CN111092764A - 一种实时动态亲密度关系分析方法及系统 - Google Patents

Abstract

本发明公开了一种实时动态亲密度关系分析方法及系统，属于亲密度关系分析技术领域，首先对流式通信协议中用户通联行为数据进行要素解析，得到要素数据；接着对所述要素数据进行特征识别，并将特征识别后的要素数据存入通联信息要素特征记录库；再对通联信息要素特征库中的要素数据进行统计，并将统计结果存入通联信息特征统计库；最后采用亲密度评估模型对通联目标的统计结果进行分析，得到通联目标间的亲密度关系分析结果，所述亲密度评估模型包括亲密度综合加权指标分析和亲密度特征标签分析；本发明可在内容数据源单一或稀少而用户通联行为数据信息资源丰富场景下，对通信协议数据中的用户通联信息要素抽取及特征识别，实现亲密度关系分析。

Description

一种实时动态亲密度关系分析方法及系统

技术领域

本发明涉及亲密度关系分析技术领域，具体涉及一种实时动态亲密度关系分析方法及系统。

背景技术

目前，人员亲密度计算分析模型，主要基于用户通信内容的数据信息进行分析，也即是通过采集APP、网站的行为数据进行分析，是偏向于结果数据。

现有用户亲密度分析技术，更多的是偏向于基于用户通信内容的数据信息方面获取数据，并且数据来源和种类比较繁多。如：住宿数据、出行数据、交通违法数据、上网痕迹数据等。现阶段的分析技术还比较依赖于各应用APP、网站、系统等多种来源的数据，且种类繁多。

发明内容

本发明的目的在于：本发明提供了一种实时动态亲密度关系分析方法，解决了目前的亲密度分析方法需要依赖丰富的数据来源，无法仅利用用户通联数据信息资源进行的分析的技术问题。

本发明采用的技术方案如下：

一种实时动态亲密度关系分析方法，包括以下步骤：

步骤1：对流式通信协议中用户通联行为数据进行要素解析，得到要素数据；

步骤2：对所述要素数据进行特征识别，并将特征识别后的要素数据存入通联信息要素特征记录库；

步骤3：对通联信息要素特征库中的要素数据进行统计，并将统计结果存入通联信息特征统计库；

步骤4：采用亲密度评估模型对通联目标的统计结果进行分析，得到通联目标间的亲密度关系分析结果，所述亲密度评估模型包括亲密度综合加权指标分析和亲密度特征标签分析。

进一步的，所述步骤1中的解析方法为：利用配置的参数，对流式用户通联行为数据进行过滤，抽取要素数据。

进一步的，所述步骤2中特征包括通联时间、通联时长、通联内容信息量、号码归属地、通联内容信息语种。

进一步的，所述步骤3中，采用Spark系统的Map/Reduce作业集，对信息要素进行统计。

进一步的，所述步骤4中，亲密度综合加权指标分析包括以下步骤：

步骤4.1对加权指标进行分解，所述加权指标包括通联频度和通联信息度；

步骤42利用层次分析法(AHP)对通联目标的加权指标进行分析，得到加权指标的相对权重；

步骤4.3利用所述相对权重得到通联目标的综合亲密度。

进一步的，所述步骤4中，亲密度特征标签分析具体为：对通联目标的要素数据进行特征标签化，所述特征标签包括空间特性、通联时间特性和通联时长特性。

一种实时动态亲密度关系分析系统，包括

通联信息要素抽取模块，用于对流式通信协议中用户通联行为数据进行要素解析；

通联信息要素特征识别模块，用于对通联信息要素抽取模块得到的要素数据进行特征识别；

通联信息要素特征记录库，用于对特征识别后的要素数据进行记录；

通联信息要素统计模块，包括Spark系统的Map/Reduce作业集，用于对特征识别后的要素数据进行统计；

通联信息要素特征统计库，用于对通联信息要素统计模块得到的统计结果进行存储；

亲密度评估模块，用于对统计结果进行亲密度分析。

进一步的，还包括

亲密度应用视图模块和亲密度分析服务模块，

亲密度分析服务模块，用于实现亲密度应用视图模块的指令请求；

亲密度应用视图模块，用于对亲密度关系分析结果进行统计展示。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本发明可在内容数据源单一或稀少而用户通联行为数据信息资源丰富场景下，对通信协议数据中蕴含的用户通联信息要素抽取及特征识别，可适用有线或无线通信中各层次协议数据进行分析挖掘，适用性较强。

本发明针对流式通信协议数据中蕴含的用户通信通联行为数据信息解析、抽取、识别，持续迭代的模型评估使得针对用户间亲密度同步通信情况实时动态的刻画，是一种具有实时感知能力的实现方法。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本发明的整体流程图；

图2为本发明中通联信息要素抽取示意图；

图3为本发明中通联信息要素特征识别示意图；

图4为本发明中通联信息要素统计示意图。

图5为本发明中亲密度评估模型。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。

通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以下结合实施例对本发明的特征和性能作进一步的详细描述。

实施例1

本实施例提供一种实时动态亲密度关系分析方法，如图1所示，具体包括以下步骤：

步骤1：对流式通信协议中用户通联行为数据进行要素解析，得到要素数据；

具体为：如图2所示，连接通信协议解析设备，抽取流式通信协议中用户通联行为数据，读取配置参数、根据配置参数对接接口获取数据、获取任务执行资源、启动任务流程，根据配置参数过滤并抽取要素数据。

步骤2：对所述要素数据进行特征识别，并将特征识别后的要素数据存入通联信息要素特征记录库；

具体为：如图3所示，采用流式大数据技术，对抽取的要素数据进行特征提取，要素特征包括：通联时间、通联时长、通联内容信息量、号码归属地、通联内容信息语种等。识别完成后，将结果存储到通联信息要素特征记录库中。

步骤3：对通联信息要素特征库中的要素数据进行统计，并将统计结果存入通联信息特征统计库；

具体为：如图4所示，采用大数据处理技术，从通联信息要素特征记录库中，提取信息要素数据，利用Spark系统的Map/Reduce作业集，对要素数据进行统计，统计结果存入通联信息特征统计库中。

步骤4：采用亲密度评估模型对通联目标的统计结果进行分析，得到通联目标间的亲密度关系分析结果，所述亲密度评估模型包括亲密度综合加权指标分析和亲密度特征标签分析，如图5所示。

亲密度综合加权指标分析具体为：

步骤4.1对加权指标进行分解，所述加权指标包括通联频度和通联信息度，加权指标表如表1所示；

表1亲密度综合加权指标表

如表1所示，亲密度综合加权指标分评估体系为：加权指标包括通联频度和通联信息度，其中通联频度包括工作时间通联频度、非工作时间通联频度和节日通联频度，通联信息度包括时长计量类通联信息度和流量计量类通联信息度。

步骤4.2利用层次分析法(AHP)对通联目标的加权指标进行分析，得到加权指标的相对权重；

AHP将亲密度综合加权指标对评估指标对象的客观判断结果直接而有效地结合起来，对每一层次指标的相对重要性次序的权值，通过所有层次之间的总排序，计算所有指标的相对权重；具体步骤如下：

步骤4.2.1确定评估指标体系中当前层次指标之间的相关程度。通过构造比较判断矩阵及矩阵运算的数学方法，得到对于当前层次的某个指标而言，本层次中与其相关指标的重要性排序，即相对权值。

步骤4.2.2在当前层次内，计算全体评估对象在每个指标上的得分之比；

步骤4.2.3通过几何平均法将当前层次的指标之间的重要性比值转换为归一化指标权重；

步骤4.2.4计算评估对象在当前层次的归一化指标得分与归一化指标权重的加权和，得到下一层次的指标得分。

步骤4.3利用所述相对权重得到通联目标的综合亲密度。

亲密度特征标签分析具体为：

对通联目标的要素数据进行特征标签化，所述特征标签包括空间特性、通联时间特性和通联时长特性，如表2所示：

表2特征标签示例表

本实施例一种实时动态亲密度关系分析方法，解决了在内容数据源单一或稀少而用户通联行为数据信息资源丰富场景下，构建亲密度关系分析模型。利用流式大数据处理技术，对通信协议数据中蕴含的用户通联行为数据信息进行实时通联信息抽取，并基于流处理结果数持续迭代的进行持续统计分析挖掘计算用户间的动态亲密度关系。

实施例2

一种实时动态亲密度关系分析系统，包括

通联信息要素抽取模块，用于对流式通信协议中用户通联行为数据进行要素解析；

通联信息要素特征识别模块，用于对通联信息要素抽取模块得到的要素数据进行特征识别；

通联信息要素特征记录库，用于对特征识别后的要素数据进行记录；

通联信息要素统计模块，包括Spark系统的Map/Reduce作业集，用于对特征识别后的要素数据进行统计；

通联信息要素特征统计库，用于对通联信息要素统计模块得到的统计结果进行存储；

亲密度评估模块，用于对统计结果进行亲密度分析。

亲密度分析服务模块，用于实现亲密度应用视图模块的指令请求，完成后台逻辑的业务功能，组织业务结果数据。提供统一的业务服务接口，实现标准的REST接口，将接收到的界面视图层指令进行分拆后传给各自的逻辑业务。

亲密度应用视图模块，用于对亲密度关系分析结果进行统计展示，以拓扑图形式展现各用户之间的通联关系；在拓扑图上，以节点大小及颜色标明各用户间的亲密度值。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种实时动态亲密度关系分析方法，其特征在于：包括以下步骤：

步骤1：对流式通信协议中用户通联行为数据进行要素解析，得到要素数据；

步骤2：对所述要素数据进行特征识别，并将特征识别后的要素数据存入通联信息要素特征记录库；

步骤3：对通联信息要素特征库中的要素数据进行统计，并将统计结果存入通联信息特征统计库；

步骤4：采用亲密度评估模型对通联目标的统计结果进行分析，得到通联目标间的亲密度关系分析结果，所述亲密度评估模型包括亲密度综合加权指标分析和亲密度特征标签分析。

2.根据权利要求1所述的一种实时动态亲密度关系分析方法，其特征在于：所述步骤1中的解析方法为：利用配置的参数，对流式用户通联行为数据进行过滤，抽取要素数据。

3.根据权利要求1所述的一种实时动态亲密度关系分析方法，其特征在于：所述步骤2中特征包括通联时间、通联时长、通联内容信息量、号码归属地、通联内容信息语种。

4.根据权利要求1所述的一种实时动态亲密度关系分析方法，其特征在于：所述步骤3中，采用Spark系统的Map/Reduce作业集，对信息要素进行统计。

5.根据权利要求1所述的一种实时动态亲密度关系分析方法，其特征在于：所述步骤4中，亲密度综合加权指标分析包括以下步骤：

步骤4.1对加权指标进行分解，所述加权指标包括通联频度和通联信息度；

步骤4.2利用层次分析法(AHP)对通联目标的加权指标进行分析，得到加权指标的相对权重；

步骤4.3利用所述相对权重得到通联目标的综合亲密度。

6.根据权利要求1所述的一种实时动态亲密度关系分析方法，其特征在于：所述步骤4中，亲密度特征标签分析具体为：对通联目标的要素数据进行特征标签化，所述特征标签包括空间特性、通联时间特性和通联时长特性。

7.一种实时动态亲密度关系分析系统，其特征在于：包括

通联信息要素抽取模块，用于对流式通信协议中用户通联行为数据进行要素解析；

通联信息要素特征识别模块，用于对通联信息要素抽取模块得到的要素数据进行特征识别；

通联信息要素特征记录库，用于对特征识别后的要素数据进行记录；

通联信息要素统计模块，包括Spark系统的Map/Reduce作业集，用于对特征识别后的要素数据进行统计；

通联信息要素特征统计库，用于对通联信息要素统计模块得到的统计结果进行存储；

亲密度评估模块，用于对统计结果进行亲密度分析。

8.根据权利要求7所述的一种实时动态亲密度关系分析系统，其特征在于：还包括

亲密度应用视图模块和亲密度分析服务模块，

亲密度分析服务模块，用于实现亲密度应用视图模块的指令请求；

亲密度应用视图模块，用于对亲密度关系分析结果进行统计展示。

Images