집합으로 정의한다. 여기서, 계층 기반의 클러스터링 알고리즘과 같은 기타 클러스터링 알고리즘을 이용하여 미지의 사용자 및 기지의 사용자 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행할 수도 있다.
상기 동작에서, 임의 한 미지의 사용자에 대해, 밀도 클러스터링 알고리즘을 기반으로 해당 미지의 사용자 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하되, 여기서, 사용자 위치는 데이터 집합 중의 좌표 정보를 가리키고, 이로써 해당 미지의 사용자의 제1 클러스터, 제2 클러스터, …, 제i 클러스터, …를 형성하며, i는 양의 정수이고, 미지의 사용자의 클러스터의 표기는 미지이다. 서로 다른 미지의 사용자의 클러스터의 수량은 서로 다를 수 있다.
임의 한 기지의 사용자에 대해, 밀도 클러스터링 알고리즘을 기반으로 해당 기지의 사용자 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행함으로써, 기지의 사용자의 적어도 두개의 클러스터를 형성할 수 있으며, 여기서, 기지의 설정 위치 좌표를 포함한 클러스터는 해당 기지의 사용자의 설정 위치 클러스터이고, 기지의 설정 위치 좌표를 포함하지 않은 나머지 클러스터는 비설정 위치 클러스터이다. 설정 위치가 집 및 직장 위치일 경우, 해당 기지의 사용자를 클러스터링하여 형성된 클러스터는 제1 클러스터, 제2 클러스터, 제3 클러스터, 제4 클러스터이고, 이러할 경우, 집 좌표를 포함한 클러스터를 home으로 표기하고, 직장 위치 좌표를 포함한 클러스터를 company로 표기하고, 기타 2개의 클러스터를 nouse1 및 nouse2로 표기하며, 이러할 경우, 해당 기지의 사용자에 대해, 이는 하나의 가족 클러스터 및 세개의 비가족 클러스터를 포함하거나, 하나의 직장 클러스터 및 세개의 비직장 클러스터를 포함한다.
S240에서, 랜덤 포레스터(random forest) 알고리즘 또는 그라디언트 부스팅 의사결정 트리(Gradient Boosting Decision Tree) 알고리즘을 이용하여 각 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터에 따라 설정 위치 분류기를 트레이닝한다.
상기 동작에서, 각 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터에 따라 랜덤 포레스터 알고리즘 또는 그라디언트 부스팅 의사결정 트리(GBDT) 알고리즘을 이용하여 분류기를 트레이닝하고, 설정 위치 분류기를 구축한다. 설정 위치가 직장 및 집일 경우, 각 기지의 사용자의 가족 클러스터의 총 수량은 10개이고, 직장 클러스터의 총 수량은 6개이며, 기타 클러스터의 총 수량은 24개이고, 이러할 경우, 집 위치 분류기 및 직장 위치 분류기를 트레이닝하여야 하고, 즉, 10개의 가족 클러스터 및 (6+24)개의 비가족 클러스터에 따라 집 위치 분류기를 트레이닝하고, 6개의 직장 클러스터 및 (10+24)개의 비직장 클러스터에 따라 직장 위치 분류기를 트레이닝한다. 랜덤 포레스터 알고리즘 및 GBDT 알고리즘은 데이터 마이닝 기술에서 흔히 쓰이는 두가지 유형의 알고리즘이고, 데이터 마이닝 기술을 기반으로, 여기서 인접 알고리즘(KNN) 또는 서포트벡터머신(Support Vector Machine; SVM) 또는 기타 분류 알고리즘을 통해 분류기를 트레이닝할 수도 있음을 해당 기술분야의 당업자는 자명할 것이다.
기지의 사용자의 클러스터 중의 데이터는 사용자 2-투플이고, 서버에는 사용자의 무선 통신망 주소, 좌표 정보 및 시간 정보의 대응관계가 저장되고, 상응한 설정 위치 분류기의 트레이닝 속성은, 집 위치 분류기의 트레이닝을 예로 들 경우, 임의 한 기지의 사용자에 대해 해당 기지의 사용자의 설정 위치 클러스터(가족 클러스터) 중의 각 무선 통신망 주소가 나타난 일수와 설정된 시간 주기의 비례(예컨대 wifi mac 주소A가 설정된 시간 주기(60일)의 첫날, 6번째 날, 7번째 날에 나타났을 경우, 비례 결과는 3/60임), 해당 기지의 사용자의 설정 위치 클러스터(가족 클러스터) 중의 각 무선 통신망 주소가 낮에 나타난 횟수와 밤에 나타난 횟수의 비례, 해당 기지의 사용자의 설정 위치 클러스터(가족 클러스터) 중의 각 무선 통신망 주소가 하루 내의 적어도 두개의 시간대 중 각 시간대에 나타난 횟수의 비례, 및 각 기지의 사용자의 설정 위치 클러스터(가족 클러스터) 중의 각각의 무선 통신망 주소가 나타난 확률로 산출된 무선 통신망 주소 엔트로피 중의 적어도 하나를 포함한다. 집 위치 분류기의 트레이닝 속성은 기타 속성을 포함할 수도 있으며, 서로 다른 분류기의 트레이닝 속성은 서로 다를 수 있음을 해당 기술분야의 당업자는 자명할 것이며, 이에 대한 상세한 설명은 생략하기로 한다.
설정 위치 뿐만 아니라, nouse로 표기된 클러스터에 대해 분류기 트레이닝을 진행할 수도 있으며, 즉, nouse 분류기를 형성하고, 해당 분류기로 미지의 사용자의 비설정 위치 클러스터를 분류하고 표기할 수 있다.
S250에서, 설정 위치 분류기에서 미지의 사용자의 각각의 클러스터 중의 2-투플에 대해 순차적으로 분류를 진행하여 미지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 표기한다.
상기 동작에서, 집 위치 분류기, 직장 위치 분류기 등과 같은 트레이닝된 설정 위치 분류기에 따라 설정 위치 분류기에서 미지의 사용자의 각각의 클러스터 중의 2-투플에 대해 순차적으로 분류를 진행하여 미지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 표기한다. 미지의 사용자의 클러스터는 제1 클러스터, 제2 클러스터, …, 제i 클러스터, …포함하고, 이러할 경우, 미지의 사용자의 클러스터에 대해 분류 및 표기를 진행한 후, 미지의 사용자의 가족 클러스터, 직장 클러스터 등을 표기할 수 있으며, 즉, 설정 위치 분류기에 따라 미지의 사용자의 설정 위치 클러스터를 표기한다. 여기서, 비설정 위치 분류기에 따라 미지의 사용자의 비설정 위치 클러스터를 표기할 수도 있으며, 예컨대, nouse 분류기에 따라 미지의 사용자의 nouse클러스터를 표기할 수 있다.
S260에서, 미지의 사용자의 설정 위치 클러스터 중에서 가장 많이 나타난 무선 통신망 주소를 찾아 해당 미지의 사용자의 설정 위치 무선 통신망 주소로 확정한다.
상기 동작에서, 각 미지의 사용자의 각각의 클러스터를 표기한 후, 임의 한 사용자에 대해, 가족 클러스터, 직장 클러스터 및 기타 클러스터를 예로 들면, 해당 가족 클러스터 중에서 가장 많이 나타난 무선 통신망 주소를 해당 미지의 사용자의 가정 무선 통신망 주소로 확정하고, 해당 직장 클러스터 중에서 가장 많이 나타난 무선 통신망 주소를 해당 미지의 사용자의 직장 무선 통신망 주소로 확정한다. 이로써, 미지의 사용자의 설정 위치 클러스터 중에서 가장 많이 나타난 무선 통신망 주소를 찾아 해당 미지의 사용자의 설정 위치 무선 통신망 주소로 확정한다.
또한, 해당 미지의 사용자의 가족 클러스터 중에서 가장 많이 나타난 동일한 좌표 정보 또는 가족 클러스터의 중심 좌표를 해당 미지의 사용자의 집 위치로 확정하고, 해당 미지의 사용자의 직장 클러스터 중에서 가장 많이 나타난 동일한 좌표 정보 또는 직장 클러스터의 중심 좌표를 해당 미지의 사용자의 직장 위치 위치로 확정할 수도 있다. 클러스터 중의 기타 데이터를 통해 미지의 사용자의 설정 위치를 확정할 수도 있으며, 예컨대 해당 미지의 사용자의 가족 클러스터의 한정 범위를 해당 미지의 사용자의 집 위치 범위로 확정하고, 해당 미지의 사용자의 직장 클러스터의 한정 범위를 해당 미지의 사용자의 직장 위치 위치로 확정할 수 있음을 해당 기술분야의 당업자는 자명할 수 있을 것이다.
S270에서, 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기한다.
상기 동작에서, 사용자 관계의 표기에 대해, 예컨대 동일한 가정 무선 통신망 주소를 공유하는 적어도 두 사용자를 가족 관계 또는 친구 관계로 표기할 수 있으며, 즉, 동일한 가정 라우터를 공유하는 적어도 두 사용자는 가족 또는 친구 관계이다. 예컨대 동일한 직장 무선 통신망 주소를 공유하는 적어도 두 사용자를 동료 관계 또는 친구 관계로 표기할 수 있으며, 즉, 동일한 직장 위치 라우터를 공유하는 적어도 두 사용자는 동료 관계이다. 동일한 가정 무선 통신망 주소를 공유하지 않고, 또한 동일한 직장 무선 통신망 주소 등도 공유하지 않는 적어도 두 사용자는 낯선 관계로 표기한다.
S220에서 미지의 사용자 2-투플 데이터 집합을 구축하는 동작 및 S230에서 밀도 클러스터링 알고리즘을 기반으로 미지의 사용자 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 미지의 사용자의 클러스터를 형성하는 동작은 S240 이후에 실행하는 것으로 선택할 수도 있다.
본 실시예에서 제공하는 사용자 관계 식별 방법은, 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보에 따라 각 미지의 사용자 2-투플 데이터 집합 및 각 기지의 사용자 2-투플 데이터 집합을 구축하고, 밀도 클러스터링 알고리즘을 기반으로 각 미지의 사용자의 클러스터 및 각 기지의 사용자의 설정 위치 클러스터를 형성하고, GBDT 등 데이터 마이닝 기술을 이용하여 각 기지의 사용자의 클러스터에 따라 설정 위치 분류기를 트레이닝하여 각 미지의 사용자의 설정 위치 클러스터를 표기하고, 미지의 사용자의 설정 위치 클러스터로부터 그의 설정 위치 무선 통신망 주소를 확정하고 적어도 두 사용자 간의 관계를 표기한다. 해당 기술적 방안은 사용자 단말기 네트워킹의 정보를 기반으로 분류기 트레이닝 및 데이터 마이닝 기술을 통해 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하여 사용자 간의 관계를 표기함으로써, 사용자 간의 가족, 친구 및 동료 등 관계를 정확하게 구분할 수 있다. 해당 기술적 방안을 이용함으로써, 사용자 단말기 주소록을 추출할 필요가 없이 사용자 간의 관계를 정확하게 표기할 수 있으므로, 모바일 인터넷의 상업적 프로모션에서 지인들끼리 협동하여 부정행위로 부당한 경제적 이익을 취득하여 프로모션 비용의 손실을 초래하는 문제를 해결함으로써, 인터넷 프로모션의 효과를 향상시킨다.
제3 실시예
도3에 도시된 바와 같이, 도3은 본 개시의 제3 실시예에서 제공하는 사용자 관계의 식별 장치의 개략도이다. 본 실시예의 기술적 방안은 사용자 단말기 네트워킹의 무선 통신망 정보를 기반으로 사용자 집, 직장 위치 등 설정 위치 정보를 마이닝하는 경우에 적용될 수 있으며, 각 사용자 간의 관계를 식별하고자 하는 경우에 적용될 수도 있다. 해당 장치는 사용자 관계의 식별 방법을 실행할 수 있으며, 서버에 설정될 수 있다.
본 실시예에서 제공하는 사용자 관계의 식별 장치는, 네트워킹 정보 획득 모듈(310), 분류기 트레이닝 모듈(320), 통신망 주소 확정 모듈(330) 및 사용자 관계 표기 모듈(340)을 포함한다.
여기서, 네트워킹 정보 획득 모듈(310)은 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득하도록 구성되고; 분류기 트레이닝 모듈(320)은 설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하도록 구성되고; 통신망 주소 확정 모듈(330)은 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하도록 구성되고; 사용자 관계 표기 모듈(340)은 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기하도록 구성된다.
선택적으로, 사용자 관계의 식별 장치는 데이터 집합 구축 모듈(350) 및 데이터 집합 클러스터링 모듈(360)을 더 포함한다.
여기서, 데이터 집합 구축 모듈(350)은 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득한 후, 각 미지의 사용자 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축하고, 설정된 시간 주기 내의 각 기지의 사용자 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축하도록 구성되고; 데이터 집합 클러스터링 모듈(360)은 밀도 클러스터링 알고리즘을 기반으로 미지의 사용자의 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 미지의 사용자의 제1 클러스터, 제2 클러스터, …, 제i 클러스터, …를 형성하되, 여기서, i는 양의 정수이고, 밀도 클러스터링 알고리즘을 기반으로 기지의 사용자의 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 형성하도록 구성된다.
선택적으로, 분류기 트레이닝 모듈(320)은 구체적으로, 랜덤 포레스터 알고리즘 또는 그라디언트 부스팅 의사결정 트리 알고리즘을 이용하여 각 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터에 따라 설정 위치 분류기를 트레이닝한다.
선택적으로, 네트워킹 정보 획득 모듈(310)은 또한 각 사용자 단말기 네트워킹의 시간 정보를 획득하며; 따라서, 설정 위치 분류기의 트레이닝 속성은,
기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 나타난 일수와 설정된 시간 주기의 비례; 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 낮에 나타난 횟수와 밤에 나타난 횟수의 비례; 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 하루 내의 적어도 두개의 시간대 중 각 시간대에 나타난 횟수의 비례; 각 기지의 사용자의 설정 위치 클러스터 중의 각각의 무선 통신망 주소가 나타난 확률로 산출된 무선 통신망 주소 엔트로피 중의 적어도 하나를 포함한다.
선택적으로, 통신망 주소 확정 모듈(330)은, 클러스터 표기 유닛(331) 및 통신망 주소 조회 유닛(332)을 포함한다.
여기서, 클러스터 표기 유닛(331)은 설정 위치 분류기에서 미지의 사용자의 각각의 클러스터 중의 2-투플에 대해 순차적으로 분류를 진행하여 미지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 표기하도록 구성되고; 통신망 주소 조회 유닛(332)은 미지의 사용자의 설정 위치 클러스터 중에서 가장 많이 나타난 무선 통신망 주소를 찾아 해당 미지의 사용자의 설정 위치 무선 통신망 주소로 확정하도록 구성된다.
본 실시예에서 제공하는 사용자 관계 식별 장치는, 사용자 단말기 네트워킹의 정보를 기반으로 분류기 트레이닝 및 데이터 마이닝 기술을 통해 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하여 사용자 간의 관계를 표기함으로써, 사용자 간의 가족, 친구 및 동료 등 관계를 정확하게 구분할 수 있다. 해당 기술적 방안을 이용함으로써, 사용자 단말기 주소록을 추출할 필요가 없이 사용자 간의 관계를 정확하게 표기할 수 있으므로, 모바일 인터넷의 상업적 프로모션에서 지인들끼리 협동하여 부정행위로 부당한 경제적 이익을 취득하여 프로모션 비용의 손실을 초래하는 문제를 해결함으로써, 인터넷 프로모션의 효과를 향상시킨다.
제4 실시예
본 개시는 하나 또는 다수의 컴퓨터 실행 가능한 명령어를 포함하는 저장 매체를 제공하며, 상기 컴퓨터 실행 가능한 명령어는 컴퓨터 프로세서에 의해 실행될 경우 사용자 관계의 식별 방법을 실행하며, 상기 방법은,
각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득하는 단계;
설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하는 단계;
상기 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하는 단계; 및
상기 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기하는 단계;를 포함한다.
상술한 저장 매체가 상기 방법을 실행할 경우, 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득한 후,
각 미지의 사용자 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축하고, 설정된 시간 주기 내의 각 기지의 사용자 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축하는 단계;
밀도 클러스터링 알고리즘을 기반으로 상기 미지의 사용자 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 미지의 사용자의 제1 클러스터, 제2 클러스터, …, 제i 클러스터, …를 형성하되, 여기서, i는 양의 정수인 단계;
밀도 클러스터링 알고리즘을 기반으로 상기 기지의 사용자 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 형성하는 단계를 더 포함할 수 있다.
상술한 저장 매체가 상기 방법을 실행할 경우, 설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하는 단계는 구체적으로,
랜덤 포레스터 알고리즘 또는 그라디언트 부스팅 의사결정 트리 알고리즘을 이용하여 상기 각 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터에 따라 설정 위치 분류기를 트레이닝하는 단계를 더 포함할 수 있다.
상술한 저장 매체가 상기 방법을 실행할 경우, 각 사용자 단말기 네트워킹의 시간 정보를 획득하는 단계를 더 포함하며; 따라서, 상기 설정 위치 분류기의 트레이닝 속성은,
상기 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 나타난 일수와 상기 설정된 시간 주기의 비례;
상기 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 낮에 나타난 횟수와 밤에 나타난 횟수의 비례;
상기 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 하루 내의 적어도 두개의 시간대 중 각 시간대에 나타난 횟수의 비례; 및
상기 각 기지의 사용자의 설정 위치 클러스터 중의 각각의 무선 통신망 주소가 나타난 확률로 산출된 무선 통신망 주소 엔트로피; 중 적어도 하나를 포함한다.
상술한 저장 매체가 상기 방법을 실행할 경우, 상기 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하는 단계는 구체적으로,
상기 설정 위치 분류기에서 상기 미지의 사용자의 각각의 클러스터 중의 2-투플에 대해 순차적으로 분류를 진행하여 상기 미지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 표기하는 단계; 및
상기 미지의 사용자의 설정 위치 클러스터 중에서 가장 많이 나타난 무선 통신망 주소를 찾아 해당 미지의 사용자의 설정 위치 무선 통신망 주소로 확정하는 단계를 더 포함할 수 있다.
제5 실시예
도4는 본 개시의 제5 실시예에서 제공하는 사용자 관계의 식별 방법을 실행하는 서버 하드웨어 구조의 개략도이다. 도4를 참조하면, 해당 서버는,
하나 또는 다수의 프로세서(410)(도4에서 하나의 프로세서(410)를 예로 듬);
저장 장치(420); 및
하나 또는 다수의 모듈;을 포함한다.
상기 서버는 입력 장치(430)를 더 포함할 수 있다. 상기 서버 중의 프로세서(410), 저장 장치(420) 및 입력 장치(430)는 버스로 연결되거나 기타 방식으로 연결될 수 있으며, 도4에서는 버스로 연결된 것을 예로 든다.
저장 장치(420)는 컴퓨터 판독 가능한 저장 매체로서, 소프트웨어 프로그램, 컴퓨터 실행 가능한 명령어 및 모듈을 저장할 수 있으며, 예컨대 본 개시의 실시예 중의 사용자 관계의 식별 방법에 대응되는 프로그램 명령어/모듈(예를 들면, 도3에 도시된 사용자 관계의 식별 장치 중의 네트워킹 정보 획득 모듈(310), 분류기 트레이닝 모듈(320), 통신망 주소 확정 모듈(330) 및 사용자 관계 표기 모듈(340))을 저장할 수 있다. 프로세서(410)는 저장 장치(420)에 저장된 소프트웨어 프로그램, 명령어 및 모듈을 실행하여 서버의 각종 기능 응용 및 데이터 처리를 실행하며, 즉, 상술한 방법 실시예 중의 사용자 관계의 식별 방법을 실현한다.
저장 장치(420)는 프로그램 저장 영역 및 데이터 저장 영역을 포함할 수 있으며, 여기서, 프로그램 저장 영역은 운영 체제, 적어도 하나의 기능에 필요한 애플리케이션을 저장할 수 있으며, 데이터 저장 영역은 서버의 이용에 따라 작성되는 데이터 등을 저장할 수 있다. 또한, 저장 장치(420)는 고속 랜덤 액세스 저장 장치를 포함할 수 있으며, 비 휘발성 저장 장치를 포함할 수도 있으며, 예를 들어, 적어도 하나의 자기 디스크 저장 장치, 플래시 저장 장치 또는 기타 비 휘발성 솔리드 저장 장치를 포함할 수 있다. 일부 예시에 있어서, 저장 장치(420)는 프로세서(410)에 대해 원격으로 설치된 저장 장치를 더 포함할 수 있으며, 이러한 원격 저장 장치는 통신망을 통해 서버에 연결될 수 있다. 상기 통신망의 예시는 인터넷, 인트라넷, 근거리 통신망, 이동 통신망 및 이들의 조합을 포함하나, 이에 한정되지 않는다.
입력 장치(430)는 입력된 무선 통신망 주소 및 좌표 정보를 수신하도록 구성된다.
상기 하나 또는 다수의 모듈은 상기 저장 장치(420)에 저장되며, 상기 하나 또는 다수의 프로세서(410)에 의해 실행될 경우,
각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득하는 동작;
설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하는 동작;
상기 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하는 동작; 및
상기 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기하는 동작;을 실행한다.
나아가, 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득한 후,
각 미지의 사용자 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축하고, 설정된 시간 주기 내의 각 기지의 사용자 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축하는 동작;
밀도 클러스터링 알고리즘을 기반으로 상기 미지의 사용자 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 미지의 사용자의 제1 클러스터, 제2 클러스터, …, 제i 클러스터, …를 형성하되, 여기서, i는 양의 정수인 동작; 및
밀도 클러스터링 알고리즘을 기반으로 상기 기지의 사용자 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 형성하는 동작;을 더 포함한다.
나아가, 설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하는 동작은,
랜덤 포레스터 알고리즘 또는 그라디언트 부스팅 의사결정 트리 알고리즘을 이용하여 상기 각 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터에 따라 설정 위치 분류기를 트레이닝하는 동작을 더 포함한다.
나아가, 각 사용자 단말기 네트워킹의 시간 정보를 획득하는 동작을 더 포함하고; 따라서, 상기 설정 위치 분류기의 트레이닝 속성은,
상기 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 나타난 일수와 상기 설정된 시간 주기의 비례;
상기 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 낮에 나타난 횟수와 밤에 나타난 횟수의 비례;
상기 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 하루 내의 적어도 두개의 시간대 중 각 시간대에 나타난 횟수의 비례; 및
상기 각 기지의 사용자의 설정 위치 클러스터 중의 각각의 무선 통신망 주소가 나타난 확률로 산출된 무선 통신망 주소 엔트로피; 중 적어도 하나를 포함한다.
나아가, 상기 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하는 동작은,
상기 설정 위치 분류기에서 상기 미지의 사용자의 각각의 클러스터 중의 2-투플에 대해 순차적으로 분류를 진행하여 상기 미지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 표기하는 동작; 및
상기 미지의 사용자의 설정 위치 클러스터 중에서 가장 많이 나타난 무선 통신망 주소를 찾아 해당 미지의 사용자의 설정 위치 무선 통신망 주소로 확정하는 동작;을 포함한다.
본 개시는 소프트웨어 및 필요할 경우 하드웨어로 실현될 수 있으며, 물론 하드웨어로만 실현될 수도 있으나, 대부분 경우, 전자가 더욱 바람직한 실시예이며, 이러한 이해를 기반으로 본 개시의 기술적 방안은 본질적으로 또는 기존의 기술에 대해 기여될 수 있는 부분은 소프트웨어 제품의 형식으로 구현할 수 있으며, 컴퓨터 제품은 자기 디스크, 콤팩트디스크, 판독 전용 기억 장치(Read-Only Memory, ROM) 또는 랜덤 액세스 기억 장치(Random Access Memory, RAM) 등과 같은 컴퓨터 판독 가능한 저장 매체에 저장될 수 있으며, 다수의 명령어를 포함하여 하나의 컴퓨터 장치(개인 컴퓨터, 서버 또는 네트워크 장치 등일 수 있음)로 하여금 본 개시의 각 실시예 중의 상기 방법들을 실행하도록 할 수 있음을 해당 기술분야의 당업자들은 상술한 실시예들에 관한 설명을 통해 명확히 이해할 것이다.
상술한 사용자 관계의 식별 장치의 실시예에 있어서, 포함된 각 유닛 및 모듈은 오직 기능적 로직에 따라 구분된 것이나, 이는 상술한 구분에 한정되지 않으며, 상응한 기능을 실현할 수만 있으면 되고, 또한, 각 기능 유닛의 구체적인 명칭도 오직 상호 구분의 편리를 위한것이며, 본 개시의 보호 범위를 한정하기 위한 것은 아니다.
이상의 설명은 본 개시의 구체적인 실시예 및 이용하는 기술 원리일 뿐, 본 개시의 보호 범위를 상기 기재된 특정 실시예로 한정하지 않음을 해당 기술 분야에서의 당업자는 자명할 것이며, 해당 기술분야의 당업자는 본 개시의 보호 범위를 벗어나지 않으면서 이에 대한 각종 확연한 변경, 재조정 및 대체를 진행할 수 있음을 유의하여야 한다. 따라서, 이상의 실시예들로 본 개시에 대해 비교적 상세한 설명을 진행하였으나, 본 개시는 오직 이상의 실시예들에 한정되는 것이 아니라, 본 개시의 원리를 위배하지 않는 한, 더 많은 기타 균등한 실시예들을 더 포함할 수 있으며, 본 개시의 보호 범위는 첨부된 청구범위의 보호 범위로 정의된다.

Claims (12)

  1. 사용자 관계의 식별 방법에 있어서,
    네트워킹 정보 획득 모듈이 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득하는 단계;
    분류기 트레이닝 모듈이 설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하는 단계;
    통신망 주소 확정 모듈이 상기 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하는 단계; 및
    사용자 관계 표기 모듈이 상기 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기하는 단계;를 포함하며,

    상기 네트워킹 정보 획득 모듈이 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득한 후,
    데이터 집합 구축 모듈이 각 미지의 사용자 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축하고, 설정된 시간 주기 내의 각 기지의 사용자 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축하는 단계;
    데이터 집합 클러스터링 모듈이 밀도 클러스터링 알고리즘을 기반으로 상기 미지의 사용자 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 미지의 사용자의 제1 클러스터, 제2 클러스터, …, 제i 클러스터, …를 형성하되, 여기서, i는 양의 정수인 단계; 및
    데이터 집합 클러스터링 모듈이 밀도 클러스터링 알고리즘을 기반으로 상기 기지의 사용자 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 형성하는 단계; 를 더 포함하며,

    상기 분류기 트레이닝 모듈이 설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하는 단계는,
    랜덤 포레스터 알고리즘 또는 그라디언트 부스팅 의사결정 트리 알고리즘을 이용하여 상기 각 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터에 따라 설정 위치 분류기를 트레이닝하는 단계를 포함하고,

    상기 밀도 클러스터링 알고리즘은 충분한 밀도를 구비하는 영역을 클러스터로 분할하며, 노이즈를 구비한 공간 데이터 베이스에서 임의 형상의 클러스터를 발견하고, 클러스터를 밀도가 서로 연결된 포인트의 가장 큰 집합으로 정의하는 것을 특징으로 하는 사용자 관계의 식별 방법.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서,
    상기 네트워킹 정보 획득 모듈이 각 사용자 단말기 네트워킹의 시간 정보를 획득하는 단계;를 더 포함하며, 상기 설정 위치 분류기의 트레이닝 속성은,
    상기 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 나타난 일수와 상기 설정된 시간 주기의 비례;
    상기 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 낮에 나타난 횟수와 밤에 나타난 횟수의 비례;
    상기 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 하루 내의 적어도 두개의 시간대 중 각 시간대에 나타난 횟수의 비례; 및
    상기 각 기지의 사용자의 설정 위치 클러스터 중의 각각의 무선 통신망 주소가 나타난 확률로 산출된 무선 통신망 주소 엔트로피; 중 적어도 하나를 포함하는 것을 특징으로 하는 사용자 관계의 식별 방법.
  5. 제1항에 있어서,
    상기 통신망 주소 확정 모듈이 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하는 단계는,
    상기 설정 위치 분류기에서 상기 미지의 사용자의 각각의 클러스터 중의 2-투플에 대해 순차적으로 분류를 진행하여 상기 미지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 표기하는 단계; 및
    상기 미지의 사용자의 설정 위치 클러스터 중에서 가장 많이 나타난 무선 통신망 주소를 찾아 해당 미지의 사용자의 설정 위치 무선 통신망 주소로 확정하는 단계;를 포함하는 것을 특징으로 하는 사용자 관계의 식별 방법.
  6. 각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득하도록 구성된 네트워킹 정보 획득 모듈;
    설정 위치 좌표가 알려진 각 기지의 사용자의 무선 통신망 주소 및 좌표 정보에 따라 설정 위치 분류기를 트레이닝하도록 구성된 분류기 트레이닝 모듈;
    상기 설정 위치 분류기에 따라 설정 위치 좌표가 미지인 각 미지의 사용자의 설정 위치 무선 통신망 주소를 확정하도록 구성된 통신망 주소 확정 모듈; 및
    상기 설정 위치 무선 통신망 주소의 공유 관계에 따라 적어도 두 사용자 간의 관계를 표기하도록 구성된 사용자 관계 표기 모듈;을 포함하며,

    각 사용자 단말기 네트워킹의 무선 통신망 주소 및 좌표 정보를 획득한 후, 각 미지의 사용자의 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축하고, 설정된 시간 주기 내의 각 기지의 사용자의 2-투플<(x좌표, y좌표), 무선 통신망 주소>의 데이터 집합을 구축하도록 구성된 데이터 집합 구축 모듈; 및
    밀도 클러스터링 알고리즘을 기반으로 상기 미지의 사용자의 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 미지의 사용자의 제1 클러스터, 제2 클러스터, …, 제i 클러스터, …를 형성하되, i는 양의 정수이고; 밀도 클러스터링 알고리즘을 기반으로 상기 기지의 사용자의 2-투플 데이터 집합 중의 사용자 위치에 대해 클러스터링을 진행하여 해당 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 형성되도록 구성된 데이터 집합 클러스터링 모듈;을 더 포함하고,

    상기 분류기 트레이닝 모듈은 구체적으로,
    랜덤 포레스터 알고리즘 또는 그라디언트 부스팅 의사결정 트리 알고리즘을 이용하여 상기 각 기지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터에 따라 설정 위치 분류기를 트레이닝하며,

    상기 밀도 클러스터링 알고리즘은 충분한 밀도를 구비하는 영역을 클러스터로 분할하며, 노이즈를 구비한 공간 데이터 베이스에서 임의 형상의 클러스터를 발견하고, 클러스터를 밀도가 서로 연결된 포인트의 가장 큰 집합으로 정의하는 것을 특징으로 하는 사용자 관계의 식별 장치.
  7. 삭제
  8. 삭제
  9. 제6항에 있어서,
    상기 네트워킹 정보 획득 모듈은 각 사용자 단말기 네트워킹의 시간 정보를 획득하도록 더 구성되고, 상기 설정 위치 분류기의 트레이닝 속성은,
    상기 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 나타난 일수와 상기 설정된 시간 주기의 비례;
    상기 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 낮에 나타난 횟수와 밤에 나타난 횟수의 비례;
    상기 기지의 사용자의 설정 위치 클러스터 중의 각 무선 통신망 주소가 하루 내의 적어도 두개의 시간대 중 각 시간대에 나타난 횟수의 비례; 및
    상기 각 기지의 사용자의 설정 위치 클러스터 중의 각각의 무선 통신망 주소가 나타난 확률로 산출된 무선 통신망 주소 엔트로피; 중 적어도 하나를 포함하는 것을 특징으로 하는 사용자 관계의 식별 장치.
  10. 제6항에 있어서,
    상기 통신망 주소 확정 모듈은,
    상기 설정 위치 분류기에서 상기 미지의 사용자의 각각의 클러스터 중의 2-투플에 대해 순차적으로 분류를 진행하여 상기 미지의 사용자의 설정 위치 클러스터 및 비설정 위치 클러스터를 표기하도록 구성된 클러스터 표기 유닛; 및
    상기 미지의 사용자의 설정 위치 클러스터 중에서 가장 많이 나타난 무선 통신망 주소를 찾아 해당 미지의 사용자의 설정 위치 무선 통신망 주소로 확정하도록 구성된 통신망 주소 조회 유닛;을 포함하는 것을 특징으로 하는 사용자 관계의 식별 장치.
  11. 삭제
  12. 삭제
KR1020187010502A 2015-09-30 2015-12-25 사용자 관계의 식별 방법, 장치, 저장 매체 및 서버 KR102089026B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201510639155.4A CN106557942B (zh) 2015-09-30 2015-09-30 一种用户关系的识别方法和装置
CN201510639155.4 2015-09-30
PCT/CN2015/099010 WO2017054343A1 (zh) 2015-09-30 2015-12-25 一种用户关系的识别方法、装置、存储介质及服务器

Publications (2)

Publication Number Publication Date
KR20180054706A KR20180054706A (ko) 2018-05-24
KR102089026B1 true KR102089026B1 (ko) 2020-03-16

Family

ID=58417530

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187010502A KR102089026B1 (ko) 2015-09-30 2015-12-25 사용자 관계의 식별 방법, 장치, 저장 매체 및 서버

Country Status (6)

Country Link
US (1) US10827012B2 (ko)
EP (1) EP3349165A4 (ko)
JP (1) JP6499377B2 (ko)
KR (1) KR102089026B1 (ko)
CN (1) CN106557942B (ko)
WO (1) WO2017054343A1 (ko)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6662934B2 (ja) * 2018-03-07 2020-03-11 本田技研工業株式会社 判定装置、判定システム及び判定方法
CN108627798B (zh) * 2018-04-04 2022-03-11 北京工业大学 基于线性判别分析和梯度提升树的wlan室内定位算法
CN110166344B (zh) * 2018-04-25 2021-08-24 腾讯科技（深圳）有限公司 一种身份标识识别方法、装置以及相关设备
CN110598122B (zh) * 2018-06-13 2022-04-01 百度在线网络技术（北京）有限公司 社交群体挖掘方法、装置、设备及存储介质
CN110677446A (zh) * 2018-07-03 2020-01-10 中移（杭州）信息技术有限公司 一种家庭群组用户的识别方法及装置
CN109446276B (zh) * 2018-09-19 2024-02-02 平安科技（深圳）有限公司 基于关系数据模型的订单拦截方法、装置、设备及介质
CN111126653B (zh) * 2018-11-01 2022-06-17 百度在线网络技术（北京）有限公司 用户职住地预测方法、装置及存储介质
CN111263300A (zh) * 2018-11-30 2020-06-09 北京嘀嘀无限科技发展有限公司 无线网络的类别确定方法、装置、电子设备及存储介质
CN111291914A (zh) * 2018-12-06 2020-06-16 北京嘀嘀无限科技发展有限公司 一种群体聚集场景的预测方法、装置、设备及存储介质
CN111314102A (zh) * 2018-12-11 2020-06-19 北京嘀嘀无限科技发展有限公司 群组识别方法、装置、电子设备及计算机可读存储介质
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***
CN109978704A (zh) * 2019-02-26 2019-07-05 上海晶赞企业管理咨询有限公司 人际关系网络的建立方法及装置、存储介质、终端
CN110266756B (zh) * 2019-05-10 2021-12-28 秒针信息技术有限公司 一种资讯推送方法及装置
CN110533500A (zh) * 2019-07-30 2019-12-03 平安科技（深圳）有限公司 用户识别方法、装置、计算机设备及存储介质
CN111182474B (zh) * 2019-08-08 2021-08-13 腾讯科技（深圳）有限公司 一种确定社交关系的方法以及相关装置
CN111198972B (zh) * 2019-12-30 2023-05-09 中国联合网络通信集团有限公司 用户职住地识别方法、装置、控制设备及存储介质
CN113378073B (zh) * 2020-03-10 2023-04-07 ***通信集团湖南有限公司 用户关系的识别方法及装置
CN111814067B (zh) * 2020-06-30 2024-03-15 北京百度网讯科技有限公司 好友推荐方法、装置、设备及存储介质
CN112566093B (zh) * 2020-11-13 2022-02-01 腾讯科技（深圳）有限公司 一种终端关系识别方法、装置、计算机设备及存储介质
CN112989221B (zh) * 2021-02-18 2022-09-23 支付宝(杭州)信息技术有限公司 基于位置的家庭关系分析方法及装置
CN117573951B (zh) * 2024-01-16 2024-04-12 每日互动股份有限公司 一种目标用户筛选方法、装置、介质及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014082580A (ja) 2012-10-15 2014-05-08 Hitachi Solutions Ltd ガイド情報配信システム
JP2014182609A (ja) * 2013-03-19 2014-09-29 Univ Of Tokyo 分類器構築装置、分類装置、分類器構築方法、分類方法及びプログラム
JP2015528265A (ja) * 2012-08-09 2015-09-24 タタ コンサルタンシー サービシズ リミテッドＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ 一箇所における人々の混雑さを測定するシステム及び方法

Family Cites Families (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9392406B2 (en) * 2005-02-03 2016-07-12 Trueposition, Inc. Method and system for location-based monitoring of a mobile device
US20140230030A1 (en) * 2006-11-22 2014-08-14 Raj Abhyanker Method and apparatus for geo-spatial and social relationship analysis
JP2009129338A (ja) * 2007-11-27 2009-06-11 Sony Corp 対人関係評価装置、対人関係評価方法、対人関係評価システム、端末装置
US20090307263A1 (en) * 2008-06-06 2009-12-10 Sense Networks, Inc. System And Method Of Performing Location Analytics
US8509734B1 (en) * 2008-06-26 2013-08-13 Amazon Technologies, Inc. Location aware transaction authorization
WO2010001483A1 (ja) * 2008-07-04 2010-01-07 パイオニア株式会社 関係推定装置及び方法
JP5129187B2 (ja) * 2009-03-30 2013-01-23 株式会社ゼンリンデータコム 属性特定システムおよび属性特定方法
US8750850B2 (en) * 2010-01-18 2014-06-10 Qualcomm Incorporated Context-aware mobile incorporating presence of other mobiles into context
US9681359B2 (en) * 2010-03-23 2017-06-13 Amazon Technologies, Inc. Transaction completion based on geolocation arrival
CA2800184C (en) * 2010-05-25 2019-03-19 Headwater Partners I Llc System and method for wireless network offloading
CN102541886B (zh) * 2010-12-20 2015-04-01 郝敬涛 一种识别用户群和用户之间关系的***和方法
US9576284B2 (en) * 2011-09-29 2017-02-21 Paypal, Inc. Social proximity payments
US20140136333A1 (en) * 2012-11-15 2014-05-15 Microsoft Corporation Cross Device Identity Generator
US20150149091A1 (en) * 2013-11-25 2015-05-28 PlaceIQ, Inc. Apparatus and Method for Determining the Quality or Accuracy of Reported Locations
US9589280B2 (en) * 2013-07-17 2017-03-07 PlaceIQ, Inc. Matching anonymized user identifiers across differently anonymized data sets
US9635116B2 (en) * 2013-04-26 2017-04-25 Linkedin Corporation Techniques for inferring a location
US10419317B2 (en) * 2013-09-16 2019-09-17 Microsoft Technology Licensing, Llc Identifying and targeting devices based on network service subscriptions
CN104636382B (zh) 2013-11-13 2018-03-06 华为技术有限公司 推理社会关系的方法及装置
JP6008882B2 (ja) * 2014-01-14 2016-10-19 三菱電機株式会社 人物関係分析システム、人物関係分析方法、及びプログラム
US20160358214A1 (en) 2014-02-21 2016-12-08 Open Garden Inc Passive social networking using location
CN104602183A (zh) * 2014-04-22 2015-05-06 腾讯科技（深圳）有限公司 群组定位方法和***
CN104615608B (zh) 2014-04-28 2018-05-15 腾讯科技（深圳）有限公司 一种数据挖掘处理***及方法
CN104636439B (zh) * 2015-01-04 2018-07-03 中国联合网络通信集团有限公司 一种分析用户社会关系的方法及装置
US10036638B2 (en) * 2016-06-07 2018-07-31 NinthDecimal, Inc. Systems and methods of tracking locations visited by mobile devices residing within a predetermined activity area to quantify a change
US10327094B2 (en) * 2016-06-07 2019-06-18 NinthDecimal, Inc. Systems and methods to track locations visited by mobile devices and determine neighbors of and distances among locations
CN104869638B (zh) * 2015-05-28 2018-04-13 北京嘀嘀无限科技发展有限公司 Gps坐标作弊的检测方法及装置
US10037374B2 (en) * 2015-01-30 2018-07-31 Qualcomm Incorporated Measuring semantic and syntactic similarity between grammars according to distance metrics for clustered data
CN104933157A (zh) * 2015-06-26 2015-09-23 百度在线网络技术（北京）有限公司 用于获取用户属性信息的方法、装置及服务器
US20170111364A1 (en) * 2015-10-14 2017-04-20 Uber Technologies, Inc. Determining fraudulent user accounts using contact information
US10455363B2 (en) * 2015-11-04 2019-10-22 xAd, Inc. Systems and methods for using geo-blocks and geo-fences to discover lookalike mobile devices
US9948733B2 (en) * 2016-05-09 2018-04-17 Dstillery, Inc. Evaluating authenticity of geographic data associated with media requests
US9788158B1 (en) * 2016-09-08 2017-10-10 NinthDecimal, Inc. Systems and methods to measure the population of mobile devices in a predefined geographical region
US10205728B2 (en) * 2017-05-19 2019-02-12 Live Nation Entertainment, Inc. Systems and methods for objective-based scoring using machine learning techniques
US10834600B2 (en) * 2017-05-22 2020-11-10 Apple Inc. Managing moving wireless access points in wireless network positioning system
US10510014B2 (en) * 2017-05-31 2019-12-17 Microsoft Technology Licensing, Llc Escalation-compatible processing flows for anti-abuse infrastructures
US10181032B1 (en) * 2017-07-17 2019-01-15 Sift Science, Inc. System and methods for digital account threat detection
EP3477906B1 (en) * 2017-10-26 2021-03-31 Accenture Global Solutions Limited Systems and methods for identifying and mitigating outlier network activity
US20190132352A1 (en) * 2017-10-31 2019-05-02 Microsoft Technology Licensing, Llc Nearline clustering and propagation of entity attributes in anti-abuse infrastructures
US11574204B2 (en) * 2017-12-06 2023-02-07 Accenture Global Solutions Limited Integrity evaluation of unstructured processes using artificial intelligence (AI) techniques

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2015528265A (ja) * 2012-08-09 2015-09-24 タタ コンサルタンシー サービシズ リミテッドＴＡＴＡ Ｃｏｎｓｕｌｔａｎｃｙ Ｓｅｒｖｉｃｅｓ Ｌｉｍｉｔｅｄ 一箇所における人々の混雑さを測定するシステム及び方法
JP2014082580A (ja) 2012-10-15 2014-05-08 Hitachi Solutions Ltd ガイド情報配信システム
JP2014182609A (ja) * 2013-03-19 2014-09-29 Univ Of Tokyo 分類器構築装置、分類装置、分類器構築方法、分類方法及びプログラム

Also Published As

Publication number Publication date
WO2017054343A1 (zh) 2017-04-06
US20180278702A1 (en) 2018-09-27
JP6499377B2 (ja) 2019-04-10
EP3349165A4 (en) 2018-09-05
EP3349165A1 (en) 2018-07-18
CN106557942A (zh) 2017-04-05
JP2018535475A (ja) 2018-11-29
CN106557942B (zh) 2020-07-10
KR20180054706A (ko) 2018-05-24
US10827012B2 (en) 2020-11-03

Similar Documents

Publication Publication Date Title
KR102089026B1 (ko) 사용자 관계의 식별 방법, 장치, 저장 매체 및 서버
US20130212130A1 (en) Zone Oriented Applications, Systems and Methods
CN105721629B (zh) 用户标识匹配方法和装置
CN106790262B (zh) 一种鉴权方法及装置
US10694321B1 (en) Pattern matching in point-of-interest (POI) traffic analysis
CN112602304A (zh) 基于行为属性标识设备类型
CN107995285B (zh) 信息显示方法、装置、服务器及可读存储介质
JP5065470B2 (ja) サーバ、情報管理方法、情報管理プログラム、及びそのプログラムを記録するコンピュータ読み取り可能な記録媒体
CN110298687B (zh) 一种区域吸引力评估方法及设备
US20210217109A1 (en) Method and apparatus of constructing a fused relationship network, electronic device and medium
JP2018531379A (ja) 経路照会方法、装置、デバイス及び不揮発性コンピューター記憶媒体
CN111158828A (zh) 应用程序app的用户界面确定方法及装置、存储介质
CN108876440B (zh) 区域划分方法和服务器
CN109447103B (zh) 一种基于硬聚类算法的大数据分类方法、装置及设备
CN111241350A (zh) 图数据查询方法、装置、计算机设备和存储介质
JP2016149099A (ja) 匿名化処理方法、匿名化処理プログラム、及び匿名化処理装置
US20170052968A1 (en) Analyzing and viewing social interactions based on personal electronic devices
US8655883B1 (en) Automatic detection of similar business updates by using similarity to past rejected updates
JP2015026180A (ja) 通信プログラム、情報処理装置、通信端末装置、通信システム、および通信方法
US11216830B1 (en) Mobile communication device location data analysis supporting build-out decisions
JP5952852B2 (ja) 情報生成装置及び受信装置を備えたシステム
US20160180278A1 (en) Methods and systems for assigning tasks
US10277468B2 (en) Method and system for determining reachability between one or more nodes in a graph
CN110136258B (zh) 一种环境空间标识的确定方法、装置、设备及存储介质
CN110858955B (zh) 一种人群分类方法以及人群分类装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant