CN106488493A - 识别用户的网络热点类型的方法和装置及电子设备 - Google Patents

Abstract

本申请公开一种识别用户的网络热点类型的方法和装置，其中方法包括：获取用户使用的无线连接方式的数据信息；以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型；所述网络热点类型分辨模型是基于所述用户在预定时间使用网络的网络行为数据而生成的。通过上述方法可以通过分析用户使用无线网络时的一些数据信息获得网络热点分辨模型，进而根据该网络热点分辨模型并基于用户的网络行为的数据信息识别出用户使用的该网络热点的类型。并且根据热点的类型可以分析出用户的家庭及工作所在地，也可以挖掘用具的同事或者居住关系，同时也可以全面了解用户对网络的需求，为用户提供便利。

Description

识别用户的网络热点类型的方法和装置及电子设备

技术领域

本申请涉及网络的无线连接方式的技术领域，具体涉及一种识别用户的网络热点类型的方法，本申请同时还涉及针对上述方法设置的一种识别用户的网络热点类型的装置。另外，本申请还涉及一种电子设备。

背景技术

无线连接技术应用于现在网络通讯技术中，无线连接技术是指允许用户建立远距离无线连接的全球的语音和数据网络，同时也包括近距离无线连接的红外线技术、短程无线传输技术及射频技术。

为了方便理解该无线连接技术，以上述提及的短程无线传输技术为例对无线连接技术进行说明。在短程无线传输技术中最常见的一种连接方式为WIFI连接。在无线网络发达的今天，WIFI作为一种无线连接方式已经被广泛应用，在日常生活中，WIFI是一种可以将个人电脑或手持设备(例如Pad、手机等)等终端设备以无线方式互相连接的技术，该无线连接方式具体是采用高频无线电信号将一台或者多台设备进行无线连接。

在无线连接网络中，一般采用无线路由器将个人电脑或手持设备连接网络，所以在该无线路由器的电波覆盖的有效范围都可以采用无线保真连接方式进行联网。当无线路由器连接了一条ADSL线路或者其他的上网线路，则该路由器可称为一个无线网络的接入点，也称为热点。

由于WIFI连接涉及到用户的位置关系，例如，如果用户在家中使用WIFI则可设定该用户连接的该WIFI为家庭用WIFI，相应的，如果用户是在工作单位使用WIFI，则可设定该WIFI为工作用WIFI。因此，可以根据用户使用WIFI的环境将其类别大致分为家庭用WIFI、工作用WIFI和其他，家庭用WIFI和工作用WIFI是我们在日常生活中接触最多的两类，如果能判断出一个用户使用的WIFI是家庭WIFI还是工作WIFI，则可根据判断结果确定用户的交易环境的安全性程度。并且，还可以根据使用的WIFI信息判断用户之间的关系紧密程度以及用户与用户之间的同事关系或者居住关系。

因此，识别出类似于WIFI的无线连接方式的网络热点类型在无线网络环境中具有重要的意义。

发明内容

本申请提供一种识别用户的网络热点类型的方法，以解决现有技术中存在的上述的问题。

本申请另外提供一种识别用户的网络热点类型的装置。

本申请提供一种识别用户的网络热点类型的方法，包括:

获取用户使用的无线连接方式的数据信息；

以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型；

所述网络热点类型分辨模型是基于所述用户在预定时间使用网络的网络行为数据而生成的。

优选的，所述数据信息包括标示用户属性的用户标识、无线连接方式的类别信息和用户使用网络的网络行为的日志信息；

所述日志信息包括用户使用网络的网络行为对应的时间信息和地点信息。

优选的，所述无线连接方式包括WIFI连接。

优选的，所述网络热点类型分辨模型采用以下方式获取：

获取用户在预定时间内使用的预定的无线连接方式的多个热点的时间信息；

根据获取的所述多个热点的时间信息筛选出用户常用热点；

对所述常用热点的使用时间规律进行特征处理，获取具有时间规律性的特征向量和特征值；

根据获取的所述特征向量、特征值以及预先训练的正负样本，获取所述网络热点类型分辨模型。

优选的，所述根据获取的所述多个热点的时间信息筛选出用户常用热点步骤中，采用以下方式筛选出常用热点：

根据每个热点的时间信息计算获取标示每个热点使用频率的常用分值；

根据用户使用的所有热点的常用分值进行排序；

将处于高序位的热点筛选出为用户常用热点。

优选的，所述根据每个热点的时间信息计算获取标示每个热点使用频率的常用分值，包括：

根据每个热点的时间信息，获取预设时间段内用户使用预设热点的天数和次数；

根据获取的该热点的天数和次数，计算获取预设时间段内的使用趋势的变化系数；

根据获取的预设时间段内的热点使用天数计算获取该热点的使用天数的开方均值；

根据获取的所述使用天数开方均值计算获取时间衰减系数；

根据所述使用趋势的变化系数、使用天数的开放均值以及时间衰减系数计算获取该热点的常用分值。

优选的，所述根据所述使用趋势的变化系数、使用天数的开放均值以及时间衰减系数计算获取该热点的常用分值步骤中，所述常用分值frequency_score的采用以下方法计算：

其中，是所述使用趋势的变化系数，D是使用天数的开放均值，ε是时间衰减系数。

优选的，在所述利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型的步骤中，所述网络热点类型包括家庭用热点和工作用热点两种类型。

优选的，在所述对所述常用热点的使用时间规律进行特征处理，获取具有时间规律性的特征向量和特征值步骤中，采用以下方式生成所述特征向量和特征值：

将预设时间内的日期按照工作日和非工作日划分；

将工作日和非工作日的每一天划分为若干个时间段；

获取某一常用热点在工作日和非工作日之间的使用次数的比值、均值和方差的分类数据信息；

分别获取该常用热点在工作日和工作日中每个时间段的使用次数与该天使用次数的占比；

分别获取该常用热点在工作日和非工日中的任意两个关键时间段之间的比值，所述关键时间段为主家庭时间段、工作时间段和次家庭时间段；

将上述获取的数据生成特征向量和特征值。

优选的，当所述网络热点类型包括家庭用热点和工作用热点两种类型时，所述根据获取的所述特征向量、特征值以及预先训练的正负样本，获取所述网络热点类型分辨模型包括：

预先训练出家庭用热点和工作用热点的正负样本；

将所述特征向量和正负样本代入预设的逻辑回归公式中，获取网络热点类型分辨模型的参数；

将获取的所述参数代入所述逻辑回归公式，形成基于时间模式的网络热点类型分辨模型。

优选的，所述预先训练出家庭用热点和工作用热点的正负样本，包括：

将用户公司位置的热点设定为该用户的工作用热点；

根据用户的公司地址筛选出该地址热点的所有用户；

根据每个用户的家庭联系人信息获取每个用户与其家庭联系他人公用的常用热点；

将上述公用的常用热点设定为该用户的家庭用热点。

优选的，所述以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型，具体是：

以获取的所述当前用户的数据信息中热点时间信息为依据；

将所述热点时间信息对应的特征向量代入所述网络热点类型分辨模型中；

所述网络热点类型分辨模型是与上述热点时间信息相关的且具有参数的特征向量，根据代入的上述热点时间对应的特征向量则可识别判断出该热点是家庭用热点或者工作用热点。

优选的，在所述以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型步骤之后，执行下述操作：

根据识别出的用户的网络热点类型向用户推送相应信息。

优选的，在所述以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型步骤之后，执行下述操作：

根据识别出的用户的网络热点类型获取用户在当前状态的网络安全系数；

根据获取的当前网络安全系数向用户推送相应的安全操作信息。

本申请还提供一种识别用户的网络热点类型的装置，包括：

数据信息获取单元，用于获取用户使用的无线连接方式的数据信息；

网络热点类型识别单元，用于以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型；所述网络热点类型分辨模型是基于所述用户在预定时间使用网络的网络行为数据而生成的。

优选的，所述网络热点类型识别单元包括：

时间信息获取子单元，用于获取用户在预定时间内使用的预定的无线连接方式的多个热点的时间信息；

常用热点获取子单元，用于根据获取的所述多个热点的时间信息筛选出用户常用热点；

特征向量获取子单元，用于对所述常用热点的使用时间规律进行特征处理，获取具有时间规律性的特征向量和特征值；

网络热点类型分辨模型获取子单元，用于根据获取的所述特征向量、特征值以及预先训练的正负样本，获取所述网络热点类型分辨模型。

优选的，所述常用热点获取子单元包括：

常用分值计算子单元，用于根据每个热点的时间信息计算获取标示每个热点使用频率的常用分值；

排序子单元，用于根据用户使用的所有热点的常用分值进行排序；

常用热点筛选子单元，用于将处于高序位的热点筛选出为用户常用热点。

优选的，所述常用分值计算子单元包括：

天数和次数获取子单元，用于根据每个热点的时间信息，获取预设时间段内用户使用预设热点的天数和次数；

变化系数计算子单元，用于根据获取的该热点的天数和次数，计算获取预设时间段内的使用趋势的变化系数；

开方均值计算子单元，用于根据获取的预设时间段内的热点使用天数计算获取该热点的使用天数的开方均值；

时间衰减系数计算子单元，用于根据获取的所述使用天数开方均值计算获取时间衰减系数；

计算子单元，用于根据所述使用趋势的变化系数、使用天数的开放均值以及时间衰减系数计算获取该热点的常用分值。

优选的，所述网络热点类型包括家庭用热点和工作用热点两种类型，则所述特征向量获取子单元包括：

日期划分子单元，用于将预设时间内的日期按照工作日和非工作日划分；

时间段划分子单元，用于将工作日和非工作日的每一天划分为若干个时间段；

分类数据信息获取子单元，用于获取某一常用热点在工作日和非工作日之间的使用次数的比值、均值和方差的分类数据信息；

占比获取子单元，用于分别获取该常用热点在工作日和工作日中每个时间段的使用次数与该天使用次数的占比；

时间段比值获取子单元，用于分别获取该常用热点在工作日和非工日中的任意两个关键时间段之间的比值，所述关键时间段为主家庭时间段、工作时间段和次家庭时间段；

生成子单元，用于将上述获取的数据生成特征向量和特征值。

优选的，所述网络热点类型分辨模型获取子单元包括：

正负样本训练子单元，用于预先训练出家庭用热点和工作用热点的正负样本；

参数获取子单元，用于将所述特征向量和正负样本代入预设的逻辑回归公式中，获取网络热点类型分辨模型的参数；

形成子单元，用于将获取的所述参数代入所述逻辑回归公式，形成基于时间模式的网络热点类型分辨模型。

优选的，所述正负样本训练子单元包括：

工作用热点设定子单元，用于将用户公司位置的热点设定为该用户的工作用热点；

所有用户筛选子单元，用于根据用户的公司地址筛选出该地址热点的所有用户；

公用常用热点获取子单元，用于根据每个用户的家庭联系人信息获取每个用户与其家庭联系他人公用的常用热点；

家庭用热点设定子单元，用于将上述公用的常用热点设定为该用户的家庭用热点。

优选的，所述网络热点类型识别单元具体包括：

时间信息获取子单元，用于以获取的所述当前用户的数据信息中热点时间信息为依据；

网络热点类型分辨模型代入子单元，用于将所述热点时间信息对应的特征向量代入所述网络热点类型分辨模型中；

识别子单元，用于所述网络热点类型分辨模型是与上述热点时间信息相关的且具有参数的特征向量，根据代入的上述热点时间对应的特征向量则可识别判断出该热点是家庭用热点或者工作用热点。

本申请另外还提供一种电子设备，所述电子设备包括：输入设备、输出设备、处理器和存储器，所述存储器用于存储识别用户的网络热点类型的软件程序，所述软件程序在被所述处理器读取执行时，执行如下操作：

获取用户使用的无线连接方式的数据信息；

以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型；所述网络热点类型分辨模型是基于所述用户在预定时间使用网络的网络行为数据而生成的。

与现有技术相比，本申请具有以下优点：

本申请提供一种识别用户的网络热点类型的方法，该方法包括：获取用户使用的无线连接方式的数据信息；以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型；所述网络热点类型分辨模型是基于所述用户在预定时间使用网络的网络行为数据而生成的。通过上述方法可以通过分析用户使用无线网络时的一些数据信息获得网络热点分辨模型，进而根据该网络热点分辨模型并基于用户的网络行为的数据信息识别出用户使用的该网络热点的类型。由于该方法可以识别出网络热点的类型，因此，进一步的根据热点的类型可以分析出用户的家庭及工作所在地，也可以挖掘用具的同事或者居住关系，同时也可以全面了解用户对网络的需求，为用户提供便利。

附图说明

图1是本申请实施例提供一种识别用户的网络热点类型的方法的流程图；

图2是本申请实施例提供的获取网络热点类型分辨模型的方法；

图3是本申请实施例提供的根据获取的多个热点的时间信息筛选出用户常用热点的方法的流程图；

图4是本申请实施例提供的每个WIFI热点的常用分值的计算方法的流程图；

图5是本申请实施例提供的某个家庭用WIFI热点的使用规律图；

图6是本申请实施例提供的某个工作用WIFI热点的使用规律图；

图7是本申请实施例提供的获取具有时间规律性的特征向量和特征值的流程图；

图8是本申请实施例提供的获得用于识别家庭用热点和工作用热点的网络热点类型分辨模型的方法流程图；

图9是本申请实施例提供的一种识别用户的网络热点类型的装置示意图；

图10是本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

本申请实施例提供一种识别用户的网络热点类型的方法，请参照图1，图1是本申请实施例提供一种识别用户的网络热点类型的方法的流程图，该方法包括：

步骤S101，获取用户使用的无线连接方式的数据信息。

在用户通过使用无线网络进行网络行为时，用户的网络行为及用户的相关信息均为被记录在用户所使用的设备中。因此，在该方法实施过程中，需要获取用户使用无线网络时采用的无线连接方式的数据信息，这些数据信息可以包括标示用户属性的用户标识、无线连接方式的具体属性和用户使用网络的网络行为的日志信息等。

其中，所述用户标识主要是指用户所使用设备的物理地址，每一个设备将对应唯一的一个地址，用于辨识用户所使用设备的属性。若用户仅对应一个设备，则该用户可以与该设备的用户标示唯一对应。

所述无线连接方式的类别信息是对无线连接方式类别的描述，无线连接方式可以有多种，该类别信息可以包括无线连接方式中的WIFI连接、WAPI连接、蓝牙连接或者红外连接等等。

由于无线连接的方式包括多种，而在多种无线连接方式中WIFI连接是一种罪常用的无线连接方式。在实际应用中，该WIFI连接是通过无线路由器将用户的上网设备连接至网络中，而无线路由器可称作是无线网络的接入点，俗称为热点。这是实际应用中最常用的一种无线连接方式，因此，本申请的实施例将无线连接方式中的WIFI连接作为优选的方案进行描述。后续步骤中涉及的无线连接方式均可由WIFI连接替代。

上述WIFI连接作为无线连接中的一种优选方式，其他的无线连接方式同样也适用于本方案。

所述日志信息可以包括用户在使用网络过程中产生的所有用于分析用户网络行为的信息。所述日志信息主要包括用户使用网络的网络行为对应的时间信息和地点信息。其中时间信息可以是用户在进行网络行为的过程中的时间点、时间段，以及支付时设备的设备号、网络信息等。所述地点信息是指用户在进行网路行为所处的位置，该位置可以通过定位用户所处的经纬度表示。

步骤S102，以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型；所述网络热点类型分辨模型是基于所述用户在预定时间使用网络的网络行为数据而生成的。

该步骤是将获取的用户的数据信息提取并代入至预先训练好的网络热点类型分辨模型中，经过该模型的分析，可以识别出用户所使用的无线连接方式的热点的类型。

此处的无线连接方式可以理解为WIFI连接的无线连接方式。

所述网络热点类型分辨模型是基于所述用户在预定时间使用网络的网络行为数据而生成的。该模型可采用下述方法获取，具体方法请参照图2，图2是本申请实施例提供的获取网络热点类型分辨模型的方法。该方法包括步骤S201-S204：

步骤S201，获取用户在预定时间内使用的预定的无线连接方式的多个热点的时间信息。

该步骤是为了统计用户在预定时间内使用无线网络进行网络行为的时间规律，该时间规律可以反映出用户使用无线网络中无线连接方式的使用习惯和使用特征。

一般该无线连接方式可以是WIFI连接，下述以WIFI连接为例进行说明。在预定时间内，用户可能通过多个WIFI热点进行网络行为，而每次用户通过其设备进行的网络行为均会被记录下来形成相应的日志信息，该日志信息中包含有用户在该预定时间内采用所有的WIFI热点进行网络行为的记录，通过统计该日志信息中的使用每一个WIFI热点的时间信息，从而获得该用户在该预定时间内使用的每一个WIFI热点的时间规律。

步骤S202，根据获取的所述多个热点的时间信息筛选出用户常用热点。

在该步骤中，是对获取的具有时间规律性的所有的WIFI热点进行统计计算获取用户的常用的热点的过程。获取常用热点是因为，对于用户来说，在不同地点使用的WIFI热点的时间规律是不相同的，其次，每个用户使用WIFI热点的频率、周期等习惯可能受限于使用场景，系统采集获取的日志信息并不能完全反映用户的真实使用情况，因此需要从用户使用的多个WIFI热点中筛选出用户常用的WIFI热点，从而通过常用的WIFI热点对用户的使用习惯进行分析。

大多数用户常用的WIFI热点的使用环境是工作或家庭，显然用户在家庭中使用WIFI热点的时间规律和在工作中使用WIFI热点的规律是不相同的，因此，该方法一般可适用于将WIFI热点的类型分为家庭用WIFIR热点和工作用WIFI热点。

其中，常用这个概念只是人为的对使用频次上的一个模糊的定义，这需要对常用进行一个数值化的过程，才能有效的区分用户是所使用的WIFI热点的具体类型。

为了将常用这个概念数值化，可以通过以下方法筛选出用户常用热点。请参照图3，图3是本申请实施例提供的根据获取的多个热点的时间信息筛选出用户常用热点的方法的流程图，该方法包括步骤S301-S303：

步骤S301，根据每个热点的时间信息计算获取标示每个热点使用频率的常用分值。

该步骤是针对步骤S201获取的每个WIFI热点的时间信息进行计算，从而获取每个WIFI热点的常用分值。该常用分值是标志着该WIFI热点的使用频率。

具体的，每个WIFI热点的常用分值可通过以下步骤计算获得。请参照图4，图4是本申请实施例提供的每个WIFI热点的常用分值的计算方法的流程图，该常用分值的计算方法如下步骤S401-S405：

步骤S401，根据每个热点的时间信息，获取预设时间段内用户使用预设热点的天数和次数。

所述用户在预设时间段内的使用某一个WIFI热点的天数是指，在该预设时间段内的一天中，用户使用该WIFI热点的时间超过预设的分钟数，则记录该WIFI热点被使用一天，依次累计。例如，在一个月内，某一个WIFI热点可能被使用20天。该使用的天数的统计记过均可以在上述时间信息中分析出来。

所述用户在预设时间段内的使用某一个WIFI热点的次数是指，以预定的分钟数为单位，在一个单位时间内，某一个WIFI热点被使用过则记录该WIFI热点被使用过一次，依次类推。

所述单位时间是按照用户通常操作手机(上网、回复消息等)的周期估计的一个经验值。单位时间依照经验值可以设定为15分钟，而该经验值仅是本申请方案中的一个优选方案，其他的分钟数如20分钟，30分钟等均可以作为一个单位时间进行统计。

步骤S402，根据获取的该热点的天数和次数，计算获取预设时间段内的使用趋势的变化系数。

由于这些步骤中均涉及预设时间段，为了清楚的表述该预设时间段，以三个月为该预设时间段为例进行详细的说明。

根据WIFI热点的时间信息进而获取的该热点的使用天数和次数，可计算获取这三个月内使用该WIFI的变化趋势。

该变化趋势可以采用变化系数表示，它随着最近三个月的使用趋势的较少而趋近于0，若使用趋势不变则变化系数趋近于1，若使用越来越频繁，使用趋势增多，则该变化系数大于1。

具体的，该变化系数可通过以下公式表示：

其中，D_1m是最近一个月的使用天数，D_2m是最近两个月的使用天数，D_3m是最近三个月的使用天数，C_3m是最近三个月是使用次数，C_h是已知的累计使用次数。

所述C_3m具体是，将最近三个月的时间按照单位时间进行划分，在一个单位时间内获取的使用记录设定为使用次数为一次。

步骤S403，根据获取的预设时间段内的热点使用天数计算获取该热点的使用天数的开方均值。

某一WIFI热点的使用趋势的变化系数可反映出最近一段时间内该WIFI热点被使用的频率变化趋势，因此，该变化系数是所述常用分值中一个重要的可变系数。

另外该变化系数是作用于预设时间段内的使用天数的开方均值上的。即该开方均值可表示为其中，D_3m是最近三个月的使用天数，D_h是已知的累计使用天数。

步骤S404，根据获取的所述使用天数开方均值计算获取时间衰减系数。

该时间衰减系数会随着时间的衰减呈现递减的趋势。所述时间衰减系数可表示为ε＝D_h*e^-δ，其中，D_h是已知的累计使用天数，δ是某一热点被最后使用的时间距离设定时间的天数。

δ的具体计算方法如下：例如，使用某个WIFI热点的最晚的日志记录日期为20150501，那么距离现在(5月11号)有11天，则δ为11。

步骤S405，根据所述使用趋势的变化系数、使用天数的开放均值以及时间衰减系数，计算获取该热点的常用分值。

上述步骤已经计算出使用趋势的变化系数使用天数的开放均值D以及时间衰减系数δ，利用上述三个参数计算获取该WIFI热点的常用分值。

具体的，该常用分值的计算公式如下：

其中，是所述使用趋势的变化系数，D是使用天数的开放均值，ε是时间衰减系数。

该常用分值的计算公式是以使用最近一段时间使用的天数作为主要依据，并能根据使用趋势的变化而进行一定比例地调整。

步骤S302，根据用户使用的所有热点的常用分值进行排序。

由于步骤S301已经计算出用户所对应的WIFI热点的常用分值，该常用分值是一个具体的数值，因此，可以上述所有热点的常用分值进行排序。

步骤S303，将处于高序位的热点筛选出为用户常用热点。

上述步骤的排序是为了该步骤中选出序位高的常用分值的数值，因此序位高的常用分值的值对应的WIFI热点的使用频次属于用户的常用热点。

若针对识别家庭和工作WIFI这个场景来说，限制了用户下不超过三个WIFI热点，因此WIFI的常用分值与最高分比值一般会超过1/3。

通过对WIFI热点进行常用分值的定义，可以有效的以数值衡量在一段时间内的用户是否经常使用某个WIFI热点，避免系统采集而带来的误差。

步骤S203，对所述常用热点的使用时间规律进行特征处理，获取具有时间规律性的特征向量和特征值。

由于在该步骤中涉及网络热点的类型的分类，而通常情况下，用户的使用环境为家庭或者工作，因此，所述网络热点类型可以分为家庭用热点和工作用热点两种类型。

针对上述两种类型，再结合该两种类型的时间特征(家庭用WIFI一天的使用次数的高峰期一般为19点至第二天6点，相应的，工作用热点的使用高峰期一般为7点至18点。或者工作日时工作用热点使用频率高，而在周末时间家庭用热点的使用频率高)，因此，如果将这两种类型分割开，需要通过对不同时间段的WIFI热点的使用情况进行分析和统计。

具体的，首先是对工作日和非工作日的时间段进行统计。

将日期分为工作日和非工作日两种类型，分别统计用户的使用习惯，其中，非工作日包括周末和节假日等。例如，每个时间段(1个小时)内使用某一WIFI热点的次数、周期等。

但是，若每一个小时进行统计一次可能造成统计量增大的问题，因为，某些时间段用户的使用规律是不发生变化的。因此，可以讲一天中的时间段进行合并，例如，可以采用以下方式设置合并的时间段：

一天中的22点到次日6点进行合并，并将该时间段设置为主家庭时段，9点到17点进行合并，设置为工作时段，20点到21点进行合并，设置为次家庭时段，合并后每个日期类型有7个时间段。合并后能减少采集稀疏带来的误差，并且重要的是经过合并，特征会变得更加明显。

图5是本申请实施例提供的某个家庭用WIFI热点的使用规律图，图6是本申请实施例提供的某个工作用WIFI热点的使用规律图。从图5和图6可以看得出来用户使用WIFI的一些时间规律。

上述过程仅介绍了用户使用WIFI特点的使用规律和特征，而在本方案中需要将该时间规律生成特征向量和特征值。请参照图7，图7是本申请实施例提供的获取具有时间规律性的特征向量和特征值的流程图，其特征值和特征向量的具体的生成过程采用以下步骤S701-S706：

S701，将预设时间内的日期按照工作日和非工作日划分。

根据上述分析，将日期按照工作日和非工作日进行划分有利于显现出家庭用热点和工作用热点的规律，因此，将预设时间内的日期按照工作日和非工作日划分。

S702，将工作日和非工作日的每一天划分为若干个时间段。

该时间段的合并划分可采用以下方式：22点到次日6点进行合并，并将该时间段设置为主家庭时段；9点到17点进行合并，设置为工作时段；20点到21点进行合并，设置为次家庭时段；合并后每个日期类型有7个时间段(6点-8点，8点-9点，9点-17点，17点-20点，20点-21点，21点-22点，22点-次日6点)。

S703，获取某一常用热点在工作日和非工作日之间的使用次数的比值、均值和方差的分类数据信息。

所述工作日和非工作日之间的使用次数的比值是指，在一天中的同一时间段内，工作日的使用次数与非工作日的使用次数的比值；

所述均值是指工作日使用次数的均值和非工作日使用次数的均值；

所述方差是指工作日的若干个时间段之间的方差及非工作日的若干个时间段之间的方差。

S704，分别获取该常用热点在工作日和工作日中每个时间段的使用次数与该天使用次数的占比。

工作日和非工作日同一时间段的次数占比可以得到十四个特征值，比如9-17段这个时间使用了109次，非工作日使用了6次，那么工作日占比109/(109+6)，非工作日占比6/(109+6)。均值是指工作日使用的均值与非工作日使用的均值比值，还可以计算工作日与非工作日的七个时段的方差，上述所有数据均可形成具有时间规律的特征值。

工作日的七个时段的次数占整体的比值，例如，9-17段这个时间使用了109次，工作日共使用了151次，那么可以得到一个特征值109/115，七个时段可以得到七个特征值，同理可以得到工作日与非工作日的比值。

S705，分别获取该常用热点在工作日和非工日中的任意两个关键时间段之间的比值，所述关键时间段为主家庭时间段、工作时间段和次家庭时间段。

如果将22-6这个时段认为是主家庭时段，将20-21认为是次家庭时段(在家里的可能性比主家庭时段要低一些)，那么主家庭时段、工作时段和次家庭时段之间的比值可如下方式计算，例如，主家庭时段为7，工作时段为109，那么主家庭的比值为7/(7+109)，同理扩展可以得到多个特征值。该方式得到的特征值与上面的比值是不一样的，上面的比值是工作日和非工作日之间的比较，而这个是同工作日或者同非工作日下，三个重要时间段的比值。

S706，将上述获取的数据生成特征向量和特征值。

将上述步骤S704和S705两个步骤中获得特征值生成特征向量。

另外，在所述将上述获取的数据生成特征向量和特征值的步骤之后还可以执行下述操作：将同一维度的特征向量进行规格化处理。

所述规格化的公式为：

其中，fmax表示某一维度最大的值，fmin表示该维度最小的值。

步骤S204，根据获取的所述特征向量、特征值以及预先训练的正负样本，获取所述网络热点类型分辨模型。

通过步骤S706已经获得具有时间规律的特征向量，根据特征向量、预先训练的正负样本以及逻辑回归公式，可计算获得网络热点类型分辨模型的参数。根据获得的参数即可确定该网络热点类型分辨模型。

具体的，请参照图8，图8是本申请实施例提供的获得用于识别家庭用热点和工作用热点的网络热点类型分辨模型的方法流程图。该方法包括步骤S801-S803：

步骤S801，预先训练出家庭用热点和工作用热点的正负样本。

所述预先训练出家庭用热点和工作用热点的正负样本，包括：

将用户公司位置的热点设定为该用户的工作用热点；

根据用户的公司地址筛选出该地址热点的所有用户；

根据每个用户的家庭联系人信息获取每个用户与其家庭联系他人公用的常用热点；

将上述公用的常用热点设定为该用户的家庭用热点。

具体操作过程如下：正负样本的筛选使用了用户的位置信息，先筛选一批拥有公司地址的用户，如果用户使用的WIFI热点位置和公司位置在地图的同一点，那么标记这些WIFI热点为他们的工作用热点，并利用他们的联系人信息，将“家庭”、“爸爸”、“妈妈”、“老婆”等关键词语的联系人筛选出来，标记这些人共用的常用WIFI热点为他们的家庭用热点，这样即可得到正负样本。

步骤S802，将所述特征向量和正负样本代入预设的逻辑回归公式中，获取网络热点类型分辨模型的参数。

逻辑回归公式大致可以采用下述表达式说明：

Z＝b₁X₁+b₂X₂+b₃X₃+…+b_mX_m

其中，Z表示类别，在本申请方案中可分为家庭用热点和工作用热点两个类别；b表示网络热点类型分辨模型的参数；X表示具有时间规律的特征向量。

因此，根据上述表达式，在已知类别和特征向量的情况下，可获得参数。

步骤S803，将获取的所述参数代入所述逻辑回归公式，形成基于时间模式的网络热点类型分辨模型。

在获取上述参数之后，由于该参数是网络热点类型分辨模型相关的参数，因此，在参数已知的情况下，即可获得该网络热点类型分辨模型。

在获得网络热点类型分辨模型之后，可以对全部用户的WIFI数据进行预测，分别选择家庭和工作WIFI热点类别中最常用的一个作为用户近段时间最稳定的家庭用热点和工作用热点。

根据上述方法获得识别的热点类型结果，并通过人工对模型的结果进行抽样验证，结合用户的收获地址(家庭或工作类型)、用户的活跃位置以及WIFI热点位置和WIFI的名称等方面进行验证，准确率能达到93.2％。

此外，在步骤S102所述以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型步骤之后，还执行下述操作：根据识别出的用户的网络热点类型向用户推送相应信息。

或者也可以执行下述操作：

根据识别出的用户的网络热点类型获取用户在当前状态的网络安全系数；

根据获取的当前网络安全系数向用户推送相应的安全操作信息。

上述步骤是为了分析出用户的家庭和工作所在地，从而更有效的挖掘出用户的同事关系或者居住关系，辅助判断用户之间的关系强度。对于丰富用户的个人信息、挖掘用户的工作圈或家庭成员有很大的价值和意义。

本申请还提供一种识别用户的网络热点类型的装置，请参照图9，图9是本申请实施例提供的一种识别用户的网络热点类型的装置示意图，该装置包括：

数据信息获取单元901，用于获取用户使用的无线连接方式的数据信息；

网络热点类型识别单元902，用于以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型；所述网络热点类型分辨模型是基于所述用户在预定时间使用网络的网络行为数据而生成的。

可选的，所述网络热点类型识别单元包括：

时间信息获取子单元，用于获取用户在预定时间内使用的预定的无线连接方式的多个热点的时间信息；

常用热点获取子单元，用于根据获取的所述多个热点的时间信息筛选出用户常用热点；

特征向量获取子单元，用于对所述常用热点的使用时间规律进行特征处理，获取具有时间规律性的特征向量和特征值；

网络热点类型分辨模型获取子单元，用于根据获取的所述特征向量、特征值以及预先训练的正负样本，获取所述网络热点类型分辨模型。

可选的，所述常用热点获取子单元包括：

常用分值计算子单元，用于根据每个热点的时间信息计算获取标示每个热点使用频率的常用分值；

排序子单元，用于根据用户使用的所有热点的常用分值进行排序；

常用热点筛选子单元，用于将处于高序位的热点筛选出为用户常用热点。

可选的，所述常用分值计算子单元包括：

天数和次数获取子单元，用于根据每个热点的时间信息，获取预设时间段内用户使用预设热点的天数和次数；

变化系数计算子单元，用于根据获取的该热点的天数和次数，计算获取预设时间段内的使用趋势的变化系数；

开方均值计算子单元，用于根据获取的预设时间段内的热点使用天数计算获取该热点的使用天数的开方均值；

时间衰减系数计算子单元，用于根据获取的所述使用天数开方均值计算获取时间衰减系数；

计算子单元，用于根据所述使用趋势的变化系数、使用天数的开放均值以及时间衰减系数计算获取该热点的常用分值。

可选的，所述网络热点类型包括家庭用热点和工作用热点两种类型，则所述特征向量获取子单元包括：

日期划分子单元，用于将预设时间内的日期按照工作日和非工作日划分；

时间段划分子单元，用于将工作日和非工作日的每一天划分为若干个时间段；

分类数据信息获取子单元，用于获取某一常用热点在工作日和非工作日之间的使用次数的比值、均值和方差的分类数据信息；

占比获取子单元，用于分别获取该常用热点在工作日和工作日中每个时间段的使用次数与该天使用次数的占比；

时间段比值获取子单元，用于分别获取该常用热点在工作日和非工日中的任意两个关键时间段之间的比值，所述关键时间段为主家庭时间段、工作时间段和次家庭时间段；

生成子单元，用于将上述获取的数据生成特征向量和特征值。

可选的，所述网络热点类型分辨模型获取子单元包括：

正负样本训练子单元，用于预先训练出家庭用热点和工作用热点的正负样本；

参数获取子单元，用于将所述特征向量和正负样本代入预设的逻辑回归公式中，获取网络热点类型分辨模型的参数；

形成子单元，用于将获取的所述参数代入所述逻辑回归公式，形成基于时间模式的网络热点类型分辨模型。

可选的，所述正负样本训练子单元包括：

工作用热点设定子单元，用于将用户公司位置的热点设定为该用户的工作用热点；

所有用户筛选子单元，用于根据用户的公司地址筛选出该地址热点的所有用户；

公用常用热点获取子单元，用于根据每个用户的家庭联系人信息获取每个用户与其家庭联系他人公用的常用热点；

家庭用热点设定子单元，用于将上述公用的常用热点设定为该用户的家庭用热点。

可选的，所述网络热点类型识别单元具体包括：

时间信息获取子单元，用于以获取的所述当前用户的数据信息中热点时间信息为依据；

网络热点类型分辨模型代入子单元，用于将所述热点时间信息对应的特征向量代入所述网络热点类型分辨模型中；

识别子单元，用于所述网络热点类型分辨模型是与上述热点时间信息相关的且具有参数的特征向量，根据代入的上述热点时间对应的特征向量则可识别判断出该热点是家庭用热点或者工作用热点。

此外，本申请还提供一种电子设备，请参照图10，图10是本申请实施例提供的一种电子设备的结构示意图。所述电子设备包括：输入设备1001、输出设备1002、处理器1003和存储器1004，所述存储器用于存储识别用户网络热点类型的软件程序，所述软件程序在被所述处理器读取执行时，执行如下操作：

获取用户使用的无线连接方式的数据信息；

以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型；所述网络热点类型分辨模型是基于所述用户在预定时间使用网络的网络行为数据而生成的。

本申请虽然以较佳实施例公开如上，但其并不是用来限定本申请，任何本领域技术人员在不脱离本申请的精神和范围内，都可以做出可能的变动和修改，因此本申请的保护范围应当以本申请权利要求所界定的范围为准。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

2、本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

Claims (17)

1.一种识别用户的网络热点类型的方法，其特征在于，包括：

获取用户使用的无线连接方式的数据信息；

以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型；

所述网络热点类型分辨模型是基于所述用户在预定时间使用网络的网络行为数据而生成的。

2.根据权利要求1所述的识别用户的网络热点类型的方法，其特征在于，所述数据信息包括标示用户属性的用户标识、无线连接方式的类别信息和用户使用网络的网络行为的日志信息；

所述日志信息包括用户使用网络的网络行为对应的时间信息和地点信息。

3.根据权利要求1所述的识别用户的网络热点类型的方法，其特征在于，所述网络热点类型分辨模型采用以下方式获取：

获取用户在预定时间内使用的预定的无线连接方式的多个热点的时间信息；

根据获取的所述多个热点的时间信息筛选出用户常用热点；

对所述常用热点的使用时间规律进行特征处理，获取具有时间规律性的特征向量和特征值；

根据获取的所述特征向量、特征值以及预先训练的正负样本，获取所述网络热点类型分辨模型。

4.根据权利要求3所述的识别用户的网络热点类型的方法，其特征在于，所述根据获取的所述多个热点的时间信息筛选出用户常用热点步骤中，采用以下方式筛选出常用热点：

根据每个热点的时间信息计算获取标示每个热点使用频率的常用分值；

根据用户使用的所有热点的常用分值进行排序；

将处于高序位的热点筛选出为用户常用热点。

5.根据权利要求4所述的识别用户的网络热点类型的方法，其特征在于，所述根据每个热点的时间信息计算获取标示每个热点使用频率的常用分值，包括：

根据每个热点的时间信息，获取预设时间段内用户使用预设热点的天数和次数；

根据获取的该热点的天数和次数，计算获取预设时间段内的使用趋势的变化系数；

根据获取的预设时间段内的热点使用天数计算获取该热点的使用天数的开方均值；

根据获取的所述使用天数开方均值计算获取时间衰减系数；

根据所述使用趋势的变化系数、使用天数的开放均值以及时间衰减系数计算获取该热点的常用分值。

6.根据权利要求5所述的识别用户的网络热点类型的方法，其特征在于，所述根据所述使用趋势的变化系数、使用天数的开放均值以及时间衰减系数计算获取该热点的常用分值步骤中，所述常用分值frequency_score的采用以下方法计算：

$frequency\_score=\∂*D+\mathrm{\ϵ}$

其中，是所述使用趋势的变化系数，D是使用天数的开放均值，ε是时间衰减系数。

7.根据权利要求3所述的识别用户的网络热点类型的方法，其特征在于，在所述对所述常用热点的使用时间规律进行特征处理，获取具有时间规律性的特征向量和特征值步骤中，采用以下方式生成所述特征向量和特征值：

将预设时间内的日期按照工作日和非工作日划分；

将工作日和非工作日的每一天划分为若干个时间段；

获取某一常用热点在工作日和非工作日之间的使用次数的比值、均值和方差的分类数据信息；

分别获取该常用热点在工作日和工作日中每个时间段的使用次数与该天使用次数的占比；

分别获取该常用热点在工作日和非工日中的任意两个关键时间段之间的比值，所述关键时间段为主家庭时间段、工作时间段和次家庭时间段；

将上述获取的数据生成特征向量和特征值。

8.根据权利要求3所述的识别用户的网络热点类型的方法，其特征在于，当所述网络热点类型包括家庭用热点和工作用热点两种类型时，所述根据获取的所述特征向量、特征值以及预先训练的正负样本，获取所述网络热点类型分辨模型包括：

预先训练出家庭用热点和工作用热点的正负样本；

将所述特征向量和正负样本代入预设的逻辑回归公式中，获取网络热点类型分辨模型的参数；

将获取的所述参数代入所述逻辑回归公式，形成基于时间模式的网络热点类型分辨模型。

9.根据权利要求8所述的识别用户的网络热点类型的方法，其特征在于，所述以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型，具体是：

以获取的所述当前用户的数据信息中热点时间信息为依据；

将所述热点时间信息对应的特征向量代入所述网络热点类型分辨模型中；

所述网络热点类型分辨模型是与上述热点时间信息相关的且具有参数的特征向量，根据代入的上述热点时间对应的特征向量则可识别判断出该热点是家庭用热点或者工作用热点。

10.根据权利要求1所述的识别用户的网络热点类型的方法，其特征在于，在所述以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型步骤之后，执行下述操作：

根据识别出的用户的网络热点类型向用户推送相应信息。

11.根据权利要求1所述的识别用户的网络热点类型的方法，其特征在于，在所述以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型步骤之后，执行下述操作：

根据识别出的用户的网络热点类型获取用户在当前状态的网络安全系数；

根据获取的当前网络安全系数向用户推送相应的安全操作信息。

12.一种识别用户的网络热点类型的装置，其特征在于，包括：

数据信息获取单元，用于获取用户使用的无线连接方式的数据信息；

网络热点类型识别单元，用于以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型；所述网络热点类型分辨模型是基于所述用户在预定时间使用网络的网络行为数据而生成的。

13.根据权利要求12所述的识别用户的网络热点类型的装置，其特征在于，所述网络热点类型识别单元包括：

时间信息获取子单元，用于获取用户在预定时间内使用的预定的无线连接方式的多个热点的时间信息；

常用热点获取子单元，用于根据获取的所述多个热点的时间信息筛选出用户常用热点；

特征向量获取子单元，用于对所述常用热点的使用时间规律进行特征处理，获取具有时间规律性的特征向量和特征值；

网络热点类型分辨模型获取子单元，用于根据获取的所述特征向量、特征值以及预先训练的正负样本，获取所述网络热点类型分辨模型。

14.根据权利要求13所述的识别用户的网络热点类型的装置，其特征在于，所述常用热点获取子单元包括：

常用分值计算子单元，用于根据每个热点的时间信息计算获取标示每个热点使用频率的常用分值；

排序子单元，用于根据用户使用的所有热点的常用分值进行排序；

常用热点筛选子单元，用于将处于高序位的热点筛选出为用户常用热点。

15.根据权利要求14所述的识别用户的网络热点类型的装置，其特征在于，所述网络热点类型分辨模型获取子单元包括：

正负样本训练子单元，用于预先训练出家庭用热点和工作用热点的正负样本；

参数获取子单元，用于将所述特征向量和正负样本代入预设的逻辑回归公式中，获取网络热点类型分辨模型的参数；

形成子单元，用于将获取的所述参数代入所述逻辑回归公式，形成基于时间模式的网络热点类型分辨模型。

16.根据权利要求15所述的识别用户的网络热点类型的装置，其特征在于，所述网络热点类型识别单元具体包括：

时间信息获取子单元，用于以获取的所述当前用户的数据信息中热点时间信息为依据；

网络热点类型分辨模型代入子单元，用于将所述热点时间信息对应的特征向量代入所述网络热点类型分辨模型中；

识别子单元，用于所述网络热点类型分辨模型是与上述热点时间信息相关的且具有参数的特征向量，根据代入的上述热点时间对应的特征向量则可识别判断出该热点是家庭用热点或者工作用热点。

17.一种电子设备，其特征在于，所述电子设备包括：输入设备、输出设备、处理器和存储器，所述存储器用于存储识别用户的网络热点类型的软件程序，所述软件程序在被所述处理器读取执行时，执行如下操作：

获取用户使用的无线连接方式的数据信息；

以获取的所述当前用户的数据信息为依据，利用网络热点类型分辨模型识别所述用户使用的无线连接方式的网络热点的类型；所述网络热点类型分辨模型是基于所述用户在预定时间使用网络的网络行为数据而生成的。