CN110335070B - 一种基于wifi的用户群扩展的方法、装置和电子设备 - Google Patents
一种基于wifi的用户群扩展的方法、装置和电子设备 Download PDFInfo
- Publication number
- CN110335070B CN110335070B CN201910541811.5A CN201910541811A CN110335070B CN 110335070 B CN110335070 B CN 110335070B CN 201910541811 A CN201910541811 A CN 201910541811A CN 110335070 B CN110335070 B CN 110335070B
- Authority
- CN
- China
- Prior art keywords
- user
- wifi
- attribute
- attribute tag
- similarity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000013598 vector Substances 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 238000012797 qualification Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于WIFI的用户群扩展的方法及装置，包括：获取WIFI的第一属性标签，根据所述WIFI的第一属性标签将同一类型的WIFI进行聚类，提取用户连接过的WIFI的第二属性标签和对应的用户属性标签，将所述用户连接过的WIFI的第二属性标签作为特征构建用户向量矩阵，基于所述用户向量矩阵，计算不同用户之间的相似度，根据用户之间具有的相似度关系，对用户群进行扩展，进而可以准确的对用户群针对性的进行营销。
Description
技术领域
本发明涉及计算机信息处理领域，具体而言，涉及一种基于WIFI的用户群扩展的方法、装置、电子设备及计算机可读介质。
背景技术
用户群扩展是所有商家都要面临的难题，以往的用户群扩展大部分是基于电话黄页或者点对点的推销宣传，成效鲜微，而且如果面向的不是具有相似需求的用户，过度的推销宣传甚至会适得其反，引起用户反感。
因此需要，一种基于WIFI的用户群扩展的方法及装置，可以对具有相似的用户进行扩展，能够针对性的进行相关操作。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
鉴于上述问题，提出了本说明书以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于WIFI的用户群扩展的方法及装置。
本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
第一方面，本发明提供一种基于WIFI的用户群扩展的方法，包括：
获取WIFI的第一属性标签，根据所述WIFI的第一属性标签将同一类型的WIFI进行聚类；
提取用户连接过的WIFI的第二属性标签和对应的用户属性标签；
将所述用户连接过的WIFI的第二属性标签作为特征构建用户向量矩阵；
基于所述用户向量矩阵，计算不同用户之间的相似度；
根据用户之间具有的相似度关系，对用户群进行扩展。
在本公开的一种示例性实施例中，所述获取WIFI的第一属性标签，根据所述WIFI的第一属性标签将同一类型的WIFI进行聚类进一步包括：
将所述WIFI的名字、所属公司或者服务对象中的一个或者其组合作为所述WIFI的第一属性标签；
根据所述WIFI的第一属性标签，将同一类型的WIFI进行聚类。
在本公开的一种示例性实施例中，所述提取用户连接过的WIFI的第二属性标签和对应的用户属性标签进一步包括：
所述用户连接过的WIFI的第二属性标签包括：所述用户连接过的WIFI的名字或者路由器名字。
在本公开的一种示例性实施例中，所述将所述用户连接过的WIFI的第二属性标签作为特征构建用户向量矩阵进一步包括：
将所述用户连接过的WIFI的第二属性标签与所述WIFI的第一属性标签匹配，如果所述第一属性标签与第二属性标签相同，则将所述用户的WIFI特征向量化为(0，1)；如果所述的第一属性标签和所述的第二属性标签不同，则将用户的WIFI特征向量化为(0,0)。
在本公开的一种示例性实施例中，所述基于所述用户向量矩阵，计算不同用户之间的相似度进一步包括：
设定用户相似度阈值；
将所述用户相似度与所述用户相似度阈值比较，得到比较结果。
在本公开的一种示例性实施例中，如果所述的比较结果为“相似”，则根据所述的用户属性标签扩展具有相同属性标签的用户群。
在本公开的一种示例性实施例中，如果所述的比较结果为“不相似”，则说明所述不同用户不具有相似性，则不进行用户群扩展。
在本公开的一种示例性实施例中，所述的用户属性标签包括：
所述用户的好坏，如果所述用户资质是好的，则所述的用户的属性标签为“好”，如果所述用户的资质是不好的，则所述用户的属性标签是“坏”。
在本公开的一种示例性实施例中，如果所述用户属性标签是“好”，则扩展的用户是好用户群，则进行针对性营销、提额或者只要简单的授信就允许所述用户群通过；如果所述的用户属性标签是“坏”，则扩展的用户群就是坏用户群则可以针对性的对所述坏用户群增加风险管控或对所述坏用户群提高定价。
第二方面，本发明提供基于WIFI的用户群扩展方法的装置，包括：
WIFI聚类模块，获取WIFI的第一属性标签，根据所述WIFI的第一属性标签将同一类型的WIFI进行聚类；
属性提取模块，用于提取用户连接过的WIFI的第二属性标签和对应的用户属性标签；
向量化模块，用于将所述用户连接过的WIFI的第二属性标签作为特征构建用户向量矩阵；
计算模块，用于基于所述用户向量矩阵，计算不同用户之间的相似度；
扩展模块，用于根据用户之间具有的相似度关系，对用户群进行扩展。
在本公开的一种示例性实施例中，所述的WIFI聚类模块进一步包括：
第一属性标签确定模块，将所述WIFI的名字、所属公司或者服务对象中的一个或者其组合作为所述WIFI的第一属性标签；
聚类模块，用于根据所述WIFI的第一属性标签，将同一类型的WIFI进行聚类。
在本公开的一种示例性实施例中，所述属性提取模块进一步包括：
第二属性标签确定模块，用于将所述用户连接过的WIFI的名字或者路由器名字。
在本公开的一种示例性实施例中，所述的向量化模块进一步包括：
特征向量化模块，，用于
将所述用户连接过的WIFI的第二属性标签与所述WIFI的第一属性标签匹配，如果所述第一属性标签与第二属性标签相同，则将所述用户的WIFI特征向量化为(0，1)；如果所述的第一属性标签和所述的第二属性标签不同，则将用户的WIFI特征向量化为(0,0)。
在本公开的一种示例性实施例中，所述计算模块，进一步包括：
阈值设定模块，用于设定用户相似度阈值；
相似度比较模块，用于将所述用户相似度与所述用户相似度阈值比较，得到比较结果。
在本公开的一种示例性实施例中，相似扩展模块，具体为如果所述的比较结果为“相似”，则根据所述的用户属性标签扩展具有相同属性标签的用户群。
在本公开的一种示例性实施例中，拒绝扩展模块，具体为，如果所述的比较结果为“不相似”，则说明所述不同用户不具有相似性，则不进行扩展。
在本公开的一种示例性实施例中，所述属性提取模块还包括：
用户属性标签确定模块，用于确定所述用户属性标签，包括所述用户的好坏，如果所述用户资质是好的的，则所述的用户属性标签为“好”，如果所述用户的资质是不好的的，则所述用户属性标签是“坏”。
在本公开的一种示例性实施例中，执行模块，如果所述用户属性标签是“好”，则扩展的用户是好用户群，则进行针对性营销、提额或者只要简单的授信就允许所述用户群通过；如果所述的用户属性标签是“坏”，则扩展的用户群就是坏用户群则可以针对性的对所述坏用户群增加风险管控或对所述坏用户群提高定价。
第三方面，本说明书提供一种服务器，包括处理器和存储器：所述存储器用于存储上述任一项所述方法的程序；所述处理器被配置为用于执行所述存储器中存储的程序实现上述任一项所述方法的步骤。
第四方面，本说明书实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。
根据本发明的基于WIFI的用户群扩展的方法、装置、电子设备及计算机可读介质，通过获取WIFI的第一属性标签，根据所述WIFI的第一属性标签将同一类型的WIFI进行聚类，提取用户连接过的WIFI的第二属性标签和对应的用户属性标签，将所述用户连接过的WIFI的第二属性标签作为特征构建用户向量矩阵，基于所述用户向量矩阵，计算不同用户之间的相似度，根据用户之间具有的相似度关系，对用户群进行扩展。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明本发明示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。
图1是根据一示例性实施例示出的一种基于WIFI的用户群扩展的方法的流程图。
图2是根据另一示例性实施例示出的一种基于WIFI的用户群扩展装置的框图。
图3是根据一示例性实施例示出的一种服务器的框图。
图4是根据一示例性实施例示出的计算机存储介质的框图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如，第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，附图中的模块或流程并不一定是实施本公开所必须的，因此不能用于限制本公开的保护范围。
下面，通过几个具体的实施例对本发明的技术方案进行详细介绍和说明。
见图1，一种基于WIFI的用户群扩展的方法，包括：
S101：获取WIFI的第一属性标签，根据所述WIFI的第一属性标签将同一类型的WIFI进行聚类。
所述的获取WIFI的第一属性标签，根据所述WIFI的第一属性标签将同一类型的WIFI进行聚类进一步包括：
将所述WIFI的名字、所属公司或者服务对象中的一个或者其组合作为所述WIFI的第一属性标签；
根据所述WIFI的第一属性标签，将同一类型的WIFI进行聚类。
具体来说，针对WIFI进行聚类，相似的WIFI聚类到一起，比如IT公司或者互联网公司的WIFI就可以聚类在一起，除此之外，WIFI的名字相同的也可以成为一类。
S102：提取用户连接过的WIFI的第二属性标签和对应的用户属性标签。
所述提取用户连接过的WIFI的第二属性标签和对应的用户属性标签进一步包括：
所述用户连接过的WIFI的第二属性标签包括：
所述用户连接过的WIFI的名字或者路由器名字。
所述的用户属性标签包括：
所述用户的好坏，如果所述用户资质是好的，则所述的用户的属性标签为“好”，如果所述用户的资质是不好的，则所述用户的属性标签是“坏”。
具体为，将用户连接过的WIFI的名字或者路由器的名字作为用户连接过的WIFI的第二属性标签。而用户属性标签可以为用户群资质的好坏。
S103：将所述用户连接过的WIFI的第二属性标签作为特征构建用户向量矩阵。
所述将所述用户连接过的WIFI的第二属性标签作为特征构建用户向量矩阵进一步包括：
将所述用户连接过的WIFI的第二属性标签与所述WIFI的第一属性标签匹配，如果所述第一属性标签与第二属性标签相同，则将所述用户的WIFI特征向量化为(0，1)；如果所述的第一属性标签和所述的第二属性标签不同，则将用户的WIFI特征向量化为(0,0)。
具体为，将用户连接过的WIFI的第二属性标签和WIFI的第一属性标签匹配，如果第一属性标签和第二属性标签相同，那么就将用的WIFI特征向量化为(0,1)，如果不相同，说明用户不是从这个WIFI连接的，那么就将用户的WIFI特征向量化为(0,0)。
S104：基于所述用户向量矩阵，计算不同用户之间的相似度。
所述基于所述用户向量矩阵，计算不同用户之间的相似度进一步包括：
设定用户相似度阈值；
将所述用户相似度与所述用户相似度阈值比较，得到比较结果。
如果所述的比较结果为“相似”，则根据所述的用户属性标签扩展具有相同属性标签的用户群。
如果所述的比较结果为“不相似”，则说明所述不同用户不具有相似性，则不进行用户群扩展。
具体为，用根据公式计算不同用户之间的相似度，根据设定相似度阈值，如果计算出的相似度和用户相似度阈值比较，结果为相似，那么就说明所述的用户之间具有相似性，可以根据用户的属性标签扩展用户群，如果比较计算出的相似度和用户相似度阈值比较结果为不相似，那么就说明所述的用户之间不具有相似性，那么就不进行扩展。比如，阈值为0.9，那么如果计算出的相似度不小于0.9，那么就认为具有相似性，如果小于0.9，就认为不具有相似性。
S105：根据用户之间具有的相似度关系，对用户群进行扩展。
具体为，如果所述用户属性标签是“好”，则扩展的用户是好用户群，则进行针对性营销、提额或者只要简单的授信就允许所述用户群通过；如果所述的用户属性标签是“坏”，则扩展的用户群就是坏用户群则可以针对性的对所述坏用户群增加风险管控或对所述坏用户群提高定价。
具体举例，如果现在有A、B、C三个公司，A和B公司的WIFI第一属性标签都是“IT公司”，C的WIFI第一属性标签是“广告公司”，那么，这A和B公司就是在一个类别里面。此时，如果用户a连接过的WIFI的第二属性标签为“IT公司”，用户属性是“好”，用户b连接过的WIFI的第二属性标签为“IT公司”，用户属性是“好”，用户c连接过的WIFI的第二属性标签为“广告公司”，用户属性是“好”，用户d连接过的WIFI的第二属性标签为“IT公司”，用户属性是“坏”，那么只有用户a、b、d的连接过的WIFI的第二属性标签与A公司和B公司的WIFI的第一属性标签匹配，所以，这三个公司的WIFI特征向量均为(1,0)、(1,0)、(1,0)，而用户c连接过的WIFI第二属性标签与C公司的WIFI第一属性标签匹配，所以用户c的WIFI特征向量为(0,1)。设定用户相似度阈值为0.9，通过公式计算用户a，用户b，用户d的相似度，得出结论，用户abc之间具有相似性，所以可以进行扩展，但是，又因为用户a和用户b的用户属性标签为“好”，所以这两个用户扩展出来的用户群是好的用户，所以可以对这个用户群只要简单的授信就可以通过，而用户d的用户属性标签是“坏”，所以他扩展出来的用户群是坏的，所以对这个用户群要提高定价。而用户c与用户a、b、c均不具有相似性，所以不扩展用户c。
本领域技术人员可以理解，实现上述实施例的全部或部分步骤被实现为由计算机数据处理设备执行的程序(计算机程序)。在该计算机程序被执行时，可以实现本发明提供的上述方法。而且，所述的计算机程序可以存储于计算机可读存储介质中，该存储介质可以是磁盘、光盘、ROM、RAM等可读存储介质，也可以是多个存储介质组成的存储阵列，例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储，其也可以是分布式存储，例如基于云计算的云存储。
下面描述本发明的装置实施例，该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节，应视为对于上述方法实施例的补充；对于在本发明装置实施例中未披露的细节，可以参照上述方法实施例来实现。
见图2，基于WIFI的用户群扩展的方法的装置，包括：
WIFI聚类模块201，获取WIFI的第一属性标签，根据所述WIFI的第一属性标签将同一类型的WIFI进行聚类。
所述的WIFI聚类模块进一步包括：
第一属性标签确定模块，将所述WIFI的名字、所属公司或者服务对象中的一个或者其组合作为所述WIFI的第一属性标签；
聚类模块，用于根据所述WIFI的第一属性标签，将同一类型的WIFI进行聚类。
具体来说，第一属性标签确定模块，用来将WIFI的名字、所述公司或者服务对象中的一个或者组合作为所述WIFI的第一属性标签，然后，由聚类模块针对WIFI进行聚类，相似的WIFI聚类到一起，比如IT公司或者互联网公司的WIFI就可以聚类在一起，除此之外，WIFI的名字相同的也可以成为一类。
属性提取模块202，用于提取用户连接过的WIFI的第二属性标签和对应的用户属性标签。
所述属性提取模块进一步包括：
第二属性标签确定模块，用于将所述用户连接过的WIFI的名字或者路由器名字。
所述属性提取模块还包括：
用户属性标签确定模块，用于确定所述用户属性标签，包括所述用户的好坏，如果所述用户资质是好的的，则所述的用户属性标签为“好”，如果所述用户的资质是不好的的，则所述用户属性标签是“坏”。
具体为，就是第二属性标签确定模块，将用户连接过的WIFI的名字或者路由器的名字作为用户连接过的WIFI的第二属性标签。而用户属性标签确定模块确定用户的属性标签，可以为用户群资质的好坏。
向量化模块203，用于将所述用户连接过的WIFI的第二属性标签作为特征构建用户向量矩阵。
所述的向量化模块进一步包括：
特征向量化模块，用于
将所述用户连接过的WIFI的第二属性标签与所述WIFI的第一属性标签匹配，如果所述第一属性标签与第二属性标签相同，则将所述用户的WIFI特征向量化为(0，1)；如果所述的第一属性标签和所述的第二属性标签不同，则将用户的WIFI特征向量化为(0,0)。
具体来说，特征向量化模块，就是将用户连接过的WIFI的第二属性标签和WIFI的第一属性标签匹配，如果第一属性标签和第二属性标签相同，那么就将用的WIFI特征向量化为(0,1)，如果不相同，说明用户不是从这个WIFI连接的，那么就将用户的WIFI特征向量化为(0,0)。
计算模块204，用于基于所述用户向量矩阵，计算不同用户之间的相似度。
所述计算模块，进一步包括：
阈值设定模块，用于设定用户相似度阈值；
相似度比较模块，用于将所述用户相似度与所述用户相似度阈值比较，得到比较结果。
相似扩展模块，具体为如果所述的比较结果为“相似”，则根据所述的用户属性标签扩展具有相同属性标签的用户群。
拒绝扩展模块，具体为，如果所述的比较结果为“不相似”，则说明所述不同用户不具有相似性，则不进行扩展。
具体来说，阈值设定模块就是设定用户相似度阈值，相似度比较模块就是用根据公式计算不同用户之间的相似度，根据设定相似度阈值，如果计算出的相似度和用户相似度阈值比较。相似扩展模块就是当结果为相似，那么就说明所述的用户之间具有相似性，可以根据用户的属性标签扩展用户群；拒绝扩展模块就是，如果比较计算出的相似度和用户相似度阈值比较结果为不相似，那么就说明所述的用户之间不具有相似性，那么就不进行扩展。比如，阈值为0.9，那么如果计算出的相似度不小于0.9，那么就认为具有相似性，如果小于0.9，就认为不具有相似性。
扩展模块205，用于根据用户之间具有的相似度关系，对用户群进行扩展。
执行模块，如果所述用户属性标签是“好”，则扩展的用户是好用户群，则进行针对性营销、提额或者只要简单的授信就允许所述用户群通过；如果所述的用户属性标签是“坏”，则扩展的用户群就是坏用户群则可以针对性的对所述坏用户群增加风险管控或对所述坏用户群提高定价。
具体为，执行模块就是当所述用户属性标签是“好”，则扩展的用户是好用户群，则进行针对性营销、提额或者只要简单的授信就允许所述用户群通过；当所述的用户属性标签是“坏”，则扩展的用户群就是坏用户群则可以针对性的对所述坏用户群增加风险管控或对所述坏用户群提高定价。
本领域技术人员可以理解，上述装置实施例中的各模块可以按照描述分布于装置中，也可以进行相应变化，分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
下面参照图3来描述根据本公开的这种实施方式的服务器300。图3显示的服务器300仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，服务器300以通用计算设备的形式表现。服务器300的组件可以包括但不限于：至少一个处理单元310、至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330、显示单元340等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元310执行，使得所述处理单元310执行本说明书上述电子处方流转处理方法部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元310可以执行如图1中所示的步骤。
所述存储单元320可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202，还可以进一步包括只读存储单元(ROM)3203。
所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204，这样的程序模块3205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线330可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
服务器300也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该服务器300交互的设备通信，和/或与使得该服务器300能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口350进行。并且，服务器300还可以通过网络适配器360与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器360可以通过总线330与服务器300的其它模块通信。应当明白，尽管图中未示出，可以结合服务器300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：一种基于WIFI的用户群扩展方法及装置。
所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
综上所述，本发明可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于WIFI的用户群扩展的方法，包括：
将WIFI的名字、所属公司或者服务对象中的一个或者其组合作为所述WIFI的第一属性标签，获取WIFI的第一属性标签，根据所述WIFI的第一属性标签将同一类型的相似的WIFI或名字相同的WIFI进行聚类；
提取用户连接过的WIFI的第二属性标签和对应的用户属性标签；所述用户属性标签为包括指示所述用户的用户群资质好或坏；
将所述用户连接过的WIFI的第二属性标签作为特征构建用户向量矩阵；在构建用户向量矩阵中，如果第一属性标签与第二属性标签匹配时不相同则表明用户并非从此WIFI连接的；
设定用户相似度阈值，基于所述用户向量矩阵，计算不同用户之间的相似度，将计算的不同用户之间的所述用户相似度与所述用户相似度阈值比较，得到比较结果；
根据用户之间具有的相似度关系，对用户群进行扩展，包括：如果所述的比较结果为不同用户之间相似，则根据所述的用户属性标签扩展具有相同属性标签的用户群；若所述用户属性标签是用户群资质好，则扩展的用户是好用户群，否则扩展的用户的是坏用户群。
2.根据权利要求1所述的方法，所述用户连接过的WIFI的第二属性标签包括：所述用户连接过的WIFI的名字或者路由器名字。
3.根据权利要求2所述的方法，所述将所述用户连接过的WIFI的第二属性标签作为特征构建用户向量矩阵，具体包括：
将所述用户连接过的WIFI的第二属性标签与所述WIFI的第一属性标签匹配，如果所述第一属性标签与第二属性标签相同，则将所述用户的WIFI特征向量化为(0，1)；如果所述的第一属性标签和所述的第二属性标签不同，则将用户的WIFI特征向量化为(0,0)。
4.根据权利要求1所述的方法，还包括：如果所述的比较结果为“不相似”，则说明所述不同用户不具有相似性，则不进行用户群扩展。
5.一种基于WIFI的用户群扩展的方法的装置，包括：
WIFI聚类模块，用于将WIFI的名字、所属公司或者服务对象中的一个或者其组合作为所述WIFI的第一属性标签，获取WIFI的第一属性标签，根据所述WIFI的第一属性标签将同一类型相似的WIFI或名字相同的WIFI进行聚类；
属性提取模块，用于提取用户连接过的WIFI的第二属性标签和对应的用户属性标签；所述用户属性标签为包括指示所述用户的用户群资质好或坏；
向量化模块，用于将所述用户连接过的WIFI的第二属性标签作为特征构建用户向量矩阵；在构建用户向量矩阵中，如果第一属性标签与第二属性标签匹配时不相同则表明用户并非从此WIFI连接的；
计算模块，用于设定用户相似度阈值，基于所述用户向量矩阵，计算不同用户之间的相似度，将计算的不同用户之间的所述用户相似度与所述用户相似度阈值比较，得到比较结果；
扩展模块，用于根据用户之间具有的相似度关系，对用户群进行扩展，包括：如果所述的比较结果为不同用户之间相似，则根据所述的用户属性标签扩展具有相同属性标签的用户群；若所述用户属性标签是用户群资质好，则扩展的用户是好用户群，否则扩展的用户的是坏用户群。
6.一种电子设备，包括：处理器；以及，存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行根据权利要求1-4中任一项所述的方法。
7.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910541811.5A CN110335070B (zh) | 2019-06-21 | 2019-06-21 | 一种基于wifi的用户群扩展的方法、装置和电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910541811.5A CN110335070B (zh) | 2019-06-21 | 2019-06-21 | 一种基于wifi的用户群扩展的方法、装置和电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110335070A CN110335070A (zh) | 2019-10-15 |
| CN110335070B true CN110335070B (zh) | 2024-01-26 |
Family
ID=68142568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910541811.5A Active CN110335070B (zh) | 2019-06-21 | 2019-06-21 | 一种基于wifi的用户群扩展的方法、装置和电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110335070B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110855487B (zh) * | 2019-11-13 | 2022-02-18 | 腾讯科技（深圳）有限公司 | 网络用户相似度管理方法、装置及存储介质 |
| CN113283486B (zh) * | 2021-05-14 | 2022-08-02 | 杭州云深科技有限公司 | 一种基于wifi的设备类型确定方法、电子设备及存储介质 |
| 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 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957834A (zh) * | 2010-08-12 | 2011-01-26 | 百度在线网络技术（北京）有限公司 | 一种基于用户特征进行内容推荐的方法与设备 |
| CN107786943A (zh) * | 2017-11-15 | 2018-03-09 | 北京腾云天下科技有限公司 | 一种用户分群方法及计算设备 |
| CN107862558A (zh) * | 2017-12-11 | 2018-03-30 | 中国南方航空股份有限公司 | 自助式用户群扩展方法 |
| CN108876470A (zh) * | 2018-06-29 | 2018-11-23 | 腾讯科技（深圳）有限公司 | 标签用户扩展方法、计算机设备及存储介质 |
| CN109766913A (zh) * | 2018-12-11 | 2019-05-17 | 东软集团股份有限公司 | 用户分群方法、装置、计算机可读存储介质及电子设备 |
-
2019
- 2019-06-21 CN CN201910541811.5A patent/CN110335070B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101957834A (zh) * | 2010-08-12 | 2011-01-26 | 百度在线网络技术（北京）有限公司 | 一种基于用户特征进行内容推荐的方法与设备 |
| CN107786943A (zh) * | 2017-11-15 | 2018-03-09 | 北京腾云天下科技有限公司 | 一种用户分群方法及计算设备 |
| CN107862558A (zh) * | 2017-12-11 | 2018-03-30 | 中国南方航空股份有限公司 | 自助式用户群扩展方法 |
| CN108876470A (zh) * | 2018-06-29 | 2018-11-23 | 腾讯科技（深圳）有限公司 | 标签用户扩展方法、计算机设备及存储介质 |
| CN109766913A (zh) * | 2018-12-11 | 2019-05-17 | 东软集团股份有限公司 | 用户分群方法、装置、计算机可读存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110335070A (zh) | 2019-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110335070B (zh) | 一种基于wifi的用户群扩展的方法、装置和电子设备 | |
| CN107507028B (zh) | 用户偏好确定方法、装置、设备及存储介质 | |
| CN111199474B (zh) | 一种基于双方网络图数据的风险预测方法、装置和电子设备 | |
| CN111506801A (zh) | 一种应用App中子应用的排序方法及装置 | |
| CN108885631B (zh) | 用于数据市场中的合同管理的方法和系统 | |
| CN109034853B (zh) | 基于种子用户寻找相似用户方法、装置、介质和电子设备 | |
| CN110674620A (zh) | 目标文案生成方法、装置、介质及电子设备 | |
| CN110110213B (zh) | 挖掘用户职业的方法、装置、计算机可读存储介质和终端设备 | |
| CN111191894A (zh) | 基于用户分类进行资源需求处理的方法、装置和电子设备 | |
| CN113298634A (zh) | 基于时序特征和图神经网络的用户风险预测方法及装置 | |
| CN111190967B (zh) | 用户多维度数据处理方法、装置及电子设备 | |
| CN110362825A (zh) | 一种基于文本的金融数据抽取方法、装置和电子设备 | |
| CN111191677B (zh) | 用户特征数据生成方法、装置及电子设备 | |
| CN113987152B (zh) | 一种知识图谱抽取方法、系统、电子设备及介质 | |
| US20190065474A1 (en) | Synonymy tag obtaining method and apparatus, device and computer readable storage medium | |
| CN113850072A (zh) | 文本情感分析方法、情感分析模型训练方法、装置、设备及介质 | |
| CN110717101B (zh) | 基于应用行为的用户分类方法、装置和电子设备 | |
| CN113742564A (zh) | 目标资源的推送方法和装置 | |
| CN113569929B (zh) | 基于小样本扩展的互联网服务提供方法、装置及电子设备 | |
| US10621208B2 (en) | Category name extraction device, category name extraction method, and category name extraction program | |
| CN113297479B (zh) | 一种用户画像生成方法、装置及电子设备 | |
| CN110119433A (zh) | 用于预测性别的方法和设备 | |
| CN111695922A (zh) | 潜在用户确定方法及装置、存储介质和电子设备 | |
| CN114282121A (zh) | 业务节点推荐方法、系统、设备及存储介质 | |
| CN111753548B (zh) | 信息获取方法及装置、计算机存储介质、电子设备 |
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 |