CN106557942B - 一种用户关系的识别方法和装置 - Google Patents
一种用户关系的识别方法和装置 Download PDFInfo
- Publication number
- CN106557942B CN106557942B CN201510639155.4A CN201510639155A CN106557942B CN 106557942 B CN106557942 B CN 106557942B CN 201510639155 A CN201510639155 A CN 201510639155A CN 106557942 B CN106557942 B CN 106557942B
- Authority
- CN
- China
- Prior art keywords
- user
- wireless network
- set position
- cluster
- network address
- 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.)
- Active
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—Systems or methods specially adapted for 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
Abstract
本发明实施例公开了一种用户关系的识别方法和装置,该识别方法包括:获取各用户终端联网的无线网络地址和坐标信息;根据已知设定位置坐标的各已知用户的无线网络地址和坐标信息,训练设定位置分类器;根据设定位置分类器,确定未知设定位置坐标的各未知用户的设定位置无线网络地址;根据设定位置无线网络地址的共用关系,标记至少两个用户的关系。本发明基于用户终端联网的信息,通过训练分类器确定未知用户的设定位置无线网络地址以标记用户间的关系,可精确地区分出用户之间的家庭、朋友和同事等关系,解决了移动互联网的商业推广活动中熟人协同作弊获取不正当经济收入导致推广活动费用损失的问题,提高了互联网推广活动的效果。
Description
技术领域
本发明实施例涉及数据挖掘技术,尤其涉及一种用户关系的识别方法和装置。
背景技术
随着移动互联网技术的发展,移动互联网的商业推广活动越来越多,如滴滴、快的、神州租车、51用车和天天用车等互联网企业的顺风车、专车和出租车叫车。各种打车APP意在根据移动互联网资源和技术以全新的方式为广大用户提供最便捷的服务。
该类公司在移动互联网商业推广活动中选择在其应用程序中采用高额补贴的方式进行推广,使得出现了实际生活中熟人协同作弊进行刷单,以骗取补贴获取不正当经济收入的问题,造成了公司推广活动费用损失。针对该类问题,现有的互联网应用程序一般通过用户手机中的通信录提取用户的熟人关系来进行防范。
然而,这种方式需要获取用户的通信录,在大多数情况下,多数用户不会主动提供自己的通信录,且若应用程序主动读取用户通信录还可能引起用户反感导致用户流失。此外,利用手机中的通信录提取用户的熟人关系,仅能区分出两人是否认识,无法精确的区分其家庭、朋友和同事等熟人关系。因此现有技术无法从根本上解决问题。
发明内容
本发明实施例提供一种用户关系的识别方法和装置,以解决现有互联网推广活动中熟人协同作弊获取不正当经济收入的问题。
第一方面,本发明实施例提供了一种用户关系的识别方法,包括:
获取各用户终端联网的无线网络地址和坐标信息;
根据已知设定位置坐标的各已知用户的无线网络地址和坐标信息,训练设定位置分类器;
根据所述设定位置分类器,确定未知设定位置坐标的各未知用户的设定位置无线网络地址;
根据所述设定位置无线网络地址的共用关系,标记至少两个用户的关系。
第二方面,本发明实施例还提供了一种用户关系的识别装置,包括:
获取联网信息模块,用于获取各用户终端联网的无线网络地址和坐标信息;
训练分类器模块,用于根据已知设定位置坐标的各已知用户的无线网络地址和坐标信息,训练设定位置分类器;
确定网络地址模块,用于根据所述设定位置分类器,确定未知设定位置坐标的各未知用户的设定位置无线网络地址;
标记用户关系模块,用于根据所述设定位置无线网络地址的共用关系,标记至少两个用户的关系。
本发明提供的一种用户关系识别方法和装置,获取各用户终端联网的无线网络地址和坐标信息后,根据各已知用户的无线网络地址和坐标信息训练出设定位置分类器,以该设定位置分类器确定各未知用户的设定位置无线网络地址,由此根据设定位置无线网络地址的共用关系标记至少两个用户的关系。该技术方案基于用户终端联网的信息,通过训练分类器、数据挖掘技术确定未知用户的设定位置无线网络地址以标记用户间的关系,由此可精确地区分出用户之间的家庭、朋友和同事等关系。利用该技术方案不需要提取用户终端通讯录即可精确标记出用户间的关系,解决了移动互联网的商业推广活动中熟人协同作弊获取不正当经济收入导致推广活动费用损失的问题,提高了互联网推广活动的效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图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是本发明实施例一中的一种用户关系的识别方法的流程图;
图2是本发明实施例二中的一种用户关系的识别方法的流程图;
图3是本发明实施例三中的一种用户关系的识别装置的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将参照本发明实施例中的附图,通过实施方式清楚、完整地描述本发明的技术方案,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
如图1所示,为本发明实施例一中的一种用户关系的识别方法的流程图。本实施例的技术方案可适用于基于用户终端联网的无线网络信息挖掘用户家庭、工作地点等设定位置信息的情况,也适用于识别各个用户之间的关系的情况。该方法可以由用户关系的识别装置来执行,并配置在服务器中。
本实施例提供的用户关系的识别方法,具体包括如下步骤:
S110、获取各用户终端联网的无线网络地址和坐标信息。
在此无线网络优选为常见的无线保真wifi等无线局域网络,则无线网络地址为wifi路由器的mac地址,简称wifi mac地址,在此优选wifi的原因在于wifi mac地址全球唯一且可在无线网络中作为辨别路由器的标识。在本实施例中,以无线网络地址为wifi mac地址为例进行用户关系识别方法的说明。
不同终端通过同一wifi连接到wifi路由器后,终端使用者通过无线网络进行终端联网以及在终端上输入允许获取位置信息的指令时,用户关系识别装置可获取终端使用者联网的无线网络地址和其联网位置的坐标信息,因此所述用户为终端使用者中允许获取坐标信息的用户。在此用户关系识别装置可通过终端的GPS等定位系统获取用户的坐标信息。
具体可通过终端上用户使用的应用程序获取用户联网的无线网络地址和坐标信息,将无线网络地址和坐标信息的对应关系存储在服务器中。该服务器可以为应用程序服务器,则其中存储有各用户终端联网并使用该应用程序时的无线网络地址和坐标信息;该服务器还可以为用户关系识别装置服务器或存储服务器,则其中存储有各用户终端联网的无线网络地址和坐标信息。
S120、根据已知设定位置坐标的各已知用户的无线网络地址和坐标信息,训练设定位置分类器。
上述操作中,设定位置可以为家庭位置,若部分用户的家庭位置已知,则该类用户的家庭坐标已知,相应的对于已知家庭坐标的各用户,根据该类用户终端联网的无线网络地址和坐标信息,可训练出一个家庭分类器。设定位置也可以为工作地点,若部分用户的工作地点已知,则该类用户的工作地点坐标已知,相应的对于已知工作地点坐标的各用户,根据该类用户终端联网的无线网络地址和坐标信息,可训练出一个工作地点分类器。设定位置还可以是所需要训练出分类器的其他位置或至少两个位置等。
由此可知已知设定位置坐标的用户为已知用户,未知设定位置坐标的用户为未知用户,通过设定位置分类器可确定未知用户的设定位置坐标。此外,若设定位置优选为家庭和工作地点,则已知用户是指用户关系识别装置可从其终端获取到家庭和/或工作地点,未知用户是指用户关系识别装置无法从其终端获取家庭和工作地点。由此根据服务器中存储的各已知用户的无线网络地址和坐标信息,可训练出设定位置为家庭和工作地点的家庭分类器和工作地点分类器。
S130、根据设定位置分类器,确定未知设定位置坐标的各未知用户的设定位置无线网络地址。
上述操作中,根据服务器中存储的各已知用户的无线网络地址和坐标信息,可训练出设定位置分类器。以家庭分类器为例,对于未知用户的无线网络地址和坐标信息等数据,基于数据挖掘技术通过家庭分类器对该未知用户的数据进行分类,可分类并挖掘出该未知用户的家庭数据,根据该未知用户的家庭数据可确定其家庭无线网络地址。由此根据设定位置分类器确定未知设定位置坐标的各未知用户的设定位置无线网络地址。此外,根据挖掘出的该未知用户的家庭数据还可以确定其家庭坐标。
上述操作中,基于数据挖掘技术根据设定位置分类器以及未知用户的无线网络地址和坐标信息可确定未知用户的设定位置无线网络地址和设定位置坐标,若设定位置为家庭或工作地点时,上述操作S110~S130挖掘出了未知用户的家庭或工作地点以及家庭路由器的wifi mac地址或工作地点路由器的wifi mac地址,因此该技术方案基于用户终端联网的信息挖掘出未知用户家庭、工作地点等设定位置信息和设定位置无线网络地址。
S140、根据设定位置无线网络地址的共用关系,标记至少两个用户的关系。
上述操作中,基于用户终端联网的无线网络地址和坐标信息通过数据挖掘技术确定未知用户的家庭、工作地点等设定位置信息和设定位置无线网络地址。以设定位置信息为家庭和工作地点为例,那么对于共用同一家庭无线网络地址的至少两个用户,标记该至少两个用户的关系为家人或朋友关系,即共用同一家庭路由器的至少两个用户为家人或朋友关系;对于共用同一工作地点无线网络地址的至少两个用户,标记该至少两个用户的关系为同事关系,即共用同一工作地点路由器的至少两个用户为同事关系;对于共用同一家庭无线网络地址和同一工作地点无线网络地址的至少两个用户,标记该至少两个用户的关系为朋友关系。在此还可根据不同的设定位置或其他情况进行用户间的关系标记,如将不共用相同家庭路由器的wifi mac地址和相同工作地点路由器的wifi mac地址等的至少两个用户标记为陌生人关系。
本实施例提供的一种用户关系识别方法,获取各用户终端联网的无线网络地址和坐标信息后,根据各已知用户的无线网络地址和坐标信息训练出设定位置分类器,以该设定位置分类器确定各未知用户的设定位置无线网络地址,由此根据设定位置无线网络地址的共用关系标记至少两个用户的关系。该技术方案基于用户终端联网的信息,通过训练分类器、数据挖掘技术确定未知用户的设定位置无线网络地址以标记用户间的关系,由此可精确地区分出用户之间的家庭、朋友和同事等关系。利用该技术方案不需要提取用户终端通讯录即可精确标记出用户间的关系,解决了移动互联网的商业推广活动中熟人协同作弊获取不正当的经济收入导致推广活动费用损失的问题,提高了互联网推广活动的效果。
实施例二
如图2所示,为本发明实施例二中的一种用户关系的识别方法的流程图。本实施例的技术方案可适用于基于用户终端联网的无线网络信息挖掘用户家庭、工作地点等设定位置信息的情况,也适用于识别各个用户之间的关系的情况。该方法可以由用户关系的识别装置来执行,并配置在服务器中。
本实施例提供的用户关系的识别方法,具体包括如下步骤:
S210、获取各用户终端联网的无线网络地址和坐标信息。
上述操作中,无线网络优选为常见的wifi,则无线网络地址为其wifi路由器的mac地址,简称wifi mac地址,所述用户为终端使用者中允许获取坐标信息的用户。在本实施例中,以无线网络地址为路由器的wifi mac地址为例进行用户关系识别方法的说明。
当获取用户联网的无线网络地址和坐标信息后,将无线网络地址和坐标信息的对应关系存储在服务器中。可选还获取各用户终端联网的时间信息,则需将无线网络地址、坐标信息和时间信息三者的对应关系存储在服务器中。
S220、构建各未知用户的二元组<(x坐标,y坐标),无线网络地址>的数据集,以及构建各已知用户在设定时间周期内的二元组<(x坐标,y坐标),无线网络地址>的数据集。
上述操作中,已知设定位置坐标的用户为已知用户,未知设定位置坐标的用户为未知用户。可选设定时间周期可自行设置为两个月、或三个月、或2015年第三季度等。
对于任意一个未知用户,根据服务器中该未知用户的无线网络地址和坐标信息的对应关系,组成该未知用户的所有用户二元组<(x坐标,y坐标),无线网络地址>,该未知用户全部用户二元组的集合构建为其二元组数据集。
对于任意一个已知用户,仅对该已知用户在设定时间周期内的全部无线网络地址和坐标信息进行数据集构建。根据服务器中该已知用户在设定时间周期内的无线网络地址和坐标信息的对应关系,构建该已知用户的用户二元组<(x坐标,y坐标),无线网络地址>的数据集。
S230、基于密度聚类算法对未知用户的二元组数据集中的用户位置进行聚类,以形成该未知用户的第1簇、第2簇、…、第i簇、…,其中,i为正整数;基于密度聚类算法对已知用户的二元组数据集中的用户位置进行聚类,以形成该已知用户的设定位置簇和非设定位置簇。
密度聚类算法是基于密度的空间聚类算法,该算法将具有足够密度的区域划分为簇,并在具有噪声的空间数据库中发现任意形状的簇,它将簇定义为密度相连的点的最大集合。在此还可采用其他聚类算法如基于层次的聚类算法对未知用户和已知用户的二元组数据集中的用户位置进行聚类。
上述操作中,对于任意一个未知用户,基于密度聚类算法对该未知用户的二元组数据集中的用户位置进行聚类,在此用户位置是指数据集中的坐标信息,由此形成该未知用户的第1簇、第2簇、…、第i簇、…,i为正整数,未知用户的簇的标记未知。不同未知用户的簇数量可能不同。
对于任意一个已知用户,基于密度聚类算法对该已知用户的二元组数据集中的用户位置进行聚类可形成已知用户的至少两个簇,其中包含已知设定位置坐标的簇为该已知用户的设定位置簇,其余未包含已知设定位置坐标的簇为非设定位置簇。若设定位置为家庭和工作地点,该已知用户聚类形成的簇为第1簇、第2簇、第3簇、第4簇,则其中包含家庭坐标的簇标记为home,包含工作地点坐标的簇标记为company,其他2簇标记为nouse1和nouse2,则对于该已知用户,其包括一个家庭簇和三个非家庭簇,或者包括一个工作地点簇和三个非工作地点簇。
S240、采用随机森林算法或迭代决策树算法,根据各已知用户的设定位置簇和非设定位置簇,训练设定位置分类器。
上述操作中,根据各已知用户的设定位置簇和非设定位置簇,利用随机森林(random forest)算法或者迭代决策树(GBDT)算法训练分类器,构建设定位置分类器。若设定位置为工作地点和家庭,各已知用户的家庭簇总数为10个、工作地点簇总数为6个、其他簇总数为24个,则需训练出家庭分类器和工作地点分类器,即根据10个家庭簇和(6+24)个非家庭簇训练出家庭分类器,以及根据6个工作地点簇和(10+24)个非工作地点簇训练出工作地点分类器。本领域技术人员可以知道,随机森林算法和GBDT算法是数据挖掘技术中常见的两种分类算法,基于数据挖掘技术,在此还可以通过邻近算法(KNN)或支持向量机或其他分类算法训练分类器。
已知用户的簇中的数据为用户二元组,服务器中存储有用户的无线网络地址、坐标信息和时间信息的对应关系,相应的设定位置分类器的训练属性包括以下至少一种:以训练家庭分类器为例,对于任意一个已知用户,该已知用户的设定位置簇(家庭簇)中每个无线网络地址的出现天数与设定时间周期的比例,如wifi mac地址A在设定时间周期(60天)的第1天、第6天、第7天出现过,则比例结果为3/60;该已知用户的设定位置簇(家庭簇)中每个无线网络地址的白天出现次数与夜间出现次数的比例;该已知用户的设定位置簇(家庭簇)中的每个无线网络地址在一天至少两个时段中各时段出现次数的比例;各已知用户的设定位置簇(家庭簇)中的各个无线网络地址出现的概率计算出的无线网络地址熵。本领域技术人员可以知道,家庭分类器的训练属性还可以包括其他属性,以及不同分类器的训练属性可能不同,在此不做详细赘述。
需要说明的是,除设定位置之外,还可对标记为nouse的簇进行分类器训练,即形成nouse分类器,该分类器用于分类并标记未知用户的非设定位置簇。
S250、将未知用户的各个簇中的二元组依次在设定位置分类器中进行分类,以标记未知用户的设定位置簇和非设定位置簇。
上述操作中,根据训练出的设定位置分类器如家庭分类器、工作地点分类器等,将未知用户的各个簇中的二元组依次在设定位置分类器中进行分类,以标记未知用户的设定位置簇和非设定位置簇。未知用户的簇包括第1簇、第2簇、…、第i簇、…,则对未知用户的簇进行分类和标记后,可标记出未知用户的家庭簇、工作地点簇等,即根据设定位置分类器标记出未知用户的设定位置簇。在此还可根据非设定位置分类器标记出未知用户的非设定位置簇,如根据nouse分类器标记出未知用户的nouse簇。
S260、查找未知用户的设定位置簇中出现最多的无线网络地址并确定为该未知用户的设定位置无线网络地址。
上述操作中,标记出各未知用户的各个簇后,对于任意一个用户,以家庭簇、工作地点簇和其他簇为例,将该家庭簇中出现最多的无线网络地址确定为该未知用户的家庭无线网络地址,以及将该工作地点簇中出现最多的无线网络地址确定为该未知用户的工作地点无线网络地址。由此查找未知用户的设定位置簇中出现最多的无线网络地址并确定该未知用户的设定位置无线网络地址。
此外还可将该未知用户的家庭簇中出现最多的同一坐标信息或者家庭簇的中心坐标确定为该未知用户的家庭位置,以及将该未知用户的工作地点簇中出现最多的同一坐标信息或者工作地点簇的中心坐标确定为该未知用户的工作地点位置。本领域技术人员可以知道,还可以通过簇中其他数据确定未知用户的设定位置,如可将该未知用户的家庭簇的限定范围确定为该未知用户的家庭位置范围,以及将该未知用户的工作地点簇的限定范围确定为该未知用户的工作地点位置。
S270、根据设定位置无线网络地址的共用关系,标记至少两个用户的关系。
上述操作中,对于用户关系的标记,如可将共用相同家庭无线网络地址的至少两个用户标记为家人关系或朋友关系,即共用同一家庭路由器的至少两个用户为家人或朋友关系。如可将共用相同工作地点无线网络地址的至少两个用户标记为同事关系或朋友关系,即共用同一工作地点路由器的至少两个用户为同事关系。对于不共用相同家庭无线网络地址、也不共用相同工作地点无线网络地址等的至少两个用户标记为陌生人关系。
需要说明的是,S220中构建未知用户的二元组数据集的操作,以及S230中基于密度聚类算法对未知用户的二元组数据集中的用户位置进行聚类以形成该未知用户的簇的操作也可选择在S240之后进行执行。
本实施例提供的一种用户关系识别方法,根据各用户终端联网的无线网络地址和坐标信息构建各未知用户二元组数据集和各已知用户二元组数据集,并基于密度聚类算法形成各未知用户的簇和各已知用户的设定位置簇,采用GBDT等数据挖掘技术根据各已知用户的簇训练设定位置分类器以标记出各未知用户的设定位置簇,从未知用户的设定位置簇中确定其设定位置无线网络地址并标记至少两个用户的关系。该技术方案基于用户终端联网的信息,通过训练分类器、数据挖掘技术确定未知用户的设定位置无线网络地址以标记用户间的关系,由此可精确地区分出用户之间的家庭、朋友和同事等关系。利用该技术方案不需要提取用户终端通讯录即可精确标记出用户间的关系,解决了移动互联网的商业推广活动中熟人协同作弊获取不正当的经济收入导致推广活动费用损失的问题,提高了互联网推广活动的效果。
实施例三
如图3所示,为本发明实施例三中的一种用户关系的识别装置的示意图。本实施例的技术方案可适用于基于用户终端联网的无线网络信息挖掘用户家庭、工作地点等设定位置信息的情况,也适用于识别各个用户之间的关系的情况。该装置可执行用户关系的识别方法,并配置在服务器中。
本实施例提供的用户关系的识别装置,包括:获取联网信息模块310、训练分类器模块320、确定网络地址模块330和标记用户关系模块340。
其中,获取联网信息模块310用于获取各用户终端联网的无线网络地址和坐标信息;训练分类器模块320用于根据已知设定位置坐标的各已知用户的无线网络地址和坐标信息,训练设定位置分类器;确定网络地址模块330用于根据设定位置分类器,确定未知设定位置坐标的各未知用户的设定位置无线网络地址;标记用户关系模块340用于根据设定位置无线网络地址的共用关系,标记至少两个用户的关系。
可选地,用户关系的识别装置还包括:构建数据集模块350和聚类数据集模块360。
其中,构建数据集模块350用于在获取各用户终端联网的无线网络地址和坐标信息之后,构建各未知用户的二元组<(x坐标,y坐标),无线网络地址>的数据集,以及构建各已知用户在设定时间周期内的二元组<(x坐标,y坐标),无线网络地址>的数据集;聚类数据集模块360用于基于密度聚类算法对未知用户的二元组数据集中的用户位置进行聚类,以形成该未知用户的第1簇、第2簇、…、第i簇、…,其中,i为正整数,以及基于密度聚类算法对已知用户的二元组数据集中的用户位置进行聚类,以形成该已知用户的设定位置簇和非设定位置簇。
可选地,训练分类器模块320具体包括:采用随机森林算法或迭代决策树算法,根据各已知用户的设定位置簇和非设定位置簇,训练设定位置分类器。
可选地,获取联网信息模块310还包括获取各用户终端联网的时间信息;相应的,设定位置分类器的训练属性包括以下至少一种:
已知用户的设定位置簇中每个无线网络地址的出现天数与设定时间周期的比例;已知用户的设定位置簇中每个无线网络地址的白天出现次数与夜间出现次数的比例;已知用户的设定位置簇中的每个无线网络地址在一天至少两个时段中各时段出现次数的比例;各已知用户的设定位置簇中的各个无线网络地址出现的概率计算出的无线网络地址熵。
可选地,确定网络地址模块330包括:标记簇单元331和查找网络地址单元332。
其中,标记簇单元331用于将未知用户的各个簇中的二元组依次在设定位置分类器中进行分类,以标记未知用户的设定位置簇和非设定位置簇;查找网络地址单元332用于查找未知用户的设定位置簇中出现最多的无线网络地址并确定为该未知用户的设定位置无线网络地址。
本实施例提供的一种用户关系识别装置,基于用户终端联网的信息,通过训练分类器、数据挖掘技术确定未知用户的设定位置无线网络地址以标记用户间的关系,由此可精确地区分出用户之间的家庭、朋友和同事等关系。利用该技术方案不需要提取用户终端通讯录即可精确标记出用户间的关系,解决了移动互联网的商业推广活动中熟人协同作弊获取不正当的经济收入导致推广活动费用损失的问题,提高了互联网推广活动的效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种用户关系的识别方法,其特征在于,包括:
获取各用户终端联网的无线网络地址和坐标信息;
构建各未知用户的二元组<(x坐标,y坐标),无线网络地址>的数据集,以及构建各已知用户在设定时间周期内的二元组<(x坐标,y坐标),无线网络地址>的数据集;
基于密度聚类算法对所述未知用户的二元组数据集中的用户位置进行聚类,以形成该未知用户的第1簇、第2簇、…、第i簇、…,其中,i为正整数;
基于密度聚类算法对所述已知用户的二元组数据集中的用户位置进行聚类,以形成该已知用户的设定位置簇和非设定位置簇;
根据已知设定位置坐标的各已知用户的无线网络地址和坐标信息,训练设定位置分类器;
根据所述设定位置分类器,确定未知设定位置坐标的各未知用户的设定位置无线网络地址;
根据所述设定位置无线网络地址的共用关系,标记至少两个用户的关系。
2.根据权利要求1所述的识别方法,其特征在于,根据已知设定位置坐标的各已知用户的无线网络地址和坐标信息,训练设定位置分类器包括:
采用随机森林算法或迭代决策树算法,根据各所述已知用户的设定位置簇和非设定位置簇,训练设定位置分类器。
3.根据权利要求2所述的识别方法,其特征在于,还包括获取各用户终端联网的时间信息;相应的,所述设定位置分类器的训练属性包括以下至少一种:
所述已知用户的设定位置簇中每个无线网络地址的出现天数与所述设定时间周期的比例;
所述已知用户的设定位置簇中每个无线网络地址的白天出现次数与夜间出现次数的比例;
所述已知用户的设定位置簇中的每个无线网络地址在一天至少两个时段中各时段出现次数的比例;
各所述已知用户的设定位置簇中的各个无线网络地址出现的概率计算出的无线网络地址熵。
4.根据权利要求1所述的识别方法,其特征在于,根据所述设定位置分类器,确定未知设定位置坐标的各未知用户的设定位置无线网络地址,包括:
将所述未知用户的各个簇中的二元组依次在所述设定位置分类器中进行分类,以标记所述未知用户的设定位置簇和非设定位置簇;
查找所述未知用户的设定位置簇中出现最多的无线网络地址并确定为该未知用户的设定位置无线网络地址。
5.一种用户关系的识别装置,其特征在于,包括:
获取联网信息模块,用于获取各用户终端联网的无线网络地址和坐标信息;
构建数据集模块,用于在获取各用户终端联网的无线网络地址和坐标信息之后,构建各未知用户的二元组<(x坐标,y坐标),无线网络地址>的数据集,以及构建各已知用户在设定时间周期内的二元组<(x坐标,y坐标),无线网络地址>的数据集;
聚类数据集模块,用于基于密度聚类算法对所述未知用户的二元组数据集中的用户位置进行聚类,以形成该未知用户的第1簇、第2簇、…、第i簇、…,其中,i为正整数;基于密度聚类算法对所述已知用户的二元组数据集中的用户位置进行聚类,以形成该已知用户的设定位置簇和非设定位置簇;
训练分类器模块,用于根据已知设定位置坐标的各已知用户的无线网络地址和坐标信息,训练设定位置分类器;
确定网络地址模块,用于根据所述设定位置分类器,确定未知设定位置坐标的各未知用户的设定位置无线网络地址;
标记用户关系模块,用于根据所述设定位置无线网络地址的共用关系,标记至少两个用户的关系。
6.根据权利要求5所述的识别装置,其特征在于,所述训练分类器模块具体包括:采用随机森林算法或迭代决策树算法,根据各所述已知用户的设定位置簇和非设定位置簇,训练设定位置分类器。
7.根据权利要求6所述的识别装置,其特征在于,所述获取联网信息模块还包括获取各用户终端联网的时间信息;相应的,
所述设定位置分类器的训练属性包括以下至少一种:
所述已知用户的设定位置簇中每个无线网络地址的出现天数与所述设定时间周期的比例;
所述已知用户的设定位置簇中每个无线网络地址的白天出现次数与夜间出现次数的比例;
所述已知用户的设定位置簇中的每个无线网络地址在一天至少两个时段中各时段出现次数的比例;
各所述已知用户的设定位置簇中的各个无线网络地址出现的概率计算出的无线网络地址熵。
8.根据权利要求5所述的识别装置,其特征在于,所述确定网络地址模块包括:
标记簇单元,用于将所述未知用户的各个簇中的二元组依次在所述设定位置分类器中进行分类,以标记所述未知用户的设定位置簇和非设定位置簇;
查找网络地址单元,用于查找所述未知用户的设定位置簇中出现最多的无线网络地址并确定为该未知用户的设定位置无线网络地址。
Priority Applications (6)
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 |
KR1020187010502A KR102089026B1 (ko) | 2015-09-30 | 2015-12-25 | 사용자 관계의 식별 방법, 장치, 저장 매체 및 서버 |
US15/765,216 US10827012B2 (en) | 2015-09-30 | 2015-12-25 | Method and apparatus for recognizing user relationship, storage medium and server |
JP2018516680A JP6499377B2 (ja) | 2015-09-30 | 2015-12-25 | ユーザ関係の識別方法、装置、記憶媒体及びサーバ |
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 |
EP15905253.9A EP3349165A4 (en) | 2015-09-30 | 2015-12-25 | Recognition method and apparatus for user relationship, storage medium, and server |
Applications Claiming Priority (1)
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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106557942A CN106557942A (zh) | 2017-04-05 |
CN106557942B true CN106557942B (zh) | 2020-07-10 |
Family
ID=58417530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510639155.4A Active CN106557942B (zh) | 2015-09-30 | 2015-09-30 | 一种用户关系的识别方法和装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10827012B2 (zh) |
EP (1) | EP3349165A4 (zh) |
JP (1) | JP6499377B2 (zh) |
KR (1) | KR102089026B1 (zh) |
CN (1) | CN106557942B (zh) |
WO (1) | WO2017054343A1 (zh) |
Families Citing this family (20)
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系统 |
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 |
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 | 中国移动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 |
Family Cites Families (42)
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 |
US9767474B1 (en) * | 2010-03-23 | 2017-09-19 | Amazon Technologies, Inc. | Transaction tracking and incentives |
AU2011258874B2 (en) * | 2010-05-25 | 2015-04-09 | Headwater Research 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系统和方法 |
US9576284B2 (en) * | 2011-09-29 | 2017-02-21 | Paypal, Inc. | Social proximity payments |
US9420424B2 (en) | 2012-08-09 | 2016-08-16 | Tata Consultancy Services Limited | System and method for measuring the crowdedness of people at a place |
JP2014082580A (ja) | 2012-10-15 | 2014-05-08 | Hitachi Solutions Ltd | ガイド情報配信システム |
US20140136333A1 (en) * | 2012-11-15 | 2014-05-15 | Microsoft Corporation | Cross Device Identity Generator |
US9589280B2 (en) * | 2013-07-17 | 2017-03-07 | PlaceIQ, Inc. | Matching anonymized user identifiers across differently anonymized data sets |
US20150149091A1 (en) * | 2013-11-25 | 2015-05-28 | PlaceIQ, Inc. | Apparatus and Method for Determining the Quality or Accuracy of Reported Locations |
JP6077349B2 (ja) * | 2013-03-19 | 2017-02-08 | 国立大学法人 東京大学 | 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 |
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 |
WO2015127312A1 (en) * | 2014-02-21 | 2015-08-27 | 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 | 群组定位方法和系统 |
CN104615608B (zh) | 2014-04-28 | 2018-05-15 | 腾讯科技(深圳)有限公司 | 一种数据挖掘处理系统及方法 |
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 |
-
2015
- 2015-09-30 CN CN201510639155.4A patent/CN106557942B/zh active Active
- 2015-12-25 WO PCT/CN2015/099010 patent/WO2017054343A1/zh active Application Filing
- 2015-12-25 JP JP2018516680A patent/JP6499377B2/ja active Active
- 2015-12-25 KR KR1020187010502A patent/KR102089026B1/ko active IP Right Grant
- 2015-12-25 US US15/765,216 patent/US10827012B2/en active Active
- 2015-12-25 EP EP15905253.9A patent/EP3349165A4/en not_active Ceased
Also Published As
Publication number | Publication date |
---|---|
US20180278702A1 (en) | 2018-09-27 |
CN106557942A (zh) | 2017-04-05 |
KR20180054706A (ko) | 2018-05-24 |
WO2017054343A1 (zh) | 2017-04-06 |
JP6499377B2 (ja) | 2019-04-10 |
US10827012B2 (en) | 2020-11-03 |
JP2018535475A (ja) | 2018-11-29 |
KR102089026B1 (ko) | 2020-03-16 |
EP3349165A1 (en) | 2018-07-18 |
EP3349165A4 (en) | 2018-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106557942B (zh) | 一种用户关系的识别方法和装置 | |
CN107547633B (zh) | 一种用户常驻点的处理方法、装置和存储介质 | |
JP6655533B2 (ja) | ネットワークアドレスへの属性の関連付け | |
CN110401779B (zh) | 一种识别电话号码的方法、装置和计算机可读存储介质 | |
CN111078818B (zh) | 地址分析方法、装置、电子设备及存储介质 | |
CN109688532B (zh) | 一种划分城市功能区域的方法及装置 | |
JP7407209B2 (ja) | 情報プッシュ方法及び装置 | |
CN104915351A (zh) | 图片排序方法及终端 | |
CN110035388A (zh) | 确定用户区域的方法、计算机可读存储介质及终端设备 | |
CN101986672B (zh) | 一种信息处理方法及装置 | |
US20180276696A1 (en) | Association method, and non-transitory computer-readable storage medium | |
CN110750730B (zh) | 基于时空约束的群体检测方法和系统 | |
US8655883B1 (en) | Automatic detection of similar business updates by using similarity to past rejected updates | |
WO2017000817A1 (zh) | 获取数据之间的匹配关系的方法和装置 | |
CN111241350A (zh) | 图数据查询方法、装置、计算机设备和存储介质 | |
CN111314102A (zh) | 群组识别方法、装置、电子设备及计算机可读存储介质 | |
CN112699196A (zh) | 轨迹生成方法、装置、终端设备及存储介质 | |
Moreira et al. | Where@ UM-Dependable organic radio maps | |
CN111148044B (zh) | 企业位置信息获取方法、装置、设备和存储介质 | |
CN114168838A (zh) | 兴趣点在线搜索排序方法与系统、以及云端搜索服务平台 | |
JP2017059032A (ja) | 推定装置 | |
CN113283542B (zh) | 职住信息确定方法、装置、设备及存储介质 | |
US10951574B2 (en) | Target object selection method, server, and computer storage medium | |
CN113205129B (zh) | 一种作弊团伙识别方法、装置、电子设备及存储介质 | |
CN109548064B (zh) | 身份识别方法及装置、计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |