CN109829485A - 一种基于移动通信数据的用户关系挖掘方法及系统 - Google Patents
一种基于移动通信数据的用户关系挖掘方法及系统 Download PDFInfo
- Publication number
- CN109829485A CN109829485A CN201910017263.6A CN201910017263A CN109829485A CN 109829485 A CN109829485 A CN 109829485A CN 201910017263 A CN201910017263 A CN 201910017263A CN 109829485 A CN109829485 A CN 109829485A
- Authority
- CN
- China
- Prior art keywords
- user
- relationship
- data
- family
- index
- 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.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的一种基于移动通信数据的用户关系挖掘方法及系统,通过采集原始数据话单信息,排除非手机号码;从历史用户中提取家庭关系的用户对以及非家庭关系用户对,根据话单数据和位置信息数据,计算相关指标构建训练数据及测试数据集宽表;采用以决策树为基分类器的LightGBM算法,建立有监督的分类模型。本发明通过采用监督的机器学习方法,精准识别用户之间的关系,不仅识别本网用户的家庭关系,还可以识别异网用户的家庭关系以及辅助识别本网同事关系和朋友关系,在识别结果上有着很好的准确率。
Description
技术领域
本发明涉及计算机网络信息技术领域,具体涉及一种基于移动通信数据的用户关系挖掘方法及系统。
背景技术
国内电信业务竞争已经展开,家庭和集团用户市场将是各大运营商最新角逐的市场以及开拓的新收入增长点。如何在海量用户群中准确识别出家庭用户、分析家庭用户的业务行为特征并对之进行有效的营销,是当前需要解决的话题。若不考虑建立挖掘模型,仅根据物理家庭用户和业务家庭用户的判别规则,离运营商需要部署的家庭品牌、家庭产品线的目标客户数量相差甚远。因此应用数据挖掘的技术来辅助解决潜在家庭用户挖掘这一需求已迫在眉睫。
发明内容
针对上述现有技术存在的问题,本发明提供了一种基于移动通信数据的用户关系挖掘方法,包括以下步骤:
(1)采集全量话单信息,通过数据清洗处理,模型设计,构建本网和异网分类模型
(2)设定话单信息的全用户集合为P,包含家庭关系的用户集合为A,包含同事关系的用户集合为B,其他关系的用户集合为C;
(3)根据分类模型,判断话单信息集合P包含的家庭关系A;
(4)根据经验规则,判断本网用户P-A集合包含的同事关系B和其他关系C;
作为上述方案的进一步优化,所述的构建分类模型包括原始数据预处理、训练集用户关系提取、计算建模指标和算法建模设计。
作为上述方案的进一步优化,所述的原始数据预处理通过使用手机号码归属地匹配和号码长度排除非手机号码。
作为上述方案的进一步优化,训练集用户关系提取即从话单信息历史用户提取包含家庭关系的用户对以及非家庭关系的用户对,通过组合话单历史信息的所有用户对,构成训练数据集用户,再根据话单信息数据以及位置信息数据,计算指标,构建训练数据和测试数据集宽表。
作为上述方案的进一步优化,训练集用户关系提取还根据办理家庭融合业务数据,获取家人以及非家人标记的用户数据,再根据用户的位置信息数据对用户之间的关系进一步提纯,通过闲时位置重合情况和两者直接通话进一步确定家庭关系用户组,最终将具有家人关系和非家人关系的用户组成训练集用户。
作为上述方案的进一步优化,计算建模指标即根据用户的话单信息数据计算建模的指标,组建完整的训练集宽表;建模指标包括交往指数、交往指数排名、交往圈距离、交往圈重合度、通话时长排名和通话次数排名,具体包括如下:
(21)计算交往指数,即计算在单位时间段维度内,用户之间通话的频繁程度,所述交往指数越大,用户之间的联系越密切,交往指数CI的表达式为:
上式的40、32、16、8、4分别表示各项的权重,My、Ty、Wy、THy、Dy是两个用户在统计周期中联系的月数、旬数、周数、三天数和天数。Mn、Tn、Wn、THn、Dn表示所用的基础数据中,包含的月数、旬数、周数、三天数和天数;
(22)交往指数排名,计算交往指数的基础上,对每个用户联系人交往指数进行排名;
(23)交往圈重合度,即两个本网用户之间交往圈的重合情况,用户的所有通话的对象集,以交往指数为参考,选择单位时间段存在联系的对象纳入该用户的有效交往圈,i和j的交往圈重合度的计算表达式为:
上式中,x为i用户有效交往圈N(i)和j用户有效交往圈N(j)的共同联系对象,k(i)和k(j)分别表示用户i和用户j的总通话次数;
(24)交往圈距离,即两个本网用户交往圈空间的距离,距离越近,关系越密切,交往圈距离D(i,j)的计算表达式为:
上式中,i和j表示具有关系的两个用户,x为i用户有效交往圈N(i)和j用户有效交往圈N(j)的共同联系对象,ki(x)表示用户x与用户i之间的通话次数,kj(x)表示用户x与用户j之间的通话次数,wi(ki(x))表示用户x和用户i联系次数占用户i总联系次数的比例,wj(kj(x))表示用户x和用户j联系次数占用户j总联系次数的比例;
(25)通话时长排名,针对原始话单信息进行预处理,统计用户与之对端所有号码的月通话时长,按照降序排名,且月通话时长排名越高,关系越密切;
(26)通话次数排名,分别对单位时间段用户的通话次数汇总后求均值,再对每个用户的联系人进行排名;
(27)工作时间联系次数排名、工作时间位置重合时长排名,统计具有联系的两个用户在工作日工作时间联系次数,以及工作时间位置重合的时长,并对两个指标降序排序。
作为上述方案的进一步优化,所述的算法建模设计通过采用决策树为基分类器的LightGBM算法进行建模设计,采用有监督的方法进行训练。
本发明还提供了一种基于移动通信数据的用户关系挖掘系统,包括
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如上所述的一种基于移动通信数据的用户关系挖掘方法。
本发明采用上述的技术方案,与现有技术相比,一种基于移动通信数据的用户关系挖掘方法及系统,具有以下技术效果:
1、本发明的一种基于移动通信数据的用户关系挖掘方法,采集话单信息,根据通话基础指标计算进而计算延伸指标,增强分类器的分类效果。
2、本发明的一种基于移动通信数据的用户关系挖掘方法,通过采用监督的机器学习方法,精准识别用户之间的关系,且不仅识别本网用户的家庭关系,还可以识别异网用户的家庭关系以及辅助识别本网同事关系和朋友关系,在识别结果上有着很好的准确率。
附图说明
图1为本发明的一种基于移动通信数据的用户关系挖掘方法及系统的流程示意图;
图2为本发明的一种基于移动通信数据的用户关系挖掘方法的关系模型构建示意图;
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明了,下面通过附图中及实施例,对本发明进行进一步详细说明。但是应该理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限制本发明的范围。
实施例1
本发明提供了一种基于移动通信数据的用户关系挖掘方法,具体包括如下步骤:
S1,采集全量话单信息,通过数据清洗处理,模型设计,构建本网和异网分类模型;
S2,设定话单信息的全用户集合为P,包含家庭关系的用户集合为A,包含同事关系的用户集合为B,其他关系的用户集合为C;
S3,根据分类模型,判断话单信息集合P包含的家庭关系A;
S4,根据经验规则,输出本网P-A集合包含的同事关系B和其他关系C;
作为上述方案的进一步优化,所述的构建分类模型包括原始数据预处理、训练集用户关系提取、计算建模指标和算法建模设计;
S5,原始数据预处理通过使用手机号码归属地匹配和号码长度排除非手机号码;
优选地,本实施例针对原始数据预处理的具体实施方式包括如下:
a.保留对端号码为有效手机号码(11位),剔除其他号码长度的号码;
b.删除广告、推销、中介等其他干扰项的用户号码通话记录;所述的广告、推销、中介等其他干扰项根据通话次数多且通话对端号码多进行特征识别剔除;
c.删除单次通话时长不超过1s的用户通话记录;
d.删除每个月份有且仅有一次交往的交往记录;
e.删除重复通话记录;
S6,训练集用户关系提取即从话单信息历史用户提取包含家庭关系的用户对以及非家庭关系的用户对,通过组合话单历史信息的所有用户对,构成训练数据集用户,再根据话单信息数据以及位置信息数据,计算指标,构建训练数据和测试数据集宽表;
作为上述方案的进一步优化,训练集用户关系提取还根据办理家庭融合业务数据,获取家人以及非家人标记的用户数据,再根据用户的位置信息数据对用户之间的关系进一步提纯,通过闲时位置重合情况和两者直接通话进一步确定家庭关系用户组,最终将具有家人关系和非家人关系的用户组成训练集用户;
优选地,本实施例针对训练集用户关系提取的具体实施方式包括如下:
a.抽取办理家庭业务的号码对,初步认定为relation_labels=1;
b.对labels=1的家庭号码对初步筛选,剔除连续两个月没有交往记录的家庭号码对;
c.对经过初步筛选之后的家庭号码对,分别取出其对端的其它通话对象的交往对,设置relaiton_labels=0;
d.合并两部分数据为训练数据集;由此得到的数据集为高度不平衡数据集,实际后期训练过程中,按(relation_labels=1:relation_labels=0)=(1:3)的比例取数据作为训练集;
S7,计算建模指标即根据用户的话单信息数据计算建模的指标,组建完整的训练集宽表;建模指标包括交往指数、交往指数排名、交往圈距离、交往圈重合度、通话时长排名和通话次数排名,具体包括如下:
(21)计算交往指数,即计算在单位时间段维度内,用户之间通话的频繁程度,所述交往指数越大,用户之间的联系越密切,交往指数CI的表达式为:
上式的40、32、16、8、4分别表示各项的权重,My、Ty、Wy、THy、Dy是两个用户在统计周期中联系的月数、旬数、周数、三天数和天数。Mn、Tn、Wn、THn、Dn表示所用的基础数据中,包含的月数、旬数、周数、三天数和天数;
(22)交往指数排名,计算交往指数的基础上,对每个用户联系人交往指数进行排名;
(23)交往圈重合度,即两个本网用户之间交往圈的重合情况,用户的所有通话的对象集,以交往指数为参考,选择单位时间段存在联系的对象纳入该用户的有效交往圈,i和j的交往圈重合度的计算表达式为:
上式中,x为i用户有效交往圈N(i)和j用户有效交往圈N(j)的共同联系对象,k(i)和k(j)分别表示用户i和用户j的总通话次数;
(24)交往圈距离,即两个本网用户交往圈空间的距离,距离越近,关系越密切,交往圈距离D(i,j)的计算表达式为:
上式中,i和j表示具有关系的两个用户,x为i用户有效交往圈N(i)和j用户有效交往圈N(j)的共同联系对象,ki(x)表示用户x与用户i之间的通话次数,kj(x)表示用户x与用户j之间的通话次数,wi(ki(x))表示用户x和用户i联系次数占用户i总联系次数的比例,wj(kj(x))表示用户x和用户j联系次数占用户j总联系次数的比例;
(25)通话时长排名,针对原始话单信息进行预处理,统计用户与之对端所有号码的月通话时长,按照降序排名,且月通话时长排名越高,关系越密切;
(26)通话次数排名,分别对单位时间段用户的通话次数汇总后求均值,再对每个用户的联系人进行排名;
(27)工作时间联系次数排名、工作时间位置重合时长排名,统计具有联系的两个用户在工作日工作时间联系次数,以及工作时间位置重合的时长,并对两个指标降序排序。
优选地,本实施例通过列出所述用于识别家庭关系的建模指标,形成数据集宽表,如表1所示,同时包含本网和异网的关系识别指标,其中,9为标签列,3-8是参与本网家庭关系识别建模的特征集。针对异网用户关系识别模型,主要用3、4、7、8、9作为家人关系的识别模型的输入,然后用3、4、7、8作为预测数据集字段,进行预测;
识别出家庭关系和非家庭关系后,对非家庭关系的用户通过工作时间联系次数排名、工作时间位置重合时长排名,识别出同事关系。
表1数据集宽表
S8,算法建模设计通过采用决策树为基分类器的LightGBM算法进行建模设计;
优选地,本实施例通过提供某省份运营商相关业务数据,模型采用LightGBM基分类器,总共提取的数据集为10万份记录,80%左右作为训练集,20%左右作为验证集,验证所述的算法分类模型的效果;
S9,异网用户的家人关系无法通过查全率和查准率验证,仅通过抽样进行验证,经抽样验证,效果比较客观,提供运营商异网家庭关系的用户,且对其进行有效策反;
S10,本网用户家庭关系识别模型训练后,对验证集进行了验证,如表2所示;
表2本网家庭关系识别验证集混淆矩阵
S11,根据关系识别模型,输出对应结果;
表2的结果是在验证集上评估的,计算得到查全率R为:
计算查准率S为:
综上所述,本实施例不仅在验证集进行验证,在预测集中进行抽样验证,验证的结果是家人关系基本上都会识别出来。通过本发明,找出关系亲密的用户组,后期针对家庭业务发展时提供一种技术支撑,同时根据营销的结果,进一步反馈本发明的关系模型,针对性的调整关系模型的参数和指标信息,最终获得一个更加精准的关系模型。
本发明还提供了一种基于移动通信数据的用户关系挖掘系统,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如上所述的一种基于移动通信数据的用户关系挖掘方法。
本发明的一种基于移动通信数据的用户关系挖掘方法及系统,通过构建关系分类模型,采集原始数据话单信息,排除非手机号码;从历史用户中提取家庭关系的用户对以及非家庭关系用户对,根据话单数据和位置信息数据,计算相关指标构建训练数据及测试数据集宽表;采用以决策树为基分类器的LightGBM算法,建立分类模型。本发明通过采用监督的机器学习方法,精准识别用户之间的关系,且不仅识别本网用户的家庭关系,还可以识别异网用户的家庭关系以及辅助识别同事关系和朋友关系,在识别结果上有着很好的准确率。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (9)
1.一种基于移动通信数据的用户关系挖掘方法,其特征在于,包括如下步骤:
(1)采集全量话单信息,通过数据清洗处理,模型设计,构建本网和异网分类模型;
(2)设定话单信息的全用户集合为P,包含家庭关系的用户集合为A,包含同事关系的用户集合为B,其他关系的用户集合为C;
(3)通过分类模型,遴选话单信息集合P包含的家庭关系A;
(4)根据经验规则,判断本网用户P-A集合包含的同事关系B和其他关系C。
2.根据权利要求1所述的一种基于移动通信数据的用户关系挖掘方法,其特征在于,所述的构建分类模型包括原始数据预处理、训练集用户关系提取、计算建模指标和算法建模设计。
3.根据权利要求2所述的一种基于移动通信数据的用户关系挖掘方法,其特征在于,所述的原始数据预处理通过使用手机号码归属地匹配和号码长度排除非手机号码。
4.根据权利要求3所述的一种基于移动通信数据的用户关系挖掘方法,其特征在于,所述的训练集用户关系提取即从话单信息历史用户提取包含家庭关系的用户对以及非家庭关系的用户对,通过组合话单历史信息的所有用户对,构成训练数据集用户,再根据话单信息数据以及位置信息数据,计算指标,构建训练数据和测试数据集宽表。
5.根据权利要求4所述的一种基于移动通信数据的用户关系挖掘方法,其特征在于,所述的训练集用户关系提取还根据办理家庭融合业务数据,获取家人以及非家人标记的用户数据,再根据用户的位置信息数据对用户之间的关系进一步提纯,通过闲时位置重合情况和两者直接通话进一步确定家庭关系用户组,最终将具有家人关系和非家人关系的用户组成训练集用户。
6.根据权利要求5所述的一种基于移动通信数据的用户关系挖掘方法,其特征在于,所述的计算建模指标即根据用户的话单信息数据计算建模的指标,组建完整的训练集宽表。
7.根据权利要求6所述的一种基于移动通信数据的用户关系挖掘方法,其特征在于,所述建模指标包括交往指数、交往指数排名、交往圈距离、交往圈重合度、通话时长排名和通话次数排名,具体包括如下:
(21)计算交往指数,即计算在单位时间段维度内,用户之间通话的频繁程度,所述交往指数越大,用户之间的联系越密切,交往指数CI的表达式为:
上式的40、32、16、8、4分别表示各项的权重,My、Ty、Wy、THy、Dy是两个用户在统计周期中联系的月数、旬数、周数、三天数和天数。Mn、Tn、Wn、THn、Dn表示所用的基础数据中,包含的月数、旬数、周数、三天数和天数;
优选的,本发明的建模话单信息数据使用的时间为2个月,所以Mn=2、Tn=6、Wn=9、THn=20、Dn=61;
(22)交往指数排名,计算交往指数的基础上,对每个用户的联系人交往指数进行排名;
(23)交往圈重合度,即两个本网用户之间交往圈的重合情况,用户的所有通话的对象集,以交往指数为参考,选择单位时间段存在联系的对象纳入该用户的有效交往圈,i和j的交往圈重合度的计算表达式为:
上式中,x为i用户有效交往圈N(i)和j用户有效交往圈N(j)的共同联系对象,k(i)和k(j)分别表示用户i和用户j的总通话次数;
(24)交往圈距离,即两个本网用户交往圈空间的距离,距离越近,关系越密切,交往圈距离D(i,j)的计算表达式为:
上式中,i和j表示具有关系的两个用户,x为i用户有效交往圈N(i)和j用户有效交往圈N(j)的共同联系对象,ki(x)表示用户x与用户i之间的通话次数,kj(x)表示用户x与用户j之间的通话次数,wi(ki(x))表示用户x和用户i联系次数占用户i总联系次数的比例,wj(kj(x))表示用户x和用户j联系次数占用户j总联系次数的比例;
(25)通话时长排名,针对原始话单信息进行预处理,统计用户与之对端所有号码的月通话时长,按照降序排名,且月通话时长排名越高,关系越密切;
(26)通话次数排名,分别对单位时间段用户的通话次数汇总后求均值,再对每个用户的联系人进行排名;
(27)工作时间联系次数排名、工作时间位置重合时长排名,统计具有联系的两个用户在工作日工作时间联系次数,以及工作时间位置重合的时长,并对两个指标降序排序。
8.根据权利要求2所述的一种基于移动通信数据的用户关系挖掘方法,其特征在于,所述的算法建模设计通过采用决策树为基分类器的LightGBM算法进行建模设计。
9.本发明还提供了一种基于移动通信数据的用户关系挖掘系统,包括
一个或多个处理器;
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器执行如权利要求1-8所述的一种基于移动通信数据的用户关系挖掘方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910017263.6A CN109829485A (zh) | 2019-01-08 | 2019-01-08 | 一种基于移动通信数据的用户关系挖掘方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910017263.6A CN109829485A (zh) | 2019-01-08 | 2019-01-08 | 一种基于移动通信数据的用户关系挖掘方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109829485A true CN109829485A (zh) | 2019-05-31 |
Family
ID=66860709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910017263.6A Pending CN109829485A (zh) | 2019-01-08 | 2019-01-08 | 一种基于移动通信数据的用户关系挖掘方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109829485A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110611689A (zh) * | 2018-06-15 | 2019-12-24 | 中移信息技术有限公司 | 一种信息识别方法、设备及计算机可读存储介质 |
CN111353812A (zh) * | 2020-02-20 | 2020-06-30 | 中信银行股份有限公司 | 链式智能营销方法及装置 |
CN111611309A (zh) * | 2020-03-30 | 2020-09-01 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 话单数据关系网络交互式可视化方法 |
CN111652451A (zh) * | 2020-08-06 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 社交关系的获取方法和装置及存储介质 |
CN111866146A (zh) * | 2020-07-22 | 2020-10-30 | 中国联合网络通信集团有限公司 | 一种家庭用户的识别方法和装置 |
CN112307075A (zh) * | 2019-08-01 | 2021-02-02 | 中国移动通信集团广东有限公司 | 用户关系识别方法及装置 |
CN112887491A (zh) * | 2019-11-29 | 2021-06-01 | 中国电信股份有限公司 | 用户缺失信息获取方法和装置 |
CN113163324A (zh) * | 2020-01-03 | 2021-07-23 | 中国移动通信集团江西有限公司 | 家庭用户识别方法及模块 |
CN113378073A (zh) * | 2020-03-10 | 2021-09-10 | 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 |
CN115086488A (zh) * | 2022-07-27 | 2022-09-20 | 广东创新科技职业学院 | 一种号码分类方法和装置 |
CN115379051A (zh) * | 2021-05-17 | 2022-11-22 | 中国联合网络通信集团有限公司 | 家庭用户的识别方法、装置及设备 |
WO2024001102A1 (zh) * | 2022-06-30 | 2024-01-04 | 广东亿迅科技有限公司 | 一种通信行业家庭圈智能识别的方法、装置及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915879A (zh) * | 2014-03-10 | 2015-09-16 | 华为技术有限公司 | 基于金融数据的社会关系挖掘的方法及装置 |
CN106228371A (zh) * | 2016-07-18 | 2016-12-14 | 南京坦道信息科技有限公司 | 一种基于交往频度和交往指数的超大规模用户的社交网络分析及家庭关系识别算法 |
CN106570764A (zh) * | 2016-11-09 | 2017-04-19 | 广州杰赛科技股份有限公司 | 一种用户关系预测方法及装置 |
CN106682212A (zh) * | 2016-12-31 | 2017-05-17 | 复旦大学 | 一种基于用户移动行为的社会关系分类方法与装置 |
US20180278702A1 (en) * | 2015-09-30 | 2018-09-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for recognizing user relationship, storage medium and server |
-
2019
- 2019-01-08 CN CN201910017263.6A patent/CN109829485A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104915879A (zh) * | 2014-03-10 | 2015-09-16 | 华为技术有限公司 | 基于金融数据的社会关系挖掘的方法及装置 |
US20180278702A1 (en) * | 2015-09-30 | 2018-09-27 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for recognizing user relationship, storage medium and server |
CN106228371A (zh) * | 2016-07-18 | 2016-12-14 | 南京坦道信息科技有限公司 | 一种基于交往频度和交往指数的超大规模用户的社交网络分析及家庭关系识别算法 |
CN106570764A (zh) * | 2016-11-09 | 2017-04-19 | 广州杰赛科技股份有限公司 | 一种用户关系预测方法及装置 |
CN106682212A (zh) * | 2016-12-31 | 2017-05-17 | 复旦大学 | 一种基于用户移动行为的社会关系分类方法与装置 |
Non-Patent Citations (2)
Title |
---|
王岚 等: "《营销管理数据挖掘的系统设计与实施》", 31 March 2016, 中国书籍出版社 * |
陆菁: "基于移动通信交往圈的家庭用户识别研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110611689A (zh) * | 2018-06-15 | 2019-12-24 | 中移信息技术有限公司 | 一种信息识别方法、设备及计算机可读存储介质 |
CN110611689B (zh) * | 2018-06-15 | 2022-06-28 | 中移动信息技术有限公司 | 一种信息识别方法、设备及计算机可读存储介质 |
CN112307075A (zh) * | 2019-08-01 | 2021-02-02 | 中国移动通信集团广东有限公司 | 用户关系识别方法及装置 |
CN112307075B (zh) * | 2019-08-01 | 2023-09-19 | 中国移动通信集团广东有限公司 | 用户关系识别方法及装置 |
CN112887491A (zh) * | 2019-11-29 | 2021-06-01 | 中国电信股份有限公司 | 用户缺失信息获取方法和装置 |
CN112887491B (zh) * | 2019-11-29 | 2023-03-21 | 中国电信股份有限公司 | 用户缺失信息获取方法和装置 |
CN113163324A (zh) * | 2020-01-03 | 2021-07-23 | 中国移动通信集团江西有限公司 | 家庭用户识别方法及模块 |
CN113163324B (zh) * | 2020-01-03 | 2022-11-29 | 中国移动通信集团江西有限公司 | 家庭用户识别方法及模块 |
CN111353812A (zh) * | 2020-02-20 | 2020-06-30 | 中信银行股份有限公司 | 链式智能营销方法及装置 |
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 |
CN113378073A (zh) * | 2020-03-10 | 2021-09-10 | 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 |
CN111611309A (zh) * | 2020-03-30 | 2020-09-01 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 话单数据关系网络交互式可视化方法 |
CN111611309B (zh) * | 2020-03-30 | 2023-11-07 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 话单数据关系网络交互式可视化方法 |
CN111866146B (zh) * | 2020-07-22 | 2022-02-11 | 中国联合网络通信集团有限公司 | 一种家庭用户的识别方法和装置 |
CN111866146A (zh) * | 2020-07-22 | 2020-10-30 | 中国联合网络通信集团有限公司 | 一种家庭用户的识别方法和装置 |
CN111652451A (zh) * | 2020-08-06 | 2020-09-11 | 腾讯科技(深圳)有限公司 | 社交关系的获取方法和装置及存储介质 |
CN115379051A (zh) * | 2021-05-17 | 2022-11-22 | 中国联合网络通信集团有限公司 | 家庭用户的识别方法、装置及设备 |
WO2024001102A1 (zh) * | 2022-06-30 | 2024-01-04 | 广东亿迅科技有限公司 | 一种通信行业家庭圈智能识别的方法、装置及设备 |
CN115086488A (zh) * | 2022-07-27 | 2022-09-20 | 广东创新科技职业学院 | 一种号码分类方法和装置 |
CN115086488B (zh) * | 2022-07-27 | 2022-10-25 | 广东创新科技职业学院 | 一种号码分类方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829485A (zh) | 一种基于移动通信数据的用户关系挖掘方法及系统 | |
CN107392627B (zh) | 一种基于交往频度和交往指数的用户交往圈关系识别方法 | |
CN109636481A (zh) | 面向家庭用户的用户画像构建方法及装置 | |
CN106651424A (zh) | 基于大数据技术的电力用户画像建立与分析方法 | |
CN106557955A (zh) | 网约车异常订单识别方法及系统 | |
CN105975479B (zh) | 一种基于标签库的电信用户兴趣度分析方法及系统 | |
CN108509534A (zh) | 基于深度学习的个性化音乐推荐系统及其实现方法 | |
CN106384273A (zh) | 恶意刷单检测系统及方法 | |
CN107146089A (zh) | 一种刷单识别方法及装置,电子设备 | |
CN102099803A (zh) | 用于自动回答自然语言问题的方法和计算机系统 | |
CN109213882A (zh) | 图片排序方法及终端 | |
CN110337059A (zh) | 一种用户家庭关系的分析算法、服务器及网络系统 | |
CN111510368B (zh) | 家庭群组识别方法、装置、设备及计算机可读存储介质 | |
CN109688275A (zh) | 骚扰电话识别方法、装置及存储介质 | |
CN107360246A (zh) | 一种消息推送方法及装置、一种终端及存储介质 | |
CN109522475A (zh) | 一种基于用户历史消费数据的商家推荐方法 | |
CN107203530A (zh) | 信息推荐方法 | |
CN109359868A (zh) | 一种电网用户画像的构建方法及系统 | |
JP2008187423A (ja) | 法人情報追跡装置およびそのプログラム | |
CN106372207A (zh) | 公众号信息的影响力排序方法及排序系统 | |
CN105741161A (zh) | 基于司机信用的识别打车业务中刷单用户的方法和系统 | |
CN109548036A (zh) | 一种移动网络潜在投诉用户预测方法和装置 | |
CN108268477A (zh) | 一种基于话单的用户关系确定方法和装置 | |
CN104217088B (zh) | 运营商移动业务资源的优化方法与系统 | |
CN109471981A (zh) | 评论信息排序方法、装置、服务器及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190531 |