CN106557984A - 一种社交群体的确定方法及装置 - Google Patents
一种社交群体的确定方法及装置 Download PDFInfo
- Publication number
- CN106557984A CN106557984A CN201611035627.6A CN201611035627A CN106557984A CN 106557984 A CN106557984 A CN 106557984A CN 201611035627 A CN201611035627 A CN 201611035627A CN 106557984 A CN106557984 A CN 106557984A
- Authority
- CN
- China
- Prior art keywords
- user
- node
- cohesion
- represent
- detail
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000003993 interaction Effects 0.000 claims abstract description 21
- 238000010276 construction Methods 0.000 claims abstract description 8
- 229910052718 tin Inorganic materials 0.000 claims description 61
- 230000002452 interceptive effect Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 abstract description 13
- 238000013461 design Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical group OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052738 indium Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种社交群体的确定方法及装置,涉及通信领域,解决了现有技术中如何根据“强关系”用户间的通话、短信等关联关系,深度挖掘用户的社交属性,确定更大范围的社交群体的问题。该方法包括:确定构造社交群体的圆心用户X;根据用户X的语音详单和短信详单,确定与用户X有直接互动的用户的集合S;根据集合S中任意两个用户之间的语音详单和短信详单,确定集合S中任意两个用户之间的亲密度;将集合S中的用户作为节点,用户之间关系作为边,用户之间的亲密度作为边的权重,构造无向图G;根据用户之间的亲密度,分别对无向图G中每个极大完全图进行扩充;根据每个扩充后的图,确定以用户X为中心的多个社交群体。
Description
技术领域
本发明涉及社交网络领域,尤其涉及一种社交群体的确定方法及装置。
背景技术
研究表明,社交网络维护的是“弱关系”,而基于运营商网络,通过通话、短信等方式联系的是“强关系”,并且“强关系”之间的用户更容易相互影响。
然而,目前在确定社交群体时,大多是基于互联网社交平台如微博等的关注、转发等方式,根据互动关系及共同兴趣话题,确定社交网络维护的“弱关系”的用户群体。而对于基于运营商网络,通过通话、短信等方式联系的“强关系”的用户群体关注甚少。
然而,“强关系”之间的用户更容易相互影响,因此,如何根据“强关系”用户间的通话、短信等关联关系,深度挖掘用户的社交属性,确定更大范围的社交群体是目前亟待解决的问题。
发明内容
本发明的实施例提供一种社交群体的确定方法及装置,以至少解决现有技术中没有根据“强关系”用户间的通话、短信等关联关系,深度挖掘用户的社交属性,确定更大范围的社交群体的解决方案的问题。
为达到上述目的,本发明的实施例采用如下技术方案:
一方面,本发明实施例提供一种社交群体的确定方法,方法包括:确定构造社交群体的圆心用户X;根据该圆心用户X的语音详单和短信详单,确定与该圆心用户X有直接互动的用户的集合S={S1,S2...,SK},K为大于等于2的正整数;根据该集合S中任意两个用户之间的语音详单和短信详单,确定该集合S中任意两个用户之间的亲密度;将该集合S中的用户作为节点,用户之间关系作为边,用户之间的亲密度作为边的权重,构造无向图G;确定该无向图G中的极大完全图集合T={T1,T2...,TN},其中,该极大完全图Ti中任意两个节点对应的用户之间均有直接互动,并且该无向图G中不存在其它节点对应的用户与该极大完全图Ti中的每个节点对应的用户均有直接互动,N为正整数,i为1到N中的任意正整数;根据该用户之间的亲密度,分别对该极大完全图集合T中的每个极大完全图进行扩充,获得每个扩充后的图;根据该每个扩充后的图,确定以该圆心用户X为中心的多个社交群体。
本发明实施例中,根据用户间的语音详单和短信详单,深度挖掘用户的社交属性,可以确定出以圆心用户为中心的多个社交群体,也就是说可以确定出以运营商网络为通信基础的“强关系”下的社交群体。进一步的,由于可以确定出以运营商网络为通信基础的“强关系”下的社交群体,因此可实现以“强关系”下的社交群体为目标的市场营销、产品推介,为打造运营商特有的社交网络提供用户社交关系基础,提高了整体社交圈子对运营商网络的依赖程度。
在一种可能的设计中,该根据该用户之间的亲密度,分别对该极大完全图集合T中的每个极大完全图进行扩充,获得每个扩充后的图,包括:对于该极大完全图集合T中的每个极大完全图,均按照下面针对极大完全图Ti的操作进行处理:确定该集合S中与该极大完全图Ti相关的用户,分别计算该相关的用户对应的节点与该极大完全图Ti中相连节点形成的边的权重的和,按照该权重的和由大到小的顺序得到集合M={M1,M2...,ML},其中,该用户Mj为不属于该极大完全图Ti中的节点对应的用户但与该极大完全图Ti中的某个节点对应的用户有直接联系的用户,L为正整数,j为1到L中的任意正整数;分别对该集合M中的用户执行步骤T1-T3:T1、根据该用户之间的亲密度,确定是否需要将用户Mj对应的节点扩充到图Ui,j-1中,其中,用户Mj为集合M中的任意一个用户,该图Ui,j-1为对用户Mj-1进行T1-T3处理后获得的图,Ui,0为该极大完全图Ti;T2、若需要,将该用户Mj对应的节点扩充到该图Ui,j-1中,获得图Ui,j;T3、若不需要,将该图Ui,j-1确定为图Ui,j。
在一种可能的设计中,该确定该集合S中任意两个用户之间的亲密度,包括:基于第一预设公式,根据该集合S中用户Sm和用户Sn之间的语音详单和短信详单,确定该用户Sm对该用户Sn的互动频繁度q_score(Sm,Sn);基于第二预设公式,根据该集合S中用户Sm和用户Sn之间的语音详单和短信详单,确定该用户Sn对该用户Sm的互动频繁度q_score(Sn,Sm);基于第三预设公式,根据q_score(Sm,Sn)和q_score(Sn,Sm),确定该用户Sm和该用户Sn之间的亲密度q(Sm,Sn);其中,该第一预设公式包括:q_score(Sm,Sn)=α×call_num(Sm,Sn)+β×message_num(Sm,Sn);该第二预设公式包括:q_score(Sn,Sm)=α×call_num(Sn,Sm)+β×message_num(Sn,Sm);该第三预设公式包括:q(Sm,Sn)=q_score(Sm,Sn)×q_score(Sn,Sm);其中,m和n为属于1到K中的任意正整数,call_num(Sm,Sn)表示该用户Sm发起主叫,给该用户Sn打电话的次数,call_num(Sn,Sm)表示该用户Sn发起主叫,给该用户Sm打电话的次数,message_num(Sm,Sn)表示该用户Sm给该用户Sn发短信的次数,message_num(Sn,Sm)表示该用户Sn给该用户Sm发短信的次数,α表示通话互动的权重,β表示短信互动的权重,α+β=1。
在一种可能的设计中,该根据该用户之间的亲密度,确定是否需要将用户Mj对应的节点扩充到图Ui,j-1中,包括:基于第四预设公式,根据该用户之间的亲密度,计算该图Ui,j-1的紧密度Compact(Ui,j-1);基于第五预设公式,根据该用户之间的亲密度,计算将该用户Mj对应的节点扩充到该图Ui,j-1之后获得的图Ui,j的紧密度Compact(Ui,j);若Compact(Ui,j)>Compact(Ui,j-1),则确定需要将该用户Mj对应的节点扩充到该图Ui,j-1中;若Compact(Ui,j)≤Compact(Ui,j-1),则确定不需要将该用户Mj对应的节点扩充到该图Ui,j-1中;其中,该第四预设公式包括:其中,表示该图Ui,j-1内的所有节点形成的所有边的权重之和,a表示该图Ui,j-1中的节点,表示该图Ui,j-1中的所有节点和该图Ui,j-1之外的任意节点形成的所有边的权重之和,b表示不属于该图Ui,j-1,但和该图Ui,j-1中的节点有连接的节点;该第五预设公式包括:其中,表示该图Ui,j内所有节点形成的所有边的权重之和,c表示该图Ui,j中的节点,表示该图Ui,j中的所有节点和该图Ui,j之外的任意节点形成的所有边的权重之和,d表示不属于该图Ui,j,但和该图Ui,j中的节点有连接的节点。
本发明实施例中,根据用户间的语音详单和短信详单,深度挖掘用户的社交属性,可以确定出以圆心用户为中心的多个社交群体,也就是说可以确定出以运营商网络为通信基础的“强关系”下的社交群体。进一步的,由于可以确定出以运营商网络为通信基础的“强关系”下的社交群体,因此可以实现以“强关系”下的社交群体为目标的市场营销、产品推介,为打造运营商特有的社交网络提供用户社交关系基础,提高了整体社交圈子对运营商网络的依赖程度。
又一方面,本发明实施例提供一种社交群体的确定装置,装置包括:确定单元、构造单元、扩充单元;该确定单元,用于确定构造社交群体的圆心用户X;该确定单元,还用于根据该圆心用户X的语音详单和短信详单,确定与该圆心用户X有直接互动的用户的集合S={S1,S2...,SK},K为大于等于2的正整数;该确定单元,还用于根据该集合S中任意两个用户之间的语音详单和短信详单,确定该集合S中任意两个用户之间的亲密度;该构造单元,用于将该集合S中的用户作为节点,用户之间关系作为边,用户之间的亲密度作为边的权重,构造无向图G;该确定单元,还用于确定该无向图G中的极大完全图集合T={T1,T2...,TN},其中,该极大完全图Ti中任意两个节点对应的用户之间均有直接互动,并且该无向图G中不存在其它节点对应的用户与该极大完全图Ti中的每个节点对应的用户均有直接互动,N为正整数,i为1到N中的任意正整数;该扩充单元,用于根据该用户之间的亲密度,分别对该极大完全图集合T中的每个极大完全图进行扩充,获得每个扩充后的图;该确定单元,还用于根据该每个扩充后的图,确定以该圆心用户X为中心的多个社交群体。
在一种可能的设计中,扩充单元具体用于:对于该极大完全图集合T中的每个极大完全图,均按照下面针对极大完全图Ti的操作进行处理:确定该集合S中与该极大完全图Ti相关的用户,分别计算该相关的用户对应的节点与极大完全图Ti中相连节点形成的边的权重的和,按照该权重的和由大到小的顺序得到集合M={M1,M2...,ML},其中,该用户Mj为不属于该极大完全图Ti中的节点对应的用户但与该极大完全图Ti中的某个节点对应的用户有直接联系的用户,L为正整数,j为1到L中的任意正整数;分别对该集合M中的用户执行步骤T1-T3:T1、根据该用户之间的亲密度,确定是否需要将用户Mj对应的节点扩充到图Ui,j-1中,其中,用户Mj为集合M中的任意一个用户,该图Ui,j-1为对用户Mj-1进行T1-T3处理后获得的图,Ui,0为该极大完全图Ti;T2、若需要,将该用户Mj对应的节点扩充到该图Ui,j-1中,获得图Ui,j;T3、若不需要,将该图Ui,j-1确定为图Ui,j。
在一种可能的设计中,确定单元,具体用于:基于第一预设公式,根据该集合S中用户Sm和用户Sn之间的语音详单和短信详单,确定该用户Sm对该用户Sn的互动频繁度q_score(Sm,Sn);基于第二预设公式,根据该集合S中用户Sm和用户Sn之间的语音详单和短信详单,确定该用户Sn对该用户Sm的互动频繁度q_score(Sn,Sm);基于第三预设公式,根据q_score(Sm,Sn)和q_score(Sn,Sm),确定该用户Sm和该用户Sn之间的亲密度q(Sm,Sn);其中,该第一预设公式包括:q_score(Sm,Sn)=α×call_num(Sm,Sn)+β×message_num(Sm,Sn);该第二预设公式包括:q_score(Sn,Sm)=α×call_num(Sn,Sm)+β×message_num(Sn,Sm);该第三预设公式包括:q(Sm,Sn)=q_score(Sm,Sn)×q_score(Sn,Sm);其中,m和n为属于1到K中的任意正整数,call_num(Sm,Sn)表示该用户Sm发起主叫,给该用户Sn打电话的次数,call_num(Sn,Sm)表示该用户Sn发起主叫,给该用户Sm打电话的次数,message_num(Sm,Sn)表示该用户Sm给该用户Sn发短信的次数,message_num(Sn,Sm)表示该用户Sn给该用户Sm发短信的次数,α表示通话互动的权重,β表示短信互动的权重,α+β=1。
在一种可能的设计中,扩充单元,具体用于:基于第四预设公式,根据该用户之间的亲密度,计算该图Ui,j-1的紧密度Compact(Ui,j-1);基于第五预设公式,根据该用户之间的亲密度,计算将该用户Mj对应的节点扩充到该图Ui,j-1之后获得的图Ui,j的紧密度Compact(Ui,j);若Compact(Ui,j)>Compact(Ui,j-1),则确定需要将该用户Mj对应的节点扩充到该图Ui,j-1中;若Compact(Ui,j)≤Compact(Ui,j-1),则确定不需要将该用户Mj对应的节点扩充到该图Ui,j-1中;其中,该第四预设公式包括:其中,表示该图Ui,j-1内的所有节点形成的所有边的权重之和,a表示该图Ui,j-1中的节点,表示该图Ui,j-1中的所有节点和该图Ui,j-1之外的任意节点形成的所有边的权重之和,b表示不属于该图Ui,j-1,但和该图Ui,j-1中的节点有连接的节点;该第五预设公式包括:其中,表示该图Ui,j内所有节点形成的所有边的权重之和,c表示该图Ui,j中的节点,表示该图Ui,j中的所有节点和该图Ui,j之外的任意节点形成的所有边的权重之和,d表示不属于该图Ui,j,但和该图Ui,j中的节点有连接的节点。
具体的,通过本发明实施例提供的社交群体的确定装置确定社交群体的方法可参考上述方法实施例,此处不再赘述。
由于本发明实施例提供的社交群体的确定装置可用于执行上述的确定方法,因此其所能获得的技术效果可参考上述方法部分,此处不再赘述。
附图说明
为了更清楚地说明本发明实施例的技术方案,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为本发明实施例提供的一种社交群体的确定方法的流程图;
图2为本发明实施例提供的又一种社交群体的确定方法的流程图;
图3为本发明实施例提供的又一种社交群体的确定方法的流程图;
图4为本发明实施例提供的又一种社交群体的确定方法的流程图;
图5为本发明实施例提供的以与圆心用户X存在互动关系的用户为节点的无向图G的示意图;
图6为本发明实施例提供的一种社交群体的确定装置的示意图。
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。
需要说明的是,本文中的“/”表示或的意思,例如,A/B可以表示A或B;本文中的“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。“多个”是指两个或多于两个。
需要说明的是,本发明实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
需要说明的是,本发明实施例中,除非另有说明,“多个”的含义是指两个或两个以上。例如,多个用户是指两个或两个以上的用户。
需要说明的是,本发明实施例中,“的(英文:of)”,“相应的(英文:corresponding,relevant)”和“对应的(英文:corresponding)”有时可以混用,应当指出的是,在不强调其区别时,其所要表达的含义是一致的。
如图1所示,为本发明实施例提供的一种社交群体的确定方法的流程图,包括步骤S101-S107:
S101、社交群体的确定装置确定构造社交群体的圆心用户X。
其中,可以根据具体要营销的新产品确定圆心用户X,比如圆心用户X可以为高消费用户、已订购新产品的用户等。
S102、根据圆心用户X的语音详单和短信详单,确定与圆心用户X有直接互动的用户的集合S={S1,S2...,SK},K为大于等于2的正整数。
S103、根据集合S中任意两个用户之间的语音详单和短信详单,确定集合S中任意两个用户之间的亲密度。
S104、将集合S中的用户作为节点,用户之间关系作为边,用户之间的亲密度作为边的权重,构造无向图G。
S105、确定无向图G中的极大完全图集合T={T1,T2...,TN}。
其中,极大完全图Ti中任意两个节点对应的用户之间均有直接互动,并且无向图G中不存在其它节点对应的用户与极大完全图Ti中的每个节点对应的用户均有直接互动,N为正整数,i为1到N中的任意正整数。
其中,根据无向图G中的极大完全图集合T可以确定出与圆心用户联系十分密切的N个小团体。
需要说明的是,当i=0时,无向图G中不存在极大完全图,无法继续寻找圆心用户X的社交群体,因此,本发明实施例对该情况不做详细阐述。
S106、根据用户之间的亲密度,分别对极大完全图集合T中的每个极大完全图进行扩充,获得每个扩充后的图。
S107、根据每个扩充后的图,确定以圆心用户X为中心的多个社交群体。
基于本发明实施例提供的社交群体的确定方法,本发明实施例中,根据用户间的语音详单和短信详单,深度挖掘用户的社交属性,可以确定出以圆心用户为中心的多个社交群体,也就是说可以确定出以运营商网络为通信基础的“强关系”下的社交群体。进一步的,由于可以确定出以运营商网络为通信基础的“强关系”下的社交群体,因此可实现以“强关系”下的社交群体为目标的市场营销、产品推介,为打造运营商特有的社交网络提供用户社交关系基础,提高了整体社交圈子对运营商网络的依赖程度。
具体的,如图2所示,步骤S103可以包括步骤S1031-S1033:
S1031、基于公式(1),根据集合S中用户Sm和用户Sn之间的语音详单和短信详单,确定用户Sm对用户Sn的互动频繁度q_score(Sm,Sn)。
q_score(Sm,Sn)=α×call_num(Sm,Sn)+β×message_num(Sm,Sn) 公式(1)
S1032、基于公式(2),根据集合S中用户Sm和用户Sn之间的语音详单和短信详单,确定用户Sn对用户Sm的互动频繁度q_score(Sn,Sm)。
q_score(Sn,Sm)=α×call_num(Sn,Sm)+β×message_num(Sn,Sm) 公式(2)
S1033、基于公式(3),根据q_score(Sm,Sn)和q_score(Sn,Sm),确定用户Sm和用户Sn之间的亲密度q(Sm,Sn);
q(Sm,Sn)=q_score(Sm,Sn)×q_score(Sn,Sm) 公式(3)
其中,m和n为属于1到K中的任意正整数,call_num(Sm,Sn)表示用户Sm发起主叫,给用户Sn打电话的次数,call_num(Sn,Sm)表示用户Sn发起主叫,给用户Sm打电话的次数,message_num(Sm,Sn)表示用户Sm给用户Sn发短信的次数,message_num(Sn,Sm)表示用户Sn给用户Sm发短信的次数,α表示通话互动的权重,β表示短信互动的权重,α+β=1。
需要说明的是,确定用户Sm和用户Sn的亲密度时是将用户Sm对用户Sn的互动频繁度q_score(Sm,Sn)和用户Sn对用户Sm的互动频繁度q_score(Sn,Sm)相乘,目的是为了在其中某个用户单方面的骚扰,而另一用户完全没有主动通话和主动短信的情况下,确保两个用户之间的亲密度结果为0。
需要说明的是,本发明实施例中除了考虑语音通信和短信通信,也可以考虑其他获取用户之间通信关系的途径,比如运营商自有的社交平台上的互动关系,也就说可以从更多角度计算用户之间的亲密度,使得可以从更多方面评价用户之间的亲密度。其中,在考虑其他获取用户之间通信关系的途径时,需要在上述的亲密度计算公式添加因子项,并根据需要为各因子项分配权重,使得各因子项的权重之和为1,本发明实施例在此不再赘述。
具体的,如图3所示,步骤S106可以包括如下步骤S1061:
S1061、对于极大完全图集合T中的每个极大完全图,均按照下面步骤S10611-S10612中针对极大完全图Ti的操作进行处理:
S10611、确定集合S中与极大完全图Ti相关的用户,分别计算相关的用户对应的节点与极大完全图Ti中相连接节点形成的边的权重的和,按照权重的和由大到小的顺序得到集合M={M1,M2...,ML}。
其中,用户Mj为不属于极大完全图Ti中的节点对应的用户但与极大完全图Ti中的某个节点对应的用户有直接联系的用户,L为整数,j为1到L中的任意整数。
需要说明的是,当j=0时,集合S中不存在不属于极大完全图Ti中的节点对应的用户但与极大完全图Ti中的某个节点对应的用户有直接联系的用户,此时不在对极大完全图Ti进行扩充,即极大完全图Ti中节点对应的用户构成圆心用户X的社交群体,因此,本发明实施例对该情况不做详细阐述。
S10612、分别对集合M中的用户执行步骤T1-T3:
T1:根据用户之间的亲密度,确定是否需要将用户Mj对应的节点扩充到图Ui,j-1中。
具体的,用户Mj为集合M中的任意一个用户,图Ui,j-1为用户Mj-1进行T1-T3处理后获得的图,Ui,0为极大完全图Ti。
T2:若需要,将用户Mj对应的节点扩充到图Ui,j-1中,获得图Ui,j。
T3:若不需要,将图Ui,j-1确定为图Ui,j。
具体的,如图4所示,T1具体可以包括T11-T14:
T11、基于公式(4),根据用户之间的亲密度,计算图Ui,j-1的紧密度
Compact(Ui,j-1)。
其中,表示图Ui,j-1内的所有节点形成的所有边的权重之和,a表示图Ui,j-1中的节点,表示图Ui,j-1中的所有节点和图Ui,j-1之外的任意节点形成的所有边的权重之和,b表示不属于图Ui,j-1,但和图Ui,j-1中的节点有连接的节点。
T12、基于公式(5),根据用户之间的亲密度,计算将用户Mj对应的节点扩充到图Ui,j-1之后获得的图Ui,j的紧密度Compact(Ui,j)。
其中,表示图Ui,j内所有节点形成的所有边的权重之和,c表示图Ui,j中的节点,表示图Ui,j中的所有节点和图Ui,j之外的任意节点形成的所有边的权重之和,d表示不属于图Ui,j,但和图Ui,j中的节点有连接的节点。
T13:若Compact(Ui,j)>Compact(Ui,j-1),则确定需要将用户Mj对应的节点扩充到图Ui,j-1中。
T14:若Compact(Ui,j)≤Compact(Ui,j-1),则确定不需要将用户Mj对应的节点扩充到图Ui,j-1中。
需要说明的是,对于集合M中的所有用户,若确定不需要将对应的节点进行扩充,那么此时已经达到了扩充的边界,因此可以停止扩充,进而形成最终的结果。
本发明实施例提供的社交群体的确定方法中,社交群体的确定装置确定构造社交群体的圆心用户X,根据圆心用户X的语音详单和短信详单,确定与圆心用户X有直接互动的用户的集合S={S1,S2...,SK},根据集合S中任意两个用户之间的语音详单和短信详单,确定集合S中任意两个用户之间的亲密度,将集合S中的用户作为节点,用户之间关系作为边,用户之间的亲密度作为边的权重,构造无向图G。确定无向图G中的极大完全图集合T={T1,T2...,TN},根据用户之间的亲密度,分别对极大完全图集合T中的每个极大完全图进行扩充,获得每个扩充后的图。根据每个扩充后的图,确定以圆心用户X为中心的多个社交群体。本发明实施例中,根据用户间的语音详单和短信详单,深度挖掘用户的社交属性,可以确定出以圆心用户为中心的多个社交群体,也就是说可以确定出以运营商网络为通信基础的“强关系”下的社交群体。进一步的,由于可以确定出以运营商网络为通信基础的“强关系”下的社交群体,因此可以实现以“强关系”下的社交群体为目标的市场营销、产品推介,为打造运营商特有的社交网络提供用户社交关系基础,提高了整体社交圈子对运营商网络的依赖程度。
下面将结合上述的社交群体的确定方法,给出一个具体的示例如下。
示例性的,假设根据圆心用户X的语音详单和短信详单,确定的与圆心用户X有直接互动的用户的集合为集合S={S1,S2...,S8},则:
首先,根据集合S={S1,S2...,S8}中任意两个用户之间的语音详单和短信详单,确定集合S={S1,S2...,S8}中任意两个用户之间的亲密度。
下面以月粒度为单位,以确定用户S1和用户S2之间的亲密度为例进行说明。
如表1所示,为用户S1和用户S2之间的语音详单和短信详单:
表1
语音次数 | 短信次数 | |
S1对S2 | 20 | 10 |
S2对S1 | 14 | 12 |
假设α=0.7,β=0.3。
由表1可知,用户S1对用户S2的语音次数为20,用户S1对用户S2的短信次数为10,结合公式(1)可以确定用户S1对用户S2的互动频繁度q_score(S1,S2)=0.7×20+0.3×10=17。
由表1可知,用户S2对用户S1的语音次数为14,用户S2对用户S1的短信次数为12,结合公式(2)可以确定用户S2对用户S1的互动频繁度q_score(S2,S1)=0.7×14+0.3×12=13.4。
根据q_score(S1,S2)=17和q_score(S2,S1)=13.4,结合公式(3)可以确定用户S1和用户S2的亲密度q(S1,S2)。
q(S1,S2)=q_score(S1,S2)×q_score(S2,S1)=17×13.4=227.8
即,用户S1和用户S2之间的亲密度为227.8。
类似的,对于集合S={S1,S2...,S8}中任意两个存在互动关系的用户都可以按照上述计算用户S1和用户S2的亲密度方式计算亲密度,计算结果如表2所示:
表2
其次,将集合S={S1,S2...,S8}中的用户作为节点,用户之间关系作为边,如表2所示的用户之间的亲密度作为边的权重,构造无向图G,如图5所示。
其中,用户和节点的对应关系如表3所示:
表3
用户 | S1 | S2 | S3 | S4 | S5 | S6 | S7 | S8 |
节点 | A | B | C | D | E | F | H | I |
然后,确定无向图G中的极大完全图集合T={T1,T2...,TN},如下:
考虑到无向图G中的节点A对应的用户S1,节点B对应的用户S2,和节点C对应的用户S3之间都存在互动关系,并且不存在其它节点对应的用户与用户S1、用户S2和用户S3均有直接互动,因此确定节点A、节点B、节点C可构成一个极大完全图T2={A,B,C}。
同样的,无向图G中的节点E对应的用户S5,节点F对应的用户S6,节点H对应的用户S7,和节点I对应的用户S8之间都存在互动关系,并且不存在其他节点对应的用户与用户S5、用户S6、用户S7和用户S8均有直接互动,因此确定节点E、F、H、I可以构成一个极大完全图T1={E,F,H,I}。
综上,无向图G中的极大完全图集合为T={T1,T2},其中,T1={E,F,H,I},T2={A,B,C}。
然后,对上述极大完全图集合T中的每个极大完全图进行扩充,如下:
对于极大完全图T1,集合S={S1,S2...,S8}中与极大完全图T1相关的用户分别为S1和S4,由表2和表3可知,用户S1对应的节点A与集合T1中相连接的节点E的边权重为45.3,用户S4对应的节点D与集合T1中相连接的节点E的边权重为98.7,因为节点D与集合T1只有一个相连接的节点,则对应的边权重之和为98.7,节点A与集合T1只有一个相连接的节点,则对应的边权重之和为45.3,按照边权重之和由大到小排序得到集合M={S4,S1},对集合M中与集合T1中边权重之和最大的用户S4对应的节点D首先考虑是否扩充,然后考虑用户S1对应的节点A是否需要扩充。
结合公式(4),根据用户之间的亲密度,可以计算扩充前的极大完全图T1紧密度Compact(Ti)。
首先考虑用户S4对应的节点D是否可以扩充到极大完全图T1中,记节点D扩充到极大完全图T1以后构成的图为U1,1。
结合公式(5),根据用户之间的亲密度,可以计算图U1,1的紧密度Compact(U1,1)。
即由于Compact(U1,1)>Compact(T1),因此确定需要将用户S4对应的节点D扩充到极大完全图T1中,成为图U1,1,其中,U1,1={D,E,F,H,I}。
同样的,考虑用户S1对应的节点A是否可以扩充到图U1,1中,记节点A扩充到图U1,1以后构成的图为U1,2。
结合公式(5),根据用户之间的亲密度,可以计算图U1,2的紧密度Compact(U1,2)。
即由于Compact(U1,2)<Compact(U1,1),则确定不需要将用户S1对应的节点A扩充到图U1,1中,即U1,2=U1,1={D,E,F,H,I}。
对于极大完全图T2,集合S={S1,S2...,S8}中与极大完全图T2相关的只有用户S5,由表2和表3可知用户S5对应的节点E与集合T2中相连接的节点A的边权重为45.3,因为集合M={S5}中只有一个用户S5,因此直接对与极大完全图T2相关的用户S5对应的节点E考虑是否扩充,按照上述的方法,根据公式计算得出不进行扩充,即U2,1=T2={A,B,C}。
对于图U1,2和图U2,1,都不存在可以扩充的节点,所以图U1,2为极大完全图T1扩充后的图U1,2,图U2,1为极大完全图T2扩充后的图U2,1。
最后,根据每个扩充后的图,确定以圆心用户X为中心的多个社交群体,如下:
可以根据图U1,2和图U2,1,确定以圆心用户X为中心的2个社交群体分别是{X,D,E,F,H,I}和{X,A,B,C}。
本发明实施例还提供一种社交群体的确定装置60,如图6所示,该确定装置60包括:确定单元601、构造单元602、扩充单元603。
确定单元601,用于确定构造社交群体的圆心用户X。
确定单元601,还用于根据圆心用户X的语音详单和短信详单,确定与圆心用户X有直接互动的用户的集合S={S1,S2...,SM},M为正整数。
确定单元601,还用于根据集合S中任意两个用户之间的语音详单和短信详单,确定集合S中任意两个用户之间的亲密度。
构造单元602,用于将集合S中的用户作为节点,用户之间关系作为边,用户之间的亲密度作为边的权重,构造无向图G。
确定单元601,还用于确定无向图G中的极大完全图集合T={T1,T2...,TN},其中,极大完全图Ti中任意两个节点对应的用户之间均有直接互动,并且无向图G中不存在其它节点对应的用户与极大完全图Ti中的每个节点对应的用户均有直接互动,N为正整数,i为1到N中的任意正整数。
扩充单元603,用于根据用户之间的亲密度,分别对极大完全图集合T中的每个极大完全图进行扩充,获得每个扩充后的图。
确定单元601,还用于根据每个扩充后的图,确定以圆心用户X为中心的多个社交群体。
扩充单元603,具体用于:对于极大完全图集合T中的每个极大完全图,均按照下面针对极大完全图Ti的操作进行处理:
确定集合S中与极大完全图Ti相关的用户,分别计算相关的用户对应的节点与极大完全图Ti中相连节点形成的边的权重的和,按照权重的和由大到小的顺序得到集合M={M1,M2...,ML},其中,用户Mj为不属于极大完全图Ti中的节点对应的用户但与极大完全图Ti中的某个节点对应的用户有直接联系的用户,L为正整数,j为1到L中的任意整数。
分别对集合M中的用户执行步骤T1-T3:
T1、根据用户之间的亲密度,确定是否需要将用户Mj对应的节点扩充到图Ui,j-1中,其中,用户Mj为集合M中的任意一个用户,图Ui,j-1为对用户Mj-1进行T1-T3处理后获得的图,Ui,0为极大完全图Ti。
T2、若需要,将用户Mj对应的节点扩充到图Ui,j-1中,获得图Ui,j。
T3、若不需要,将图Ui,j-1确定为图Ui,j。
确定单元601,具体还用于:基于第一预设公式,根据集合S中用户Sm和用户Sn之间的语音详单和短信详单,确定用户Sm对用户Sn的互动频繁度q_score(Sm,Sn)。
基于第二预设公式,根据集合S中用户Sm和用户Sn之间的语音详单和短信详单,确定用户Sn对用户Sm的互动频繁度q_score(Sn,Sm)。
基于第三预设公式,根据q_score(Sm,Sn)和q_score(Sn,Sm),确定用户Sm和用户Sn之间的亲密度q(Sm,Sn)。
其中,第一预设公式包括:
q_score(Sm,Sn)=α×call_num(Sm,Sn)+β×message_num(Sm,Sn)。
第二预设公式包括:
q_score(Sn,Sm)=α×call_num(Sn,Sm)+β×message_num(Sn,Sm)。
第三预设公式包括:q(Sm,Sn)=q_score(Sm,Sn)×q_score(Sn,Sm)。
其中,m和n为属于1到K中的任意正整数,call_num(Sm,Sn)表示用户Sm发起主叫,给用户Sn打电话的次数,call_num(Sn,Sm)表示用户Sn发起主叫,给用户Sm打电话的次数,message_num(Sm,Sn)表示用户Sm给用户Sn发短信的次数,message_num(Sn,Sm)表示用户Sn给用户Sm发短信的次数,α表示通话互动的权重,β表示短信互动的权重,α+β=1。
确定单元601,具体还用于:基于第四预设公式,根据用户之间的亲密度,计算图Ui,j-1的紧密度Compact(Ui,j-1)。
基于第五预设公式,根据用户之间的亲密度,计算将用户Mj对应的节点扩充到图Ui,j-1之后获得的图Ui,j的紧密度Compact(Ui,j)。
若Compact(Ui,j)>Compact(Ui,j-1),则确定需要将用户Mj对应的节点扩充到图Ui,j-1中。
若Compact(Ui,j)≤Compact(Ui,j-1),则确定不需要将用户Mj对应的节点扩充到图Ui,j-1中。
其中,第四预设公式包括:
其中,表示图Uij-1内的所有节点形成的所有边的权重之和,a表示图Ui,j-1中的节点,表示图Ui,j-1中的所有节点和图Ui,j-1之外的任意节点形成的所有边的权重之和,b表示不属于图Ui,j-1,但和图Ui,j-1中的节点有连接的节点。
第五预设公式为
其中,表示图Ui,j内所有节点形成的所有边的权重之和,c表示图Ui,j中的节点,表示图Ui,j中的所有节点和图Ui,j之外的任意节点形成的所有边的权重之和,d表示不属于图Ui,j,但和图Ui,j中的节点有连接的节点。
具体的,通过本发明实施例提供的社交群体的确定装置确定社交群体的方法可参考上述方法实施例,此处不再赘述。
由于本发明实施例提供的社交群体的确定装置可用于执行上述的确定方法,因此其所能获得的技术效果可参考上述方法部分,此处不再赘述。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或者多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种社交群体的确定方法,其特征在于,所述方法包括:
确定构造社交群体的圆心用户X;
根据所述圆心用户X的语音详单和短信详单,确定与所述圆心用户X有直接互动的用户的集合S={S1,S2...,Sk},K为大于等于2的正整数;
根据所述集合S中任意两个用户之间的语音详单和短信详单,确定所述集合S中任意两个用户之间的亲密度;
将所述集合S中的用户作为节点,用户之间关系作为边,用户之间的亲密度作为边的权重,构造无向图G;
确定所述无向图G中的极大完全图集合T={T1,T2...,TN},其中,所述极大完全图Ti中任意两个节点对应的用户之间均有直接互动,并且所述无向图G中不存在其它节点对应的用户与所述极大完全图Ti中的每个节点对应的用户均有直接互动,N为正整数,i为1到N中的任意正整数;
根据所述用户之间的亲密度,分别对所述极大完全图集合T中的每个极大完全图进行扩充,获得每个扩充后的图;
根据所述每个扩充后的图,确定以所述圆心用户X为中心的多个社交群体。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用户之间的亲密度,分别对所述极大完全图集合T中的每个极大完全图进行扩充,获得每个扩充后的图,包括:
对于所述极大完全图集合T中的每个极大完全图,均按照下面针对极大完全图Ti的操作进行处理:
确定所述集合S中与所述极大完全图Ti相关的用户,分别计算所述相关的用户对应的节点与所述极大完全图Ti中相连节点形成的边的权重的和,按照所述权重的和由大到小的顺序得到集合M={M1,M2...,ML},其中,所述用户Mj为不属于所述极大完全图Ti中的节点对应的用户但与所述极大完全图Ti中的某个节点对应的用户有直接联系的用户,L为正整数,j为1到L中的任意正整数;
分别对所述集合M中的用户执行步骤T1-T3:
T1、根据所述用户之间的亲密度,确定是否需要将用户Mj对应的节点扩充到图Ui,j-1中,其中,用户Mj为集合M中的任意一个用户,所述图Ui,j-1为对用户Mj-1进行T1-T3处理后获得的图,Ui,0为所述极大完全图Ti;
T2、若需要,将所述用户Mj对应的节点扩充到所述图Ui,j-1中,获得图Ui,j;
T3、若不需要,将所述图Ui,j-1确定为图Ui,j。
3.根据权利要求1或2所述的方法,其特征在于,所述确定所述集合S中任意两个用户之间的亲密度,包括:
基于第一预设公式,根据所述集合S中用户Sm和用户Sn之间的语音详单和短信详单,确定所述用户Sm对所述用户Sn的互动频繁度q_score(Sm,Sn);
基于第二预设公式,根据所述集合S中用户Sm和用户Sn之间的语音详单和短信详单,确定所述用户Sn对所述用户Sm的互动频繁度q_score(Sn,Sm);
基于第三预设公式,根据q_score(Sm,Sn)和q_score(Sn,Sm),确定所述用户Sm和所述用户Sn之间的亲密度q(Sm,Sn);
其中,所述第一预设公式包括:
q_score(Sm,Sn)=α×call_num(Sm,Sn)+β×message_num(Sm,Sn);
所述第二预设公式包括:
q_score(Sn,Sm)=α×call_num(Sn,Sm)+β×message_num(Sn,Sm);
所述第三预设公式包括:
q(Sm,Sn)=q_score(Sm,Sn)×q_score(Sn,Sm);
其中,m和n为属于1到K中的任意正整数,call_num(Sm,Sn)表示所述用户Sm发起主叫,给所述用户Sn打电话的次数,call_num(Sn,Sm)表示所述用户Sn发起主叫,给所述用户Sm打电话的次数,message_num(Sm,Sn)表示所述用户Sm给所述用户Sn发短信的次数,message_num(Sn,Sm)表示所述用户Sn给所述用户Sm发短信的次数,α表示通话互动的权重,β表示短信互动的权重,α+β=1。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述用户之间的亲密度,确定是否需要将用户Mj对应的节点扩充到图中,包括:
基于第四预设公式,根据所述用户之间的亲密度,计算所述图Ui,j-1的紧密度Compact(Ui,j-1);
基于第五预设公式,根据所述用户之间的亲密度,计算将所述用户Mj对应的节点扩充到所述图Ui,j-1之后获得的图Ui,j的紧密度Compact(Ui,j);
若Compact(Ui,j)>Compact(Ui,j-1),则确定需要将所述用户Mj对应的节点扩充到所述图Ui,j-1中;
若Compact(Ui,j)≤Compact(Ui,j-1),则确定不需要将所述用户Mj对应的节点扩充到所述图Ui,j-1中;
其中,所述第四预设公式包括:
其中,表示所述图Ui,j-1内的所有节点形成的所有边的权重之和,a表示所述图Ui,j-1中的节点,表示所述图Ui,j-1中的所有节点和所述图Ui,j-1之外的任意节点形成的所有边的权重之和,b表示不属于所述图Ui,j-1,但和所述图Ui,j-1中的节点有连接的节点;
所述第五预设公式包括:
其中,表示所述图Ui,j内所有节点形成的所有边的权重之和,c表示所述图Ui,j中的节点,表示所述图Ui,j中的所有节点和所述图Ui,j之外的任意节点形成的所有边的权重之和,d表示不属于所述图Ui,j,但和所述图Ui,j中的节点有连接的节点。
5.一种社交群体的确定装置,其特征在于,所述装置包括:确定单元、构造单元、扩充单元;
所述确定单元,用于确定构造社交群体的圆心用户X;
所述确定单元,还用于根据所述圆心用户X的语音详单和短信详单,确定与所述圆心用户X有直接互动的用户的集合S={S1,S2...,SK},K为大于等于2的正整数;
所述确定单元,还用于根据所述集合S中任意两个用户之间的语音详单和短信详单,确定所述集合S中任意两个用户之间的亲密度;
所述构造单元,用于将所述集合S中的用户作为节点,用户之间关系作为边,用户之间的亲密度作为边的权重,构造无向图G;
所述确定单元,还用于确定所述无向图G中的极大完全图集合T={T1,T2...,TN},其中,所述极大完全图Ti中任意两个节点对应的用户之间均有直接互动,并且所述无向图G中不存在其它节点对应的用户与所述极大完全图Ti中的每个节点对应的用户均有直接互动,N为正整数,i为1到N中的任意正整数;
所述扩充单元,用于根据所述用户之间的亲密度,分别对所述极大完全图集合T中的每个极大完全图进行扩充,获得每个扩充后的图;
所述确定单元,还用于根据所述每个扩充后的图,确定以所述圆心用户X为中心的多个社交群体。
6.根据权利要求5所述的确定装置,其特征在于,所述扩充单元具体用于:
对于所述极大完全图集合T中的每个极大完全图,均按照下面针对极大完全图Ti的操作进行处理:
确定所述集合S中与所述极大完全图Ti相关的用户,分别计算所述相关的用户对应的节点与所述极大完全图Ti中相连节点形成的边的权重的和,按照所述权重的和由大到小的顺序得到集合M={M1,M2...,ML},其中,所述用户Mj为不属于所述极大完全图Ti中的节点对应的用户但与所述极大完全图Ti中的某个节点对应的用户有直接联系的用户,L为正整数,j为1到L中的任意正整数;
分别对所述集合M中的用户执行步骤T1-T3:
T1、根据所述用户之间的亲密度,确定是否需要将用户Mj对应的节点扩充到图Ui,j-1中,其中,用户Mj为集合M中的任意一个用户,所述图Ui,j-1为对用户Mj-1进行T1-T3处理后获得的图,Ui,0为所述极大完全图Ti;
T2、若需要,将所述用户Mj对应的节点扩充到所述图Ui,j-1中,获得图Ui,j;
T3、若不需要,将所述图Ui,j-1确定为图Ui,j。
7.根据权利5或6所述的装置,其特征在于,所述确定单元具体用于:
基于第一预设公式,根据所述集合S中用户Sm和用户Sn之间的语音详单和短信详单,确定所述用户Sm对所述用户Sn的互动频繁度q_score(Sm,Sn);
基于第二预设公式,根据所述集合S中用户Sm和用户Sn之间的语音详单和短信详单,确定所述用户Sn对所述用户Sm的互动频繁度q_score(Sn,Sm);
基于第三预设公式,根据q_score(Sm,Sn)和q_score(Sn,Sm),确定所述用户Sm和所述用户Sn之间的亲密度q(Sm,Sn);
其中,所述第一预设公式包括:
q_score(Sm,Sn)=α×call_num(Sm,Sn)+β×message_num(Sm,Sn);
所述第二预设公式包括:
q_score(Sn,Sm)=α×call_num(Sn,Sm)+β×message_num(Sn,Sm);
所述第三预设公式包括:
q(Sm,Sn)=q_score(Sm,Sn)×q_score(Sn,Sm);
其中,m和n为属于1到K中的任意正整数,call_num(Sm,Sn)表示所述用户Sm发起主叫,给所述用户Sn打电话的次数,call_num(Sn,Sm)表示所述用户Sn发起主叫,给所述用户Sm打电话的次数,message_num(Sm,Sn)表示所述用户Sm给所述用户Sn发短信的次数,message_num(Sn,Sm)表示所述用户Sn给所述用户Sm发短信的次数,α表示通话互动的权重,β表示短信互动的权重,α+β=1。
8.根据权利要求6或7所述的装置,其特征在于,所述扩充单元具体还用于:
基于第四预设公式,根据所述用户之间的亲密度,计算所述图Ui,j-1的紧密度Compact(Ui,j-1);
基于第五预设公式,根据所述用户之间的亲密度,计算将所述用户Mj对应的节点扩充到所述图Ui,j-1之后获得的图Ui,j的紧密度Compact(Ui,j);
若Compact(Ui,j)>Compact(Ui,j-1),则确定需要将所述用户Mj对应的节点扩充到所述图Ui,j-1中;
若Compact(Ui,j)≤Compact(Ui,j-1),则确定不需要将所述用户Mj对应的节点扩充到所述图Ui,j-1中;
其中,所述第四预设公式包括:
其中,表示所述图Ui,j-1内的所有节点形成的所有边的权重之和,a表示所述图Ui,j-1中的节点,表示所述图Ui,j-1中的所有节点和所述图Ui,j-1之外的任意节点形成的所有边的权重之和,b表示不属于所述图Ui,j-1,但和所述图Ui,j-1中的节点有连接的节点;
所述第五预设公式包括:
其中,表示所述图Ui,j内所有节点形成的所有边的权重之和,c表示所述图Ui,j中的节点,表示所述图Ui,j中的所有节点和所述图Ui,j之外的任意节点形成的所有边的权重之和,d表示不属于所述图Ui,j,但和所述图Ui,j中的节点有连接的节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611035627.6A CN106557984B (zh) | 2016-11-18 | 2016-11-18 | 一种社交群体的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611035627.6A CN106557984B (zh) | 2016-11-18 | 2016-11-18 | 一种社交群体的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106557984A true CN106557984A (zh) | 2017-04-05 |
CN106557984B CN106557984B (zh) | 2020-09-11 |
Family
ID=58444360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611035627.6A Active CN106557984B (zh) | 2016-11-18 | 2016-11-18 | 一种社交群体的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106557984B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704612A (zh) * | 2019-08-09 | 2020-01-17 | 国家计算机网络与信息安全管理中心 | 一种社交群体发现方法、装置和存储介质 |
CN111405562A (zh) * | 2020-03-11 | 2020-07-10 | 中国科学院信息工程研究所 | 一种基于通信行为规律的移动恶意用户识别方法及系统 |
CN114817563A (zh) * | 2022-04-27 | 2022-07-29 | 电子科技大学 | 基于最大团发现的特定Twitter用户群体的挖掘方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011149403A1 (en) * | 2010-05-24 | 2011-12-01 | Telefonaktiebolaget L M Ericsson (Publ) | Classification of network users based on corresponding social network behavior |
CN103218397A (zh) * | 2013-03-12 | 2013-07-24 | 浙江大学 | 一种基于无向图修改的社交网络隐私保护方法 |
CN104573034A (zh) * | 2015-01-15 | 2015-04-29 | 中国联合网络通信集团有限公司 | 基于cdr话单的用户群体划分方法和系统 |
CN105160546A (zh) * | 2015-08-07 | 2015-12-16 | 北京思特奇信息技术股份有限公司 | 一种构建和分析社交网络的方法及系统 |
CN105721279A (zh) * | 2016-01-15 | 2016-06-29 | 中国联合网络通信有限公司广东省分公司 | 一种电信网络用户的交往圈挖掘方法及系统 |
-
2016
- 2016-11-18 CN CN201611035627.6A patent/CN106557984B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011149403A1 (en) * | 2010-05-24 | 2011-12-01 | Telefonaktiebolaget L M Ericsson (Publ) | Classification of network users based on corresponding social network behavior |
CN103218397A (zh) * | 2013-03-12 | 2013-07-24 | 浙江大学 | 一种基于无向图修改的社交网络隐私保护方法 |
CN104573034A (zh) * | 2015-01-15 | 2015-04-29 | 中国联合网络通信集团有限公司 | 基于cdr话单的用户群体划分方法和系统 |
CN105160546A (zh) * | 2015-08-07 | 2015-12-16 | 北京思特奇信息技术股份有限公司 | 一种构建和分析社交网络的方法及系统 |
CN105721279A (zh) * | 2016-01-15 | 2016-06-29 | 中国联合网络通信有限公司广东省分公司 | 一种电信网络用户的交往圈挖掘方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110704612A (zh) * | 2019-08-09 | 2020-01-17 | 国家计算机网络与信息安全管理中心 | 一种社交群体发现方法、装置和存储介质 |
CN111405562A (zh) * | 2020-03-11 | 2020-07-10 | 中国科学院信息工程研究所 | 一种基于通信行为规律的移动恶意用户识别方法及系统 |
CN111405562B (zh) * | 2020-03-11 | 2021-05-28 | 中国科学院信息工程研究所 | 一种基于通信行为规律的移动恶意用户识别方法及系统 |
CN114817563A (zh) * | 2022-04-27 | 2022-07-29 | 电子科技大学 | 基于最大团发现的特定Twitter用户群体的挖掘方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106557984B (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106096075B (zh) | 一种基于社交网络的消息传播模型的构建方法 | |
CN105245577B (zh) | 信息推送方法、装置及系统 | |
Cheng et al. | Predicting reciprocity in social networks | |
Korula et al. | An efficient reconciliation algorithm for social networks | |
CN106055627B (zh) | 话题领域中社交网络关键节点的识别方法 | |
CN103279512B (zh) | 利用社会网络上最有影响力节点实现高效病毒营销的方法 | |
CN105653689B (zh) | 一种用户传播影响力的确定方法和装置 | |
CN106557984A (zh) | 一种社交群体的确定方法及装置 | |
CN106227740A (zh) | 一种面向对话系统的数据处理方法及装置 | |
CN103441922A (zh) | 一种添加好友的方法及装置 | |
CN105550307B (zh) | 一种网民身份关系网络图的生成方法 | |
CN104424240B (zh) | 多表关联方法、主服务节点、计算节点及系统 | |
CN105592405A (zh) | 基于派系过滤和标签传播的移动通信用户群组构造方法 | |
WO2014000435A1 (zh) | 一种挖掘社交网络中话题核心圈的方法及系统 | |
WO2010103540A2 (en) | Systems and methods to use collaborative mind maps | |
CN109918549A (zh) | 一种基于seir传播模型的单一谣言源点溯源系统及方法 | |
CN107358308B (zh) | 实现社会网络影响力最大化的方法和装置 | |
Liu et al. | Network, popularity and social cohesion: a game-theoretic approach | |
CN109086310A (zh) | 一种融合个人行为与社会互动的谣言传播模型构建方法 | |
CN104702488A (zh) | 好友推荐系统及方法 | |
CN105915355B (zh) | 会议控制方法和装置 | |
KR101509888B1 (ko) | 소셜 네트워크에서의 메시지 전파 방법 및 그 장치 | |
CN106899433B (zh) | 网络链接预测方法及装置 | |
CN103312822B (zh) | 一种基于推送的sns协议优化方法 | |
Abd-Allah et al. | Enhanced customer churn prediction using social network analysis |
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 |