CN105095909A - 一种应用于移动网络的用户相似性评估方法及装置 - Google Patents

Abstract

本发明的实施例提供一种应用于移动网络的用户相似性评估方法及装置，涉及通信技术领域，能够有效地评估移动网络的用户相似性。该方法包括：基于用户行为数据，构建用户的特性向量；根据所述特性向量，利用第一预设规则，计算不同用户之间的相似度。

Description

一种应用于移动网络的用户相似性评估方法及装置

技术领域

本发明涉及通信技术领域，尤其涉及一种应用于移动网络的用户相似性评估方法及装置。

背景技术

通常，我们利用聚类分析将看似无序的对象进行分组、归类，以达到更好地理解研究对象的目的。聚类结果要求组内对象相似性较高，组间对象相似性较低。在对于用户的研究中，很多问题可以借助聚类分析来解决，比如，语音业务和数据业务使用情况分类问题、网页的点击行为关联性问题以及用户分类问题等等。

随着移动网络竞争进一步加剧，针对用户的个性化营销和网络精细化管理的趋势愈加明显。用户聚类是移动网络中针对用户的个性化营销和网络精细化管理的基础，而用户相似性又是用户聚类的基础。因此，在移动网络中对用户相似性的评估就变得愈发重要。

在移动网络中，目前还不存在用户相似性评估的相关方式方法，因此，无法利用用户相似性来评估用户群分布，即无法利用用户相似性实现用户聚类，进而根据用户聚类完成针对用户的个性化营销和网络精细化管理。

发明内容

本发明的实施例提供一种应用于移动网络的用户相似性评估方法及装置，解决了目前在移动网络中无法有效进行用户相似性评估的问题。

为达到上述目的，本发明的实施例采用如下技术方案：

本发明实施例提供一种应用于移动网络的用户相似性评估方法，包括：

基于用户行为数据，构建用户的特性向量；

根据所述特性向量，利用第一预设规则，计算不同用户之间的相似度，以便于根据所述相似度进行用户聚类分析，生成至少两类用户群，进而建立移动网络与各类用户群之间的关联关系。

所述方法还包括：

基于至少两个特性向量，计算用户的综合特性向量；

根据所述用户的综合特性向量，利用第二预设规则，计算不同用户之间的综合相似度，以便于根据所述综合相似度进行用户聚类分析。

所述基于至少两个特性向量，计算用户的综合特性向量，包括：

分别计算所述至少两个特性向量的归一化向量；

对每一个特性向量的归一化向量进行加权处理，得到用户的综合特性向量。

所述特性向量为业务特性向量、小区轨迹向量或无线事件向量；

其中，若所述特性向量为所述业务特性向量，则所述相似度为业务相似度；若所述特性向量为小区轨迹向量，则所述相似度为小区轨迹相似度；若所述第一特性向量为无线事件向量，则所述相似度为无线事件相似度。

本发明实施例提供一种用户相似性评估装置，所述装置应用于移动网络，所述装置包括：

构建单元，用于基于用户行为数据，构建用户的特性向量；

计算单元，用于根据所述构建单元构建的所述特性向量，利用第一预设规则，计算不同用户之间的相似度，以便于根据所述相似度进行用户聚类分析，生成至少两类用户群，进而建立移动网络与各类用户群之间的关联关系。

所述计算单元，还用于基于至少两个特性向量，计算用户的综合特性向量，以及还用于根据所述用户的综合特性向量，利用第二预设规则，计算不同用户之间的综合相似度，以便于根据所述综合相似度进行用户聚类分析。

所述计算单元，具体用于分别计算所述至少两个特性向量的归一化向量，以及具体用于对每一个特性向量的归一化向量进行加权处理，得到用户的综合特性向量。

所述特性向量为业务特性向量、小区轨迹向量或无线事件向量；

其中，若所述特性向量为所述业务特性向量，则所述相似度为业务相似度；若所述特性向量为小区轨迹向量，则所述相似度为小区轨迹相似度；若所述第一特性向量为无线事件向量，则所述相似度为无线事件相似度。

本发明实施例提供一种应用于移动网络的用户相似性评估方法及装置，用户相似性评估装置基于用户行为数据，构建用户的特性向量，然后根据该特性向量，利用第一预设规则，计算不同用户之间的相似度，这样可以通过不同用户之间的相似度，形成用户聚类，评估移动网络中某方面的用户群分布情况，进而建立了移动网络与各类用户群之间的关联关系，一方面有利于掌握移动用户群体感知和动向，另一方面有利于掌握移动网络瓶颈区域和潜在问题。

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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的用户相似性评估方法流程示意图一；

图2为本发明实施例的用户相似性评估方法流程示意图二；

图3为本发明实施例的用户相似性评估方法流程示意图三；

图4为本发明实施例的用户相似性评估装置结构示意图。

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，所描述的实施例仅仅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。

另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

当本发明实施例提及“第一”、“第二”等序数词时，除非根据上下文其确实表达顺序之意，否则应当理解为仅仅是起区分之用。

本文中描述的各种技术可用于各种通信系统中，例如全球移动通信系统(GSM，globalsystemformobilecommunications)，码分多址(CDMA，codedivisionmultipleaccess)系统，时分多址(TDMA，timedivisionmultipleaccess)系统，宽带码分多址(WCDMA，widebandcodedivisionmultipleaccesswireless)，频分多址(FDMA，frequencydivisionmultipleaddressing)系统，正交频分多址(OFDMA，orthogonalfrequency-divisionmultipleaccess)系统，单载波FDMA(SC-FDMA)系统，通用分组无线业务(GPRS，generalpacketradioservice)系统，长期演进(LTE，longtermevolution)系统，以及其他此类通信系统。

实施例一

本发明提供一种应用于移动网络的用户相似性评估方法，如图1所示，该方法包括：

S101、用户相似性评估装置基于用户行为数据，构建用户的特性向量。

其中，用户行为数据至少包括该用户的呼叫记录数据和投诉数据。

具体的，投诉数据是指用户投诉其在使用用户设备进行相关业务时发现的某些问题，例如，用户使用其用户设备进行语音业务时发现的信号差、通话语音信号模糊的相关数据，或者用户投诉其在使用用户设备进行分组数据业务时发现的速度慢、无法使用分组数据业务的相关数据。

需要说明的是，本发明实施例中的用户的特性向量为用户相似性评估装置根据实际需求构建的向量，对于该特性向量具体用于表征用户在移动网络中的哪一方面的特征，本发明实施例不做具体限定。

优选的，本发明实施例中的特性向量为用户的业务特性向量、小区轨迹向量或无线事件向量。

其中，本发明实施例中的业务特性向量主要用于表征用户的业务结构；小区轨迹向量用于表征用户在网元的移动轨迹，也就是说，用户需要轨迹小区提供网络资源；无线事件向量表征用户与移动网络交互的事件。

优选的，本发明实施例中使用各类业务作为用户的业务特性向量的变量。其中，业务特性向量的业务变量可以是以服务提供商区分的应用业务，也可以是以业务特性区分的业务分类，本发明实施例对此不做具体限定，其中，业务特性指业务使用时长、业务流量大小或者业务包大小。

为了归一化度量不同业务之间的分布特性，本发明实施例可选择业务使用次数、业务持续时长、业务总流量等作为用户的业务特性变量的统计值。

具体的，假设业务向量包括N_app个变量，全网有N_user个用户，则用户相似性评估装置基于用户行为数据构建用户i的业务特性向量和全网业务矩阵Α分别为：

优选的，本发明实施例中使用用户所在网络的各个小区作为用户的小区轨迹向量的变量。小区轨迹向量的变量的统计量依据应用需求，可采用小区更新次数、驻留时长、业务时长、业务吞吐量等指标来表示。

具体的，假设全网包括N_cell个小区，全网有N_user个用户，则用户相似性评估装置基于用户行为数据构建的用户i的小区轨迹向量和全网轨迹矩阵Β为：

可选的，本发明实施例中的无线事件可以是用户相似性评估装置依据应用需求筛选特定事件，如接入失败、掉话、切换失败等异常事件，也可以是用户相似性评估装置依据应用需求选择周期性位置区更新、注册、1A、1B、A1、B1等常规事件，还可以是用户相似性评估装置依据应用需求选择自定义事件，如弱覆盖、干扰、过远接入等，本发明实施例对此不做具体限定。

优选的，本发明实施例中的无线事件向量的变量为各无线事件，无线事件向量的变量的统计量采用无线事件发生的次数。

具体的，假设待考察无线事件有N_event种，全网有N_user个用户，则用户相似性评估装置基于用户行为数据构建的用户i的无线事件向量和全网无线时间矩阵Ε为：

S102、用户相似性评估装置根据特性向量，利用第一预设规则，计算不同用户之间的相似度。

用户相似性评估装置在构建用户的特性向量后，计算不同用户之间在特性向量的相似度，以便于根据相似度进行用户聚类分析，生成至少两类用户群，进而建立移动网络与各类用户群之间的关联关系。

具体的，若特性向量为业务特性向量，则相似度为业务相似度；若特性向量为小区轨迹向量，则相似度为小区轨迹相似度；若第一特性向量为无线事件向量，则相似度为无线事件相似度。

其中，本发明实施例中的第一预设规则可以为夹角余弦法，也可以为相关系数法，还可以为广义Jaccard系数法，本发明实施例不做限定。

优选的，本发明实施例中用户相似性评估装置根据用户的特性向量，利用夹角余弦法，计算不同用户之间的相似度。

示例性的，用户相似性评估装置计算用户i和用户j的业务相似度为：

用户相似性评估装置计算用户i和用户j的小区轨迹相似度为：

用户相似性评估装置计算用户i和用户j的无线事件相似度为：

由上可知，采用本发明实施例提供的用户相似性的评估方法，可以得到不同用户在移动网络中某一方面的相似度，即可以得到移动网络中某一方面的用户群体的分布情况，这样就建立了移动网络与各类用户群之间的关系，对针对用户的个性化营销和网络精细化管理起到了积极作用。

示例性的，若采用本发明实施例提供的方法确定了不同用户之间的业务相似度，即根据业务特性确定了用户群体，则可以基于用户群体的业务相似度，针对各类业务行为特征，对该用户群体进行个性化推荐，假设使用本发明实施例提供的方法得到低语音高数据业务特征的用户群体A，则适当推荐数据包业务给用户群体A，以满足其对数据业务的需求。

若采用本发明实施例提供的方法，确定了基于用户群体的小区轨迹，则可以查找热点小区轨迹，细化网络资源投放和网络邻区关系；若采用本发明实施例提供的方法，确定了基于用户群体的无线事件相似性，则可以聚类不同特征用户群体，进而针对用户数量大的群体，查找关键异常事件，针对性解决网络问题。

本发明实施例提供一种应用于移动网络的用户相似性评估方法，用户相似性评估装置基于用户行为数据，构建用户的特性向量，然后根据该特性向量，利用第一预设规则，计算不同用户之间的相似度，这样可以通过用户相似度，形成用户聚类，评估移动网络中某方面的用户群分布情况，进而建立了移动网络与各类用户群之间的关联关系，一方面有利于掌握移动用户群体感知和动向，另一方面有利于掌握移动网络瓶颈区域和潜在问题。

实施例二

本发明提供一种应用于移动网络的用户相似性评估方法，如图2所示，该方法包括：

S201、用户相似性评估装置基于用户行为数据，构建用户的特性向量。

S202、用户相似性评估装置根据特性向量，利用第一预设规则，计算不同用户之间的相似度。

S203、用户相似性评估装置基于至少两个特性向量，计算用户的综合特性向量。

S204、用户相似性评估装置根据用户的综合特性向量，利用第二预设规则，计算不同用户之间的综合相似度。

其中，S201与实施例一中的S101相同，S202与实施例一中的S102相同，因此，这里不再对S201和S202做详细解释。

在需要对整网用户的相似性进行判断时，用户相似性评估装置先基于至少两个特性向量计算用户的综合特性向量，然后根据用户的综合特性向量计算不同用户之间的综合相似度。

具体的，用户相似性评估装置采用下述方法计算用户的综合特性向量：

(1)、用户相似性评估装置分别计算至少两个特性向量的归一化向量。

优选的，用户相似性评估装置分别计算业务特性向量的归一化向量、小区轨迹向量的归一化向量和无线事件向量的归一化向量。

具体的，业务特性向量的归一化向量、小区轨迹向量的归一化向量和无线事件向量的归一化向量分别为：

其中，为用户i的业务特性向量，为的模长，为用户i的小区轨迹向量，为的模长，为用户i的无线事件向量，为的模长。

(2)、用户相似性评估装置对每一个特性向量的归一化向量进行加权处理，得到用户的综合特性向量。

需要说明的是，本发明实施例中的用户相似性评估装置采用现有的任意一种加权方法对每一个特性向量的归一化向量进行加权处理，得到用户的综合特性向量，本发明对此并不做具体限定。

优选的，用户相似性评估装置对业务特性向量的归一化向量、小区轨迹向量的归一化向量和无线事件向量的归一化向量进行加权处理，得到用户的综合特性向量。

具体的，用户相似性评估装置计算得到用户i的综合特性向量为：

其中，ω_α,ω_β,ω_ε≥0。

进一步地，用户相似性评估装置在计算出用户的综合特性向量之后，该用户相似性评估装置利用第二预设规则，根据用户的综合特性向量，计算不同用户之间的综合相似度。

其中，本发明实施例中的第二预设规则可以为夹角余弦法，也可以为相关系数法，还可以为广义Jaccard系数法，本发明实施例不做限定。

优选的，本发明实施例中用户相似性评估装置根据用户的综合特性向量，利用夹角余弦法，计算不同用户之间的综合相似度。

具体的，若用户相似性评估装置对业务特性向量的归一化向量、小区轨迹向量的归一化向量和无线事件向量的归一化向量进行加权处理，得到用户的综合特性向量，则该用户相似性评估装置计算用户i和用户j的综合相似度为：

其中，表示用户i和用户j的业务相似度，表示用户i和用户j的小区轨迹相似度，表示用户i和用户j的无线事件相似度。

可以理解的是，用户相似性评估装置可以根据应用场景和实际需求，适当调整加权过程中使用的权重，来改变各类统计因素。

本发明实施例提供一种应用于移动网络的用户相似性评估方法，用户相似性评估装置基于用户行为数据，构建用户的特性向量，并根据该特性向量，利用第一预设规则，计算不同用户之间的相似度，进一步地，用户相似性评估装置基于至少两个特性向量，计算用户的综合特性向量，并根据用户的综合特性向量，利用第二预设规则，计算不同用户之间的综合相似度，这样不仅可以通过不同用户之间的相似度，形成用户聚类，评估移动网络中某方面的用户群分布情况，还可以通过不同用户之间的综合相似度，形成用户聚类，评估整个移动网络中综合了多方面因素的用户群分布情况，进而建立了移动网络与各类用户群之间的关联关系，一方面有利于掌握移动用户群体感知和动向，另一方面有利于掌握移动网络瓶颈区域和潜在问题。

实施例三

本发明实施例以用户相似性评估装置分别构建了用户的业务特性向量、小区轨迹向量和无线事件向量为例，对应用于移动网络的用户相似性评估方法进行说明。

本发明提供一种应用于移动网络的用户相似性评估方法，如图3所示，该方法包括：

S301、用户相似性评估装置基于用户行为数据，分别构建用户的业务特性向量、小区轨迹向量和无线事件向量。

S302、用户相似性评估装置根据业务特性向量、小区轨迹向量和无线事件向量，利用第一预设规则，分别计算不同用户之间的业务相似度、小区轨迹相似度和无线事件相似度。

用户相似性评估装置根据不同用户之间的业务相似度评估各类业务结构的用户群分布，根据不同用户之间的小区轨迹相似度确定基于用户群体的小区轨迹，根据不同用户之间的无线事件相似度，确定无无线事件的用户群分布。

S303、用户相似性评估装置基于业务特性向量、小区轨迹向量和无线事件向量，计算用户的综合特性向量。

S304、用户相似性评估装置根据用户的综合特性向量，利用第二预设规则，计算不同用户之间的综合相似度。

本发明实施例提供一种应用于移动网络的用户相似性评估方法，用户相似性评估装置基于用户行为数据，分别构建用户的业务特性向量、小区轨迹向量和无线事件向量，然后根据这些向量，利用第一预设规则，分别计算不同用户之间的业务相似度、小区轨迹相似度和无线事件相似度，进一步地，用户相似性评估装置基于用户相似性评估装置基于业务特性向量、小区轨迹向量和无线事件向量，计算用户的综合特性向量，计算用户的综合特性向量，并根据用户的综合特性向量，利用第二预设规则，计算不同用户之间的综合相似度，这样不仅可以通过不同用户之间的相似度，形成用户聚类，评估移动网络中某方面的用户群分布情况，还可以通过不同用户之间的综合相似度，形成用户聚类，评估整个移动网络中综合了多方面因素的用户群分布情况，进而建立了移动网络与各类用户群之间的关联关系，一方面有利于掌握移动用户群体感知和动向，另一方面有利于掌握移动网络瓶颈区域和潜在问题。

实施例三

本发明实施例提供一种用户相似性评估装置1，该装置应用于移动网络，如图4所示，包括：

构建单元10，用于基于用户行为数据，构建用户的特性向量；

计算单元11，用于根据所述构建单元10构建的所述特性向量量，利用第一预设规则，计算不同用户之间的相似度，以便于根据所述相似度进行用户聚类分析，生成至少两类用户群，进而建立移动网络与各类用户群之间的关联关系。

进一步地，所述计算单元11，还用于基于至少两个特性向量，计算用户的综合特性向量，以及还用于根据所述用户的综合特性向量，利用第二预设规则，计算不同用户之间的综合相似度，以便于根据所述综合相似度进行用户聚类分析。

进一步地，所述计算单元11，具体用于分别计算所述至少两个特性向量的归一化向量，以及具体用于对每一个特性向量的归一化向量进行加权处理，得到用户的综合特性向量。

进一步地，所述特性向量为业务特性向量、小区轨迹向量或无线事件向量；

其中，若所述特性向量为所述业务特性向量，则所述相似度为业务相似度；若所述特性向量为小区轨迹向量，则所述相似度为小区轨迹相似度；若所述第一特性向量为无线事件向量，则所述相似度为无线事件相似度。

本发明实施例提供一种用户相似性评估装置，主要包括构建单元和计算单元。构建单元基于用户行为数据，构建用户的特性向量，然后计算单元根据构建单元构建的特性向量，利用第一预设规则，计算不同用户之间的相似度，这样可以通过用户相似度，形成用户聚类，评估移动网络中某方面的用户群分布情况，进而建立了移动网络与各类用户群之间的关联关系，一方面有利于掌握移动用户群体感知和动向，另一方面有利于掌握移动网络瓶颈区域和潜在问题。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种应用于移动网络的用户相似性评估方法，其特征在于，包括：

基于用户行为数据，构建用户的特性向量；

根据所述特性向量，利用第一预设规则，计算不同用户之间的相似度，以便于根据所述相似度进行用户聚类分析，生成至少两类用户群，进而建立移动网络与各类用户群之间的关联关系。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于至少两个特性向量，计算用户的综合特性向量；

根据所述用户的综合特性向量，利用第二预设规则，计算不同用户之间的综合相似度，以便于根据所述综合相似度进行用户聚类分析。

3.根据权利要求2所述的方法，其特征在于，所述基于至少两个特性向量，计算用户的综合特性向量，包括：

分别计算所述至少两个特性向量的归一化向量；

对每一个特性向量的归一化向量进行加权处理，得到用户的综合特性向量。

4.根据权利要求1-3中任意一项所述的方法，其特征在于，

所述特性向量为业务特性向量、小区轨迹向量或无线事件向量；

其中，若所述特性向量为所述业务特性向量，则所述相似度为业务相似度；若所述特性向量为小区轨迹向量，则所述相似度为小区轨迹相似度；若所述第一特性向量为无线事件向量，则所述相似度为无线事件相似度。

5.一种用户相似性评估装置，其特征在于，所述装置应用于移动网络，所述装置包括：

构建单元，用于基于用户行为数据，构建用户的特性向量；

计算单元，用于根据所述构建单元构建的所述特性向量，利用第一预设规则，计算不同用户之间的相似度，以便于根据所述相似度进行用户聚类分析，生成至少两类用户群，进而建立移动网络与各类用户群之间的关联关系。

6.根据权利要求5所述的装置，其特征在于，

所述计算单元，还用于基于至少两个特性向量，计算用户的综合特性向量，以及还用于根据所述用户的综合特性向量，利用第二预设规则，计算不同用户之间的综合相似度，以便于根据所述综合相似度进行用户聚类分析。

7.根据权利要求6所述的装置，其特征在于，

所述计算单元，具体用于分别计算所述至少两个特性向量的归一化向量，以及具体用于对每一个特性向量的归一化向量进行加权处理，得到用户的综合特性向量。

8.根据权利要求5-7中任意一项所述的装置，其特征在于，

所述特性向量为业务特性向量、小区轨迹向量或无线事件向量；

其中，若所述特性向量为所述业务特性向量，则所述相似度为业务相似度；若所述特性向量为小区轨迹向量，则所述相似度为小区轨迹相似度；若所述第一特性向量为无线事件向量，则所述相似度为无线事件相似度。