CN107659982B - 一种无线网络接入点的分类方法及装置 - Google Patents

Abstract

本发明实施例公开了一种无线网络接入点的分类方法和装置，包括：获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识；对多个用户终端所连接的多个无线网络接入点进行聚合得到同一网络标识对应的无线网络接入点集合；获取无线网络接入点集合的用户连接行为属性，并根据用户连接行为属性，构建针对无线网络接入点集合的多个特征分析项；计算多个特征分析项中每个特征分析项的信息价值量，并根据每个特征分析项的信息价值量，选择多个特征分析项中的目标特征分析项；根据目标特征分析项对应的特征向量，确定无线网络接入点集合所属网络类别。采用本发明实施例，可以提高无线网络接入点分类的准确性。

Description

一种无线网络接入点的分类方法及装置

技术领域

本发明涉及电子技术领域，尤其涉及一种无线网络接入点的分类方法及装置。

背景技术

在无线网络接入点(如：WIFI)的网络环境中，通过定义不同的分类维度可以将无线网络划分为不同的类别，例如，可以根据使用对象和网络环境将无线网络接入点WIFI划分为三种类别：第一，工作WIFI，面向企业客户或内部员工铺设，保证企业正常运作；第二，家庭WIFI，通过无线路由器接入运营商网络后提供给家庭成员使用；第三，公众WIFI，由政府、商家、运营商铺设，免费开放给用户使用。为了适应不同的应用场景，有必要提供一种无线网络接入点的分类方法。

在现有技术方案中，主要依据WIFI SSID(Service Set Identifier，服务集标识)及数据分析人员的经验制定分类规则，进而预判无线网络接入点WIFI的类别，但是，此种方法过度依赖WIFI SSID语义的准确性及数据分析人员的知识体系，准确性很低。

发明内容

本发明实施例提供一种无线网络接入点的分类方法及装置。可以解决现有技术方案无线网络接入点的分类准确度不高的问题。

本发明实施例提供了一种无线网络接入点的分类方法，包括：

获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识；

对所述多个用户终端所连接的多个所述无线网络接入点进行聚合得到同一所述网络标识对应的所述无线网络接入点集合；

获取所述无线网络接入点集合的用户连接行为属性，并根据所述用户连接行为属性，构建针对所述无线网络接入点集合的多个特征分析项；

计算所述多个特征分析项中每个特征分析项的信息价值量，并根据所述每个特征分析项的信息价值量，选择所述多个特征分析项中的目标特征分析项；

根据所述目标特征分析项对应的特征向量，确定所述无线网络接入点集合所属网络类别。

相应地，本发明实施例提供了一种无线网络接入点的分类方法装置，包括：

标识获取模块，用于获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识；

网络聚合模块，用于对所述多个用户终端所连接的多个所述无线网络接入点进行聚合得到同一所述网络标识对应的所述无线网络接入点集合；

特征构建模块，用于获取所述无线网络接入点集合的用户连接行为属性，并根据所述用户连接行为属性，构建针对所述无线网络接入点集合的多个特征分析项；

特征选择模块，用于计算所述多个特征分析项中每个特征分析项的信息价值量，并根据所述每个特征分析项的信息价值量，选择所述多个特征分析项中的目标特征分析项；

网络确定模块，用于根据所述目标特征分析项对应的特征向量，确定所述无线网络接入点集合所属网络类别。

相应地，一种无线网络接入点的分类装置，其特征在于，所述装置包括接口电路、存储器以及处理器，其中，存储器中存储一组程序代码，且处理器用于调用存储器中存储的程序代码，用于执行以下操作：

获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识；

对所述多个用户终端所连接的多个所述无线网络接入点进行聚合得到同一所述网络标识对应的所述无线网络接入点集合；

获取所述无线网络接入点集合的用户连接行为属性，并根据所述用户连接行为属性，构建针对所述无线网络接入点集合的多个特征分析项；

计算所述多个特征分析项中每个特征分析项的信息价值量，并根据所述每个特征分析项的信息价值量，选择所述多个特征分析项中的目标特征分析项；

根据所述目标特征分析项对应的特征向量，确定所述无线网络接入点集合所属网络类别。

实施本发明实施例，首先获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识；然后对多个用户终端所连接的多个无线网络接入点进行聚合得到同一网络标识对应的无线网络接入点集合；其次获取无线网络接入点集合的用户连接行为属性，并根据用户连接行为属性，构建针对无线网络接入点集合的多个特征分析项；计算多个特征分析项中每个特征分析项的信息价值量，并根据每个特征分析项的信息价值量，选择多个特征分析项中的目标特征分析项；最后根据目标特征分析项对应的特征向量，确定无线网络接入点集合所属网络类别，通过使用算法聚合同一网络标识下的无线网络接入点的物理地址，进而针对聚合后无线网络接入点的物理地址构建用户连接行为特征，并确定分类概率，提高无线网络接入点分类的准确性。

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是本发明实施例提出的一种无线网络接入点的分类方法的流程图；

图2是本发明实施例提供的一种无线网络接入点的连接示意图；

图3是本发明实施例提供的一种无线网络接入点的聚合示意图；

图4是本发明实施例提供的一种时间特性的时段分布区间示意图；

图5是本发明实施例提供的一种特征分析项的信息价值量的计算数据图；

图6是本发明实施例提供的一种无线网络接入点的分类装置的结构示意图；

图7是本发明实施例提供的装置中的特征选择模块的结构示意图；

图8是本发明实施例提供的另一种无线网络接入点的分类装置的结构示意图。

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作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。

请参考图1，图1是本发明实施例提出的一种无线网络接入点的分类方法的流程图。如图所示，本发明实施例中的方法包括：

S101，获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识。

例如，对于企业铺设的无线网络WIFI，在不同的接入点可能设置了相同的网络标识(如：SSID)，以便用户终端在连接WIFI时进行无缝切换。如图1所示，用户终端1和用户终端2都连接到某一企业的无线网络WIFI环境中，用户终端1所连接的无线网络接入点包括接入点A、接入点B以及接入点D，用户终端2所连接的无线网络接入点包括接入点B、接入点C以及接入点E，其中，接入点A、接入点B、接入点C、接入点D以及接入点E具有相同的网络标识，然而，接入点A、接入点B、接入点C、接入点D以及接入点E的MAC(Media Access Control，媒体访问控制)地址各不相同，为了更好的描述同一网络标识下无线网络接入点的特征，因此需要对同一网络标识下不同用户连接的MAC集合做聚合。

S102，对所述多个用户终端所连接的多个所述无线网络接入点进行聚合得到同一所述网络标识对应的所述无线网络接入点集合。

具体实现中，可以采用uinion find查并集算法对同一网络标识对应的无线网络接入点的MAC地址进行聚合，得到多个无线网络接入点的MAC地址聚合后的索引，该索引标识多个无线网络接入点属于同一无线网络接入点集合。

进一步的，对于同一所述网络标识对应的多个无线网络接入点，可以将同一用户终端所连接的无线网络接入点作为一个节点；判断多个节点中的两个目标节点是否存在交集；若所述两个目标节点存在交集，则合并所述两个目标节点成为同一无线网络接入点集合。例如，如图3所示，首先通过同一网络标识(SSID)下的两个用户终端所述连接的接入点A、接入点B、接入点C、接入点D和接入点E初始化成2子集MacSet1(A、B、D)及MacSet2(B、C、E)，通过uinion find算法轮询子集中的接入点，若

合并MacSet1及MacSet2，从而最终得到包含接入点接入点A、接入点B、接入点C、接入点D和接入点E的集合。

进一步可选的，可以将所述两个目标节点的集合关系保存到哈希表中，以便判断其他节点是否在所述哈希表中进而对所述其他节点进行合并。由于上述方法中需要任意选择两个节点并判断该两个节点是否在同一子集，如果存在N个节点，直到最终判断完毕，那么算法的复杂度为N*(N-1)/2。因此对上述方法进行改进，将每次合并后得到的集合保存在哈希表中，然后在选择两个节点判断是否在同一子集时，可以首先确定选择的两个节点是否在哈希表中，如果不存在，则进行合并，如果存在，则不进行合并，算法复杂度减低。

S103，获取所述无线网络接入点集合的用户连接行为属性，并根据所述用户连接行为属性，构建针对所述无线网络接入点集合的多个特征分析项。

具体实现中，所述用户连接行为属性包括用户连接天数，用户连接次数、用户连接频率以及目标时间段内连接人数的中的至少一种；可以将所述用户连接行为属性划分为多个特征分量，将所述多个特征分量中的每个多种特征分量作为一个所述特征分析项。

例如：构建基于用户连接接入点的时段特性的特征分析项，如图2所示，按timeline将一天分为8个时段，工作时段包括[10,12)、[14,17)，休息时段包括[0,6)、[20,22)、[22,24)。针对该时段特性，构建特征分析项如下：

(1)工作日工作时段连接人数；

(2)工作日工作时段连接人数与休息日工作时段连接人数差值；

(3)工作日连接人数与休息日连接人数差值；

(4)工作日工作时段连接人数与工作日休息时段连接人数差值；

(5)休息日连接人数/工作日连接人数；

(6)工作日工作时段连接人数/工作日连接人数；

(7)工作日工作时段连接人数/连接总人数。

S104，计算所述多个特征分析项中每个特征分析项的信息价值量，并根据所述每个特征分析项的信息价值量，选择所述多个特征分析项中的目标特征分析项。

具体实现中，可以将所述每个特征分量划分为多个数据区间；统计所述每个数据区间对应的用户响应人数以及用户未响应人数；根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数，计算所述每个特征分析项的信息价值量。

进一步的，可以计算所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和；根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数、所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和，计算得到所述每个数据区间对应的价值权重；根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数、所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和、所述每个数据区间对应价值权重，计算所述每个特征分析项的信息价值量。

进一步可选的，将所述每个数据区间对应的所述用户响应人数除以所述多个数据区间对应的所述用户响应人数之和计算得到第一比值，将所述每个数据区间对应的所述用户未响应人数除以所述多个数据区间对应的所述用户响应人数之和计算得到第二比值；将所述第一比值除以所述第二比值计算得到第三比值，并取所述第三比值的对数作为所述每个数据区间对应的价值权重。

进一步的，可以将所述第一比值减去所述第二比值计算得到所述每个数据区间对应的比值之差；根据所述每个数据区间对应的比值之差以及所述每个数据区间对应的价值权重，计算所述每个特征分析项的信息价值量。

例如：如图5所示，针对上述特征分析项(3)工作日连接人数与休息日连接人数差值，按中位数划分为10个区间，其中，每行的MIN表示区间下限值，MAX表示区间上限值，BAD表示用户未响应人数，GOOD表示用户响应人数，用户响应人数之和为10个区间对应的GOOD值之和，用户未响应人数之和为10个区间对应的BAD值之和。对于数据区间1，价值权重

其中，p为用户响应人数139，n为用户未响应人数6375，sum(p)为10个区间对应的GOOD值之和，sum(n)为10个区间对应的BAD值之和，数据区间1的信息价值量

因此计算得到的数据区间1的价值权重为-294.4，信息价值量IV₁为0.424，按照此方法依次计算其他数据区间对应的价值权重和信息价值量，最后将每个数据区间对应的信息价值量进行叠加，计算得到上述特征分析项(3)的信息价值量。

可选的，可以对多个特征分析项按照从大到小的顺序进行排序，选择所述信息价值量排在前N位的特征分析项作为所述目标特征分析项，N为大于等于1的正整数。

需要说明的是，本发明实施例中构建的特征分析项不仅限于上述7种，还可以为其他任何多种，如果某个特征分析项的信息价值量越大，则说明该特征分析项对无线网络接入点的分类预测能力的贡献度越高，如果某个特征分析项的信息价值量越小，则说明该特征分析项对无线网络接入点的分类预测能力的贡献度越高低。

S105，根据所述目标特征分析项对应的特征向量，确定所述无线网络接入点集合所属网络类别。

具体实现中，可以根据所述目标特征分析项对应的特征向量，计算所述无线网络接入点集合的分类概率；当所述分类概率大于预设阈值时，则确定所述无线网络接入点集合属于目标网络类别，当所述分类概率不大于预设阈值时，则确定所述无线网络接入点集合不属于目标网络类别。

例如，可以将目标特征分析项输入到逻辑回归分类器中，逻辑回归分类器其可以看作一组权值，逻辑回归分类器通过计算目标特征分析项的加权和，最后按照sigmoid函数的形式求出分类概率

在本发明实施例中，首先获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识；然后对多个用户终端所连接的多个无线网络接入点进行聚合得到同一网络标识对应的无线网络接入点集合；其次获取无线网络接入点集合的用户连接行为属性，并根据用户连接行为属性，构建针对无线网络接入点集合的多个特征分析项；计算多个特征分析项中每个特征分析项的信息价值量，并根据每个特征分析项的信息价值量，选择多个特征分析项中的目标特征分析项；最后根据目标特征分析项对应的特征向量，确定无线网络接入点集合所属网络类别，通过使用算法聚合同一网络标识下的无线网络接入点的物理地址，进而针对聚合后无线网络接入点的物理地址构建用户连接行为特征，并确定分类概率，提高无线网络接入点分类的准确性。

请参考图6，图6是本发明实施例提供的一种无线网络接入点的分类装置的结构示意图。如图所示，本发明实施例中的装置包括：

标识获取模块601，用于获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识。

例如，对于企业铺设的无线网络WIFI，在不同的接入点可能设置了相同的网络标识(如：SSID)，以便用户终端在连接WIFI时进行无缝切换。如图1所示，用户终端1和用户终端2都连接到某一企业的无线网络WIFI环境中，用户终端1所连接的无线网络接入点包括接入点A、接入点B以及接入点D，用户终端2所连接的无线网络接入点包括接入点B、接入点C以及接入点E，其中，接入点A、接入点B、接入点C、接入点D以及接入点E具有相同的网络标识，然而，接入点A、接入点B、接入点C、接入点D以及接入点E的MAC(Media Access Control，媒体访问控制)地址各不相同，为了更好的描述同一网络标识下无线网络接入点的特征，因此需要对同一网络标识下不同用户连接的MAC集合做聚合。

网络聚合模块602，用于对所述多个用户终端所连接的多个所述无线网络接入点进行聚合得到同一所述网络标识对应的所述无线网络接入点集合。

具体实现中，可以采用uinion find查并集算法对同一网络标识对应的无线网络接入点的MAC地址进行聚合，得到多个无线网络接入点的MAC地址聚合后的索引，该索引标识多个无线网络接入点属于同一无线网络接入点集合。

进一步的，对于同一所述网络标识对应的多个无线网络接入点，可以将同一用户终端所连接的无线网络接入点作为一个节点；判断多个节点中的两个目标节点是否存在交集；若所述两个目标节点存在交集，则合并所述两个目标节点成为同一无线网络接入点集合。

例如，如图3所示，首先通过同一网络标识(SSID)下的两个用户终端所述连接的接入点A、接入点B、接入点C、接入点D和接入点E初始化成2子集MacSet1(A、B、D)及MacSet2(B、C、E)，通过uinion find算法轮询子集中的接入点，若

合并MacSet1及MacSet2，从而最终得到包含接入点接入点A、接入点B、接入点C、接入点D和接入点E的集合。

进一步可选的，可以将所述两个目标节点的集合关系保存到哈希表中，以便判断其他节点是否在所述哈希表中进而对所述其他节点进行合并。由于上述方法中需要任意选择两个节点并判断该两个节点是否在同一子集，如果存在N个节点，直到最终判断完毕，那么算法的复杂度为N*(N-1)/2。因此对上述方法进行改进，将每次合并后得到的集合保存在哈希表中，然后在选择两个节点判断是否在同一子集时，可以首先确定选择的两个节点是否在哈希表中，如果不存在，则进行合并，如果存在，则不进行合并，算法复杂度减低。

特征构建模块603，用于获取所述无线网络接入点集合的用户连接行为属性，并根据所述用户连接行为属性，构建针对所述无线网络接入点集合的多个特征分析项。

具体实现中，所述用户连接行为属性包括用户连接天数，用户连接次数、用户连接频率以及目标时间段内连接人数的中的至少一种；可以将所述用户连接行为属性划分为多个特征分量，将所述多个特征分量中的每个多种特征分量作为一个所述特征分析项。

例如：构建基于用户连接接入点的时段特性的特征分析项，如图2所示，按timeline将一天分为8个时段，工作时段包括[10,12)、[14,17)，休息时段包括[0,6)、[20,22)、[22,24)。针对该时段特性，构建特征分析项如下：

(1)工作日工作时段连接人数；

(2)工作日工作时段连接人数与休息日工作时段连接人数差值；

(3)工作日连接人数与休息日连接人数差值；

(4)工作日工作时段连接人数与工作日休息时段连接人数差值；

(5)休息日连接人数/工作日连接人数；

(6)工作日工作时段连接人数/工作日连接人数；

(7)工作日工作时段连接人数/连接总人数。

特征选择模块604，用于计算所述多个特征分析项中每个特征分析项的信息价值量，并根据所述每个特征分析项的信息价值量，选择所述多个特征分析项中的目标特征分析项。

具体实现中，如图7所示，特征选择模块604可以进一步包括：

区间划分单元701，用于将所述每个特征分量划分为多个数据区间；

数据统计单元702，用于统计所述每个数据区间对应的用户响应人数以及用户未响应人数；

信息计算单元703，用于根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数，计算所述每个特征分析项的信息价值量。

具体实现中，可以计算所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和；根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数、所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和，计算得到所述每个数据区间对应的价值权重；根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数、所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和、所述每个数据区间对应价值权重，计算所述每个特征分析项的信息价值量。

进一步，将所述每个数据区间对应的所述用户响应人数除以所述多个数据区间对应的所述用户响应人数之和计算得到第一比值，将所述每个数据区间对应的所述用户未响应人数除以所述多个数据区间对应的所述用户响应人数之和计算得到第二比值；将所述第一比值除以所述第二比值计算得到第三比值，并取所述第三比值的对数作为所述每个数据区间对应的价值权重。

进一步可选的，可以将所述第一比值减去所述第二比值计算得到所述每个数据区间对应的比值之差；根据所述每个数据区间对应的比值之差以及所述每个数据区间对应的价值权重，计算所述每个特征分析项的信息价值量。

例如，如图5所示，针对上述特征分析项(3)工作日连接人数与休息日连接人数差值，按中位数划分为10个区间，其中，每行的MIN表示区间下限值，MAX表示区间上限值，BAD表示用户未响应人数，GOOD表示用户响应人数，用户响应人数之和为10个区间对应的GOOD值之和，用户未响应人数之和为10个区间对应的BAD值之和。对于数据区间1，价值权重

其中，p为用户响应人数139，n为用户未响应人数6375，sum(p)为10个区间对应的GOOD值之和，sum(n)为10个区间对应的BAD值之和，数据区间1的信息价值量

因此计算得到的数据区间1的价值权重为-294.4，信息价值量IV₁为0.424，按照此方法依次计算其他数据区间对应的价值权重和信息价值量，最后将每个数据区间对应的信息价值量进行叠加，计算得到上述特征分析项(3)的信息价值量。

可选的，可以对多个特征分析项按照从大到小的顺序进行排序，选择所述信息价值量排在前N位的特征分析项作为所述目标特征分析项，N为大于等于1的正整数。

需要说明的是，本发明实施例中构建的特征分析项不仅限于上述7种，还可以为其他任何多种，如果某个特征分析项的信息价值量越大，则说明该特征分析项对无线网络接入点的分类预测能力的贡献度越高，如果某个特征分析项的信息价值量越小，则说明该特征分析项对无线网络接入点的分类预测能力的贡献度越高低。

网络确定模块605，用于根据所述目标特征分析项对应的特征向量，确定所述无线网络接入点集合所属网络类别。

具体实现中，可以根据所述目标特征分析项对应的特征向量，计算所述无线网络接入点集合的分类概率；当所述分类概率大于预设阈值时，则确定所述无线网络接入点集合属于目标网络类别，当所述分类概率不大于预设阈值时，则确定所述无线网络接入点集合不属于目标网络类别。

例如，可以将目标特征分析项输入到逻辑回归分类器中，逻辑回归分类器其可以看作一组权值，逻辑回归分类器通过计算目标特征分析项的加权和，最后按照sigmoid函数的形式求出分类概率

在本发明实施例中，首先获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识；然后对多个用户终端所连接的多个无线网络接入点进行聚合得到同一网络标识对应的无线网络接入点集合；其次获取无线网络接入点集合的用户连接行为属性，并根据用户连接行为属性，构建针对无线网络接入点集合的多个特征分析项；计算多个特征分析项中每个特征分析项的信息价值量，并根据每个特征分析项的信息价值量，选择多个特征分析项中的目标特征分析项；最后根据目标特征分析项对应的特征向量，确定无线网络接入点集合所属网络类别，通过使用算法聚合同一网络标识下的无线网络接入点的物理地址，进而针对聚合后无线网络接入点的物理地址构建用户连接行为特征，并确定分类概率，提高无线网络接入点分类的准确性。

请参考图8，图8是本发明实施例提供的另一种无线网络接入点的分类装置的结构示意图。如图所示，该装置可以包括：至少一个处理器801，例如CPU，至少一个接口电路802，至少一个存储器803，至少一个总线804。其中，通信总线804用于实现这些组件之间的连接通信。其中，本发明实施例中的接口电路802可以是有线发送端口，也可以为无线设备，例如包括天线装置，用于与其他节点设备进行信令或数据的通信。存储器803可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器803可选的还可以是至少一个位于远离前述处理器801的存储装置。存储器803中存储一组程序代码，且处理器801用于调用存储器中存储的程序代码，用于执行以下操作：

获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识；

对所述多个用户终端所连接的多个所述无线网络接入点进行聚合得到同一所述网络标识对应的所述无线网络接入点集合；

获取所述无线网络接入点集合的用户连接行为属性，并根据所述用户连接行为属性，构建针对所述无线网络接入点集合的多个特征分析项；

计算所述多个特征分析项中每个特征分析项的信息价值量，并根据所述每个特征分析项的信息价值量，选择所述多个特征分析项中的目标特征分析项；

根据所述目标特征分析项对应的特征向量，确定所述无线网络接入点集合所属网络类别。

其中，处理器801用于执行如下操作步骤：

对于同一所述网络标识对应的多个无线网络接入点，将同一所述用户终端所连接的无线网络接入点作为一个节点；

判断多个所述节点中的两个目标节点是否存在交集；

若所述两个目标节点存在交集，则合并所述两个目标节点成为同一所述无线网络接入点集合。

其中，处理器801用于执行如下操作步骤：

将所述两个目标节点的集合关系保存到哈希表中，以便判断其他节点是否在所述哈希表中进而对所述其他节点进行合并。

其中，处理器801用于执行如下操作步骤：

将所述用户连接行为属性划分为多个特征分量，将所述多个特征分量中的每个多种特征分量作为一个所述特征分析项。

其中，处理器801用于执行如下操作步骤：

将所述每个特征分量划分为多个数据区间；

统计所述每个数据区间对应的用户响应人数以及用户未响应人数；

根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数，计算所述每个特征分析项的信息价值量。

其中，处理器801用于执行如下操作步骤：

计算所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和；

根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数、所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和，计算得到所述每个数据区间对应的价值权重；

根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数、所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和、所述每个数据区间对应价值权重，计算所述每个特征分析项的信息价值量。

其中，处理器801用于执行如下操作步骤：

将所述每个数据区间对应的所述用户响应人数除以所述多个数据区间对应的所述用户响应人数之和计算得到第一比值，将所述每个数据区间对应的所述用户未响应人数除以所述多个数据区间对应的所述用户响应人数之和计算得到第二比值；

将所述第一比值除以所述第二比值计算得到第三比值，并取所述第三比值的对数作为所述每个数据区间对应的价值权重。

其中，处理器801用于执行如下操作步骤：

将所述第一比值减去所述第二比值计算得到所述每个数据区间对应的比值之差；

根据所述每个数据区间对应的比值之差以及所述每个数据区间对应的价值权重，计算所述每个特征分析项的信息价值量。

其中，处理器801用于执行如下操作步骤：

选择所述信息价值量排在前N位的特征分析项作为所述目标特征分析项，N为大于等于1的正整数。

其中，处理器801用于执行如下操作步骤：

根据所述目标特征分析项对应的特征向量，计算所述无线网络接入点集合的分类概率；

当所述分类概率大于预设阈值时，则确定所述无线网络接入点集合属于目标网络类别。

需要说明的是，对于前述的各个方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某一些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。

以上对本发明实施例所提供的内容下载方法及相关设备、系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (15)

1.一种无线网络接入点的分类方法，其特征在于，所述方法包括：

获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识；

对于同一所述网络标识对应的多个无线网络接入点，将同一所述用户终端所连接的无线网络接入点作为一个节点；判断多个所述节点中任意选取的两个目标节点是否存在交集；若所述两个目标节点存在交集，则合并所述两个目标节点成为同一所述网络标识对应的无线网络接入点集合；

获取所述无线网络接入点集合的用户连接行为属性，并将所述用户连接行为属性划分为多个特征分量，将所述多个特征分量中的每个特征分量作为一个特征分析项，构建针对所述无线网络接入点集合的多个特征分析项；

将所述每个特征分量划分为多个数据区间；统计所述每个数据区间对应的用户响应人数以及用户未响应人数；根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数，计算每个所述特征分析项的信息价值量，并选择所述多个特征分析项中所述信息价值量排在前N位的特征分析项作为所述目标特征分析项，N为大于等于1的正整数；

根据所述目标特征分析项对应的特征向量，确定所述无线网络接入点集合所属网络类别。

2.如权利要求1所述的方法，其特征在于，所述若所述两个目标节点存在交集，则合并所述两个目标节点成为同一所述无线网络接入点集合之后，还包括：

将所述两个目标节点的集合关系保存到哈希表中，以便判断其他节点是否在所述哈希表中进而对所述其他节点继续进行两两节点合并。

3.如权利要求1所述的方法，其特征在于，所述用户连接行为属性包括用户连接天数，用户连接次数、用户连接频率以及目标时间段内连接人数的中的至少一种。

4.如权利要求1所述的方法，其特征在于，所述根据所述每个数据区间中对应的响应人数和非响应人数，计算所述每个特征分析项的信息价值量包括：

计算所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和；

根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数、所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和，计算得到所述每个数据区间对应的价值权重；

根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数、所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和、所述每个数据区间对应价值权重，计算所述每个特征分析项的信息价值量。

5.如权利要求4所述的方法，其特征在于，所述根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数、所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和，计算得到所述每个数据区间对应的价值权重包括：

将所述每个数据区间对应的所述用户响应人数除以所述多个数据区间对应的所述用户响应人数之和计算得到第一比值，将所述每个数据区间对应的所述用户未响应人数除以所述多个数据区间对应的所述用户响应人数之和计算得到第二比值；

将所述第一比值除以所述第二比值计算得到第三比值，并取所述第三比值的对数作为所述每个数据区间对应的价值权重。

6.如权利要求5所述的方法，其特征在于，所述根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数、所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和、所述每个数据区间对应价值权重，计算所述每个特征分析项的信息价值量包括：

将所述第一比值减去所述第二比值计算得到所述每个数据区间对应的比值之差；

根据所述每个数据区间对应的比值之差以及所述每个数据区间对应的价值权重，计算得到所述每个数据区间对应的信息价值量，并将所述每个数据区间对应的信息价值量进行叠加得到所述每个特征分析项的信息价值量。

7.如权利要求1-6任意一项所述的方法，其特征在于，所述根据所述目标特征分析项对应的特征向量，确定所述无线网络接入点集合所属网络类别包括：

计算所述目标特征分析项对应的特征向量的加权和作为所述无线网络接入点集合的分类概率；

当所述分类概率大于预设阈值时，则确定所述无线网络接入点集合属于目标网络类别。

8.一种无线网络接入点的分类装置，其特征在于，所述装置包括：

标识获取模块，用于获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识；

网络聚合模块，用于对于同一所述网络标识对应的多个无线网络接入点，将同一所述用户终端所连接的无线网络接入点作为一个节点；判断多个所述节点中任意选取的两个目标节点是否存在交集；若所述两个目标节点存在交集，则合并所述两个目标节点成为同一所述网络标识对应的无线网络接入点集合；

特征构建模块，用于获取所述无线网络接入点集合的用户连接行为属性，并将所述用户连接行为属性划分为多个特征分量，将所述多个特征分量中的每个特征分量作为一个特征分析项，构建针对所述无线网络接入点集合的多个特征分析项；

特征选择模块，用于将所述每个特征分量划分为多个数据区间；统计所述每个数据区间对应的用户响应人数以及用户未响应人数；根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数，计算每个所述特征分析项的信息价值量，并选择所述多个特征分析项中所述信息价值量排在前N位的特征分析项作为所述目标特征分析项，N为大于等于1的正整数；

网络确定模块，用于根据所述目标特征分析项对应的特征向量，确定所述无线网络接入点集合所属网络类别。

9.如权利要求8所述的装置，其特征在于，

所述网络聚合模块，还用于将所述两个目标节点的集合关系保存到哈希表中，以便判断其他节点是否在所述哈希表中进而对所述其他节点继续进行两两节点合并。

10.如权利要求8所述的装置，其特征在于，所述用户连接行为属性包括用户连接天数，用户连接次数、用户连接频率以及目标时间段内连接人数的中的至少一种。

11.如权利要求8所述的装置，其特征在于，所述信息计算单元具体用于：

计算所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和；

根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数、所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和，计算得到所述每个数据区间对应的价值权重；

根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数、所述多个数据区间对应的所述用户响应人数之和以及所述用户未响应人数之和、所述每个数据区间对应价值权重，计算所述每个特征分析项的信息价值量。

12.如权利要求11所述的装置，其特征在于，所述信息计算单元具体用于：

将所述每个数据区间对应的所述用户响应人数除以所述多个数据区间对应的所述用户响应人数之和计算得到第一比值，将所述每个数据区间对应的所述用户未响应人数除以所述多个数据区间对应的所述用户响应人数之和计算得到第二比值；

将所述第一比值除以所述第二比值计算得到第三比值，并取所述第三比值的对数作为所述每个数据区间对应的价值权重。

13.如权利要求12所述的装置，其特征在于，所述信息计算单元具体用于：

将所述第一比值减去所述第二比值计算得到所述每个数据区间对应的比值之差；

根据所述每个数据区间对应的比值之差以及所述每个数据区间对应的价值权重，计算得到所述每个数据区间对应的信息价值量，并将所述每个数据区间对应的信息价值量进行叠加得到所述每个特征分析项的信息价值量。

14.如权利要求8-13任意一项所述的装置，其特征在于，所网络确定模块具体用于：

计算所述目标特征分析项对应的特征向量的加权和作为所述无线网络接入点集合的分类概率；

当所述分类概率大于预设阈值时，则确定所述无线网络接入点集合属于目标网络类别。

15.一种无线网络接入点的分类装置，其特征在于，所述装置包括接口电路、存储器以及处理器，其中，存储器中存储一组程序代码，且处理器用于调用存储器中存储的程序代码，用于执行以下操作：

获取多个用户终端中每个用户终端所连接的无线网络接入点的网络标识；

对于同一所述网络标识对应的多个无线网络接入点，将同一所述用户终端所连接的无线网络接入点作为一个节点；判断多个所述节点中任意选取的两个目标节点是否存在交集；若所述两个目标节点存在交集，则合并所述两个目标节点成为同一所述网络标识对应的无线网络接入点集合；

获取所述无线网络接入点集合的用户连接行为属性，并将所述用户连接行为属性划分为多个特征分量，将所述多个特征分量中的每个特征分量作为一个特征分析项，构建针对所述无线网络接入点集合的多个特征分析项；

将所述每个特征分量划分为多个数据区间；统计所述每个数据区间对应的用户响应人数以及用户未响应人数；根据所述每个数据区间对应的所述用户响应人数以及所述用户未响应人数，计算每个所述特征分析项的信息价值量，并选择所述多个特征分析项中所述信息价值量排在前N位的特征分析项作为所述目标特征分析项，N为大于等于1的正整数；

根据所述目标特征分析项对应的特征向量，确定所述无线网络接入点集合所属网络类别。

Images