CN111324741A - 用户关系识别方法、装置、设备及介质 - Google Patents
用户关系识别方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN111324741A CN111324741A CN201811540409.7A CN201811540409A CN111324741A CN 111324741 A CN111324741 A CN 111324741A CN 201811540409 A CN201811540409 A CN 201811540409A CN 111324741 A CN111324741 A CN 111324741A
- Authority
- CN
- China
- Prior art keywords
- user
- users
- communication
- arrival
- relation
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用户关系识别方法、装置、设备及介质。该方法包括:基于知识图谱建立本体和关系模型,其中本体包括用户及位置,关系包括用户之间的通信关系及用户与位置之间的到达关系;根据用户之间的通信关系确定在第一时间段用户之间的通信强度指数;根据用户与位置之间的到达关系确定在第一时间段用户与位置之间的到达强度指数;根据用户之间的通信强度指数及用户与位置之间的到达强度指数,确定用户之间的家庭关系。根据本发明实施例,能够提高用户之间家庭关系识别的准确率。
Description
技术领域
本发明属于通信技术领域,尤其涉及一种用户关系识别方法、装置、设备及介质。
背景技术
对于通信运营商来说,识别用户之间是否存在家庭关系意义重大。首先,能够让运营商从关注“单个客户”的生命周期价值上升到关注“家庭客户”的生命周期价值,可以用来指导市场营销与客户服务等各个业务环节,提升运营收入、优化客户服务。其次,可用于高端客户策反业务场景,识别出家庭关系之后,如果家庭中部分成员位于外网,可以考虑通过在网家庭成员促销“家庭套餐”等优惠活动,将家庭成员中外网用户策反过来。
现有的识别家庭关系方法,一般是采用基于通信行为、社交网络来识别人与人之间可能存在的“强连接关系”,再基于这种“强连接关系”来推断人与人之间存在家庭关系。由于识别出来的关系是非常宽泛的,因为,大量的存在强通信关系的人未必是家庭关系,如朋友或同事关系,所以,很难甚至可以说是无法定位到家庭关系,即使勉强推断到家庭关系,准确率也十分低下。
现有的家庭关系识别方案存在主要不足有:
1)维度单一,难以精准定位到家庭关系。
现有的家庭关系识别方案,是基于用户的通信行为或者社交网络的单一维度,由于缺少其他维度,无法排除强连接关系中朋友同事等非家庭关系,所以,也就难以甚至是无法定位到家庭关系。
2)缺乏动态增加维度的能力。
现有方案无法动态增加分析维度,无法借助新维度带来的信息提高家庭关系识别的准确率。
发明内容
为了解决上述中的至少一个技术问题,本发明实施例提供一种在用户关系识别方法、装置、设备及介质,能够提高用户之间家庭关系识别的准确率。
第一方面,本发明实施例提供一种用户关系识别方法,方法包括:
基于知识图谱建立本体和关系模型,其中所述本体包括用户及位置,所述关系包括所述用户之间的通信关系及所述用户与位置之间的到达关系;
根据所述用户之间的通信关系确定在第一时间段所述用户之间的通信强度指数;
根据所述用户与位置之间的到达关系确定在所述第一时间段所述用户与位置之间的到达强度指数;
根据所述用户之间的通信强度指数及所述用户与位置之间的到达强度指数,确定所述用户之间的家庭关系。
根据本发明实施例提供的用户关系识别方法,所述根据所述用户之间的通信关系确定在第一时间段所述用户之间的通信强度指数,包括:
根据所述用户之间的通信关系确定在第一时间段所述用户之间的通信频次和通信时长;
根据所述通信频次和通信时长确定所述用户之间的通信强度指数。
根据本发明实施例提供的用户关系识别方法,所述通信强度指数的计算公式为:
通信强度指数=用户A与用户B之间的总通信频次/用户A的通信总频次*50%+用户A与用户B之间的总通信时长/用户A的总通信时长*50%
其中,用户A与用户B分别表示不同的用户。
根据本发明实施例提供的用户关系识别方法,所述根据所述用户与位置之间的到达关系确定在所述第一时间段所述用户与位置之间的到达强度指数,包括:
根据所述用户与位置之间的到达关系确定在第一时间段所述用户与位置之间的到达频次和驻留时长;
根据所述到达频次和驻留时长确定所述用户与位置之间的到达强度指数。
根据本发明实施例提供的用户关系识别方法,所述到达强度指数的计算公式为:
到达强度指数=用户A与位置B之间的总到达频次/用户A的到达总频次*50%+用户A与位置B之间的总驻留时长/用户A的总驻留时长*50%。
根据本发明实施例提供的用户关系识别方法,所述根据所述用户之间的通信强度指数及所述用户与位置之间的到达强度指数,确定所述用户之间的家庭关系,包括:
根据所述用户与位置之间的到达强度指数,确定在所述第一时间段驻留同一位置的用户;
若所述在第一时间段驻留同一位置的用户之间的通信强度指数满足预设条件,则所述用户之间存在家庭关系。
根据本发明实施例提供的用户关系识别方法,所述方法还包括:
将预设的地理范围划分为预设数量且面积相同的多个子范围,并根据地理信息系统GIS确定所述子范围的经纬度信息;
将所述子范围与所述位置一一对应,并根据子范围的经纬度信息确定所述位置的经纬度信息。
根据本发明实施例提供的用户关系识别方法,所述方法还包括:
从所述GIS系统中提取兴趣点POI信息,并根据所述位置的经纬度信息确定所述位置所属小区及所述小区类型。
根据本发明实施例提供的用户关系识别方法,所述方法还包括:
根据呼叫详细记录CDR获取所述用户的信息,其中,所述用户的信息包括主叫号码和被叫号码。
根据本发明实施例提供的用户关系识别方法,所述方法还包括:
根据全球定位系统GPS和/或基于基站的三角定位技术确定所述用户的位置信息。
第二方面,本发明实施例提供了一种用户关系识别装置,装置包括:
本体和关系建立模块,用于基于知识图谱建立本体和关系模型,其中所述本体包括用户及位置,所述关系包括所述用户之间的通信关系及所述用户与位置之间的到达关系;
通信强度指数确定模块,用于根据所述用户之间的通信关系确定在第一时间段所述用户之间的通信强度指数;
达到强度指数确定模块,用于根据所述用户与位置之间的到达关系确定在所述第一时间段所述用户与位置之间的到达强度指数;
用户关系识别模块,用于根据所述用户之间的通信强度指数及所述用户与位置之间的到达强度指数,确定所述用户之间的家庭关系。
第三方面,本发明实施例提供了一种用户关系识别设备,设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如第一方面所述的在用户关系识别方法。
第四方面,本发明实施例提供了一种计算机存储介质,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如第一方面所述的用户关系识别方法。
本发明实施例的用户关系识别方法、装置、设备及计算机存储介质。该方法通过基于知识图谱建立本体和关系模型,其中本体包括用户及位置,关系包括用户之间的通信关系及用户与位置之间的到达关系;根据用户之间的通信关系确定在第一时间段用户之间的通信强度指数;根据用户与位置之间的到达关系确定在第一时间段用户与位置之间的到达强度指数;根据用户之间的通信强度指数及用户与位置之间的到达强度指数,确定用户之间的家庭关系。根据本发明实施例,能够提高用户之间家庭关系识别的准确率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单的介绍,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是本发明一个实施例提供的用户关系识别方法的流程示意图;
图2是本发明另一个实施例提供的用户关系识别方法的流程示意图;
图3是本发明又一个实施例提供的用户关系识别方法的流程示意图;
图4是本发明实施例提供的用户关系识别装置的结构示意图;
图5是本发明实施例提供的用户关系识别设备的硬件结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例,为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本发明进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本发明,并不被配置为限定本发明。对于本领域技术人员来说,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是,在本文中,诸如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……”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。
为了解决现有技术问题,本发明实施例提供了一种用户关系识别方法、装置、设备及介质。下面首先对本发明实施例所提供的用户关系识别方法进行介绍。
图1示出了本发明一个实施例提供的用户关系识别方法的流程示意图。如图1所示,本发明实施例的用户关系识别方法包括以下步骤:
S110,基于知识图谱建立本体和关系模型,其中本体包括用户及位置,关系包括用户之间的通信关系及用户与位置之间的到达关系;
S120,根据用户之间的通信关系确定在第一时间段用户之间的通信强度指数;
S130,根据用户与位置之间的到达关系确定在第一时间段用户与位置之间的到达强度指数;
S140,根据用户之间的通信强度指数及用户与位置之间的到达强度指数,确定用户之间的家庭关系。
根据本发明实施例,能够提高用户之间家庭关系识别的准确率。
图2是本发明另一个实施例提供的用户关系识别方法的流程示意图。
图3是本发明又一个实施例提供的用户关系识别方法的流程示意图。
如图2和图3所示,本发明实施例包括知识建模、知识采集和知识推理三个步骤。
步骤一,知识建模:创建两个本体,分别是用户和位置。用户包含号码、性别、年龄等属性;位置包含所属小区、小区类型(办公、住宅)等属性。创建两个关系,分别是用户与用户之间的“通信”关系、以及用户和位置之间的“到达”关系,其中,通信关系包含开始时间、通话时长属性,到达关系包括到达时间、驻留时长等属性。建立的两个本体及两个关系如图3所示。
步骤二,知识采集:包括本体和关系的采集,本体又包括用户本体实例和位置本体实例,关系又分为到达关系、通信关系。
用户本体实例采集:从呼叫详单记录(Call Detail Record,CDR)中解析主叫号码、被叫号码,剔除重复号码之后作为用户本体的实例保存到图形数据库中。其中属于本运营商的号码标记为本网号码,不属于本运营商的号码标记为外网号码。对于本网号码,从客户关系管理(Customer Relationship Management,CRM)系统读取该号码的性别、年龄等信息,填充到该用户实例的属性上。
位置本体实例采集:利用地理信息系统(Geographic Information System,GIS),从中国地图的最南端到最北端,每50米画一条横线,再从最东端到最西段,每50米画一条纵线,构成50x50米的栅格,对上述所有的栅格逐一编号,并记录该栅格经纬度范围,保存到图形数据库中作为位置的实例。然后,从地理信息系统中提取兴趣点(Point of Interest,POI)信息,利用经纬度将兴趣点与栅格关联起来,将该位置的所属小区、位置类型补充完整。
通信关系实例采集:逐条读取CDR中解析主叫号码、被叫号码,然后,创建一个通信关系,从主叫号码对应的用户指向被叫号码对应的用户。
到达关系实例采集:利用全球定位系统(Global Positioning System,GPS)定位或基于基站的三角定位技术,每5分钟采集一次号码所在的位置,定位到上述的栅格中,然后,创建一个到达关系,从该手机号码指向该栅格对应的位置,并记录当前时间为该到达关系的到达时间。
步骤三,知识推理:创建知识推理规则,完成知识推理,识别出家庭关系。分别依次创建如下知识推理规则,完成家庭关系推理:
具体包括:1)将每周一到周五上午9点到下午6点为工作时间段,其余不在此范围内的时间段为非工作时间段,并应用于通信关系和到达关系。
匹配知识图谱中所有用户与用户之间的通信关系,如果通信的开始时间处于工作时间段,那么,将此次通信关系标记为工作时间段通信关系;如果通信的开始时间处于非工作时间段,那么,将此次通信标记为非工作时间段通信关系。
利用同样原理,匹配所有的人与位置栅格之间的到达关系,如果到达时间处于工作时间段,那么,将此次到达关系标记为工作时间段到达关系;如果到达时间处于非工作时间段,那么,将此次到达关系标记为非工作时间段到达关系。
2)遍历所有用户,将与该用户在非工作时间段通信频次、通信时长加权排名最高的前十名用户,标记为非工作时间段强通信关系。具体步骤如下:
遍历所有的用户本体实例,匹配以该用户A为起始端或终止端的通信关系,统计该用户出发的以及指向该用户的所有非工作时间段的通信关系,逐个用户的遍历从该用户出发的通信强度关系,逐个关系计算与该关系关联的用户A、用户B之间的通信强度指数,并将计算结果更新到该关系的通信强度指数属性。
具体的过程如下,在该用户A与对端用户B之间创建一个从用户A指向用户B的通信强度关系,该关系包括通信次数、通信时长、通信强度指数等属性;
匹配该用户出发的以及指向该用户的所有非工作时间段的通信关系,逐个统计该用户A与对端用户B之间的非工作时间段通信次数、通信时长,并且,将通信次数、通信时长更新用户A与用户B之间的通信强度关系中对应的属性,并加总求和计算出该用户A在非工作时间段总通信次数、非工作时间段总通信时长。
逐个用户的遍历从该用户出发的通信强度关系,逐个关系计算与该关系关联的用户A、用户B之间的通信强度指数,并将计算结果更新到该关系的通信强度指数属性。计算公式如下:
通信强度指数=用户A与用户B之间的总通信频次/用户A的通信总频次*50%+用户A与用户B之间的总通信时长/用户A的总通信时长*50%
遍历所有的用户本体实例,对从该用户出发的所有通信关系按照通信强度指数按照从高到低的顺序排序,将前十名标记为强通信关系。
3)获取用户的非工作时间段住所信息;
遍历所有的用户本体实例,匹配以该用户A为起始端的到达关系,在该用户A与对端栅格B之间创建一个从用户A指向栅格B的驻留强度关系,该关系包括驻留次数、驻留时长、驻留强度指数等属性。
同时,逐个用户统计该用户出发的所有非工作时间段的到达关系,逐个统计该用户A与对端栅格B之间的非工作时间段到达次数、驻留时长,并且,将到达次数、驻留时长更新用户A与栅格B之间的到达强度关系中对应的驻留次数、驻留时长等属性。然后,统计该用户出发的所有非工作时间段的到达关系,加总求和计算出该用户A在非工作时间段总到达次数、总驻留时长。
匹配所有的到达强度关系,逐个计算该关系关联的用户A、栅格B之间的到达强度指数,并将计算结果更新到该关系的到达强度指数属性。计算公式如下:
到达强度指数=用户A与栅格B之间的总到达频次/用户A的到达总频次*50%+用户A与栅格B之间的总驻留时长/用户A的总驻留时长*50%
逐个用户的统计从该用户出发的所有达到关系按照到达强度指数按照从高到低的顺序排序,将前十名标记为非工作时间段住所关系。
非工作时间段同一住所规则:如果用户A、用户B分别有非工作时间段住所关系指向了同一个栅格,即模式如“用户A—非工作时间段住所→栅格C←非工作时间段住所—用户B”(知识图谱采用图形数据库存储,图形数据库内置支持这种按照例子匹配的方式),那么,在所有的匹配的用户A与用户B之间创建非工作时间段同一住所关系。
创建家庭关系规则:匹配所有的非工作时间段同一住所关系,如果,该关系对应的用户之间,同时存在强通信关系,那么,在他们之间创建家庭关系。
本发明提出一种基于知识图谱的家庭关系智能识别方法,采用图形数据库来存储用户(本体)以及用户与用户之间关系(边),借助图形数据库技术具备的动态增加本体与本体之间关系的能力,实现动态增加家庭关系识别的维度,例如通过增加位置信息,来识别家庭成员在非工作时间段居住在同一个住所的信息;同样原理,还可以不断的增加维度(例如共同出行等维度),通过更多的信息来不断的提高家庭关系识别的准确程度。
在本发明实施例中,1)增加地理位置维度信息,提高家庭关系识别的准确率:在强通信关系的基础上,增加地理位置维度信息,针对家庭关系成员在非工作时间段回到同一个住所的特点,极大的提高家庭关系识别的准确率。
2)动态增加维度的能力:借助知识图谱技术,在通信维度、位置维度的基础之上,动态的增加新的维度,如共同出行,通过新维度带来的新信息来提高家庭关系识别的准确率。
图4示出了本发明实施例提供的用户关系识别装置的结构示意图。如图4所示,本发明实施例的用户识别装置包括以下模块:
本体和关系建立模块401,用于基于知识图谱建立本体和关系模型,其中所述本体包括用户及位置,所述关系包括所述用户之间的通信关系及所述用户与位置之间的到达关系;
通信强度指数确定模块402,用于根据所述用户之间的通信关系确定在第一时间段所述用户之间的通信强度指数;
位置强度指数确定模块403,用于根据所述用户与位置之间的到达关系确定在所述第一时间段所述用户与位置之间的到达强度指数;
用户关系识别模块404,用于根据所述用户之间的通信强度指数及所述用户与位置之间的到达强度指数,确定所述用户之间的家庭关系。
在本发明的一个实施方式中,通信强度指数确定模块402具体用于:
根据所述用户之间的通信关系确定在第一时间段所述用户之间的通信频次和通信时长;
根据所述通信频次和通信时长确定所述用户之间的通信强度指数。
在本发明的一个实施方式中,通信强度指数确定模块402具体用于:
通信强度指数=用户A与用户B之间的总通信频次/用户A的通信总频次*50%+用户A与用户B之间的总通信时长/用户A的总通信时长*50%
其中,用户A与用户B分别表示不同的用户。
在本发明的一个实施方式中,到达强度指数确定模块403具体用于:
根据所述用户与位置之间的到达关系确定在第一时间段所述用户与位置之间的到达频次和驻留时长;
根据所述到达频次和驻留时长确定所述用户与位置之间的到达强度指数。
在本发明的一个实施方式中,到达强度指数确定模块403具体用于:
到达强度指数=用户A与位置B之间的总到达频次/用户A的到达总频次*50%+用户A与位置B之间的总驻留时长/用户A的总驻留时长*50%。
在本发明的一个实施方式中,用户关系识别模块404具体用于:
根据所述用户与位置之间的到达强度指数,确定在所述第一时间段驻留同一位置的用户;
若所述在第一时间段驻留同一位置的用户之间的通信强度指数满足预设条件,则所述用户之间存在家庭关系。
在本发明的一个实施方式中,本体和关系建立模块401具体用于:
将预设的地理范围划分为预设数量且面积相同的多个子范围,并根据地理信息系统GIS确定所述子范围的经纬度信息;
将所述子范围与所述位置一一对应,并根据子范围的经纬度信息确定所述位置的经纬度信息。
在本发明的一个实施方式中,本体和关系建立模块401具体用于:
从所述GIS系统中提取兴趣点POI信息,并根据所述位置的经纬度信息确定所述位置所属小区及所述小区类型。
在本发明的一个实施方式中,本体和关系建立模块401具体用于:
根据呼叫详细记录CDR获取所述用户的信息,其中,所述用户的信息包括主叫号码和被叫号码。
在本发明的一个实施方式中,本体和关系建立模块401具体用于:
根据全球定位系统GPS和/或基于基站的三角定位技术确定所述用户的位置信息。
图5示出了本发明实施例提供的用户关系识别设备的硬件结构示意图。
在用户关系识别设备可以包括处理器301以及存储有计算机程序指令的存储器302。
具体地,上述处理器301可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器302可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器302可在综合网关容灾设备的内部或外部。在特定实施例中,存储器302是非易失性固态存储器。在特定实施例中,存储器302包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器301通过读取并执行存储器302中存储的计算机程序指令,以实现上述实施例中的任意一种用户关系识别方法。
在一个示例中,用户关系识别设备还可包括通信接口303和总线310。其中,如图3所示,处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。
通信接口303,主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线310包括硬件、软件或两者,将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线310可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
该用户关系识别设备可以执行本发明实施例中的用户关系识别方法,从而实现结合图1和图4描述的用户关系识别方法和装置。
另外,结合上述实施例中的在线数据流量计费方法,本发明实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种在线数据流量计费方法。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (13)
1.一种用户关系识别方法,其特征在于,包括:
基于知识图谱建立本体和关系模型,其中所述本体包括用户及位置,所述关系包括所述用户之间的通信关系及所述用户与位置之间的到达关系;
根据所述用户之间的通信关系确定在第一时间段所述用户之间的通信强度指数;
根据所述用户与位置之间的到达关系确定在所述第一时间段所述用户与位置之间的到达强度指数;
根据所述用户之间的通信强度指数及所述用户与位置之间的到达强度指数,确定所述用户之间的家庭关系。
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通信关系确定在第一时间段所述用户之间的通信强度指数,包括:
根据所述用户之间的通信关系确定在第一时间段所述用户之间的通信频次和通信时长;
根据所述通信频次和通信时长确定所述用户之间的通信强度指数。
3.根据权利要求2所述的方法,其特征在于,所述通信强度指数的计算公式为:
通信强度指数=用户A与用户B之间的总通信频次/用户A的通信总频次*50%+用户A与用户B之间的总通信时长/用户A的总通信时长*50%
其中,用户A与用户B分别表示不同的用户。
4.根据权利要求1所述的方法,其特征在于,所述根据所述用户与位置之间的到达关系确定在所述第一时间段所述用户与位置之间的到达强度指数,包括:
根据所述用户与位置之间的到达关系确定在第一时间段所述用户与位置之间的到达频次和驻留时长;
根据所述到达频次和驻留时长确定所述用户与位置之间的到达强度指数。
5.根据权利要求4所述的方法,其特征在于,所述到达强度指数的计算公式为:
到达强度指数=用户A与位置B之间的总到达频次/用户A的到达总频次*50%+用户A与位置B之间的总驻留时长/用户A的总驻留时长*50%。
6.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通信强度指数及所述用户与位置之间的到达强度指数,确定所述用户之间的家庭关系,包括:
根据所述用户与位置之间的到达强度指数,确定在所述第一时间段驻留同一位置的用户;
若所述在第一时间段驻留同一位置的用户之间的通信强度指数满足预设条件,则所述用户之间存在家庭关系。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将预设的地理范围划分为预设数量且面积相同的多个子范围,并根据地理信息系统GIS确定所述子范围的经纬度信息;
将所述子范围与所述位置一一对应,并根据子范围的经纬度信息确定所述位置的经纬度信息。
8.根据权利要求7所述的方法,其特征在于,所述方法还包括:
从所述GIS系统中提取兴趣点POI信息,并根据所述位置的经纬度信息确定所述位置所属小区及所述小区类型。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据呼叫详细记录CDR获取所述用户的信息,其中,所述用户的信息包括主叫号码和被叫号码。
10.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据全球定位系统GPS和/或基于基站的三角定位技术确定所述用户的位置信息。
11.一种用户关系识别装置,其特征在于,所述装置包括:
本体和关系建立模块,用于基于知识图谱建立本体和关系模型,其中所述本体包括用户及位置,所述关系包括所述用户之间的通信关系及所述用户与位置之间的到达关系;
通信强度指数确定模块,用于根据所述用户之间的通信关系确定在第一时间段所述用户之间的通信强度指数;
到达强度指数确定模块,用于根据所述用户与位置之间的到达关系确定在所述第一时间段所述用户与位置之间的到达强度指数;
用户关系识别模块,用于根据所述用户之间的通信强度指数及所述用户与位置之间的到达强度指数,确定所述用户之间的家庭关系。
12.一种用户关系识别设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-10任意一项所述的在用户关系识别方法。
13.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-10任意一项所述的在用户关系识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811540409.7A CN111324741B (zh) | 2018-12-17 | 2018-12-17 | 用户关系识别方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811540409.7A CN111324741B (zh) | 2018-12-17 | 2018-12-17 | 用户关系识别方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111324741A true CN111324741A (zh) | 2020-06-23 |
CN111324741B CN111324741B (zh) | 2023-08-18 |
Family
ID=71163223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811540409.7A Active CN111324741B (zh) | 2018-12-17 | 2018-12-17 | 用户关系识别方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111324741B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541886A (zh) * | 2010-12-20 | 2012-07-04 | 郝敬涛 | 一种识别用户群和用户之间关系的系统和方法 |
CN102624636A (zh) * | 2011-01-26 | 2012-08-01 | 中国移动通信集团公司 | 即时通信系统中授权控制的方法、系统及装置 |
CN103164416A (zh) * | 2011-12-12 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种用户关系的识别方法及设备 |
CN105069145A (zh) * | 2015-08-20 | 2015-11-18 | 中国科学院计算技术研究所 | 用于确定社交网络用户关系强度的方法及系统 |
CN105096144A (zh) * | 2015-08-24 | 2015-11-25 | 小米科技有限责任公司 | 社交关系分析方法及装置 |
CN105210392A (zh) * | 2012-11-20 | 2015-12-30 | 脸谱公司 | 预测位置通知 |
CN105824921A (zh) * | 2016-03-16 | 2016-08-03 | 广州彩瞳网络技术有限公司 | 用户社会关系识别装置和方法 |
CN106133786A (zh) * | 2014-02-19 | 2016-11-16 | 谷歌公司 | 总结用户之间的社交互动 |
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 |
CN106372072A (zh) * | 2015-07-20 | 2017-02-01 | 北京大学 | 一种基于位置的移动社会网络用户关系的识别方法 |
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 |
US9693186B1 (en) * | 2014-04-09 | 2017-06-27 | Google Inc. | Storing interactions based on location |
CN107277213A (zh) * | 2017-07-27 | 2017-10-20 | 维沃移动通信有限公司 | 联系人分类处理方法、云端设备及移动终端 |
CN107613084A (zh) * | 2017-10-09 | 2018-01-19 | 陈包容 | 一种通讯录联系人自动分组的方法、装置和系统 |
US20180150522A1 (en) * | 2016-08-09 | 2018-05-31 | Ripcord, Inc. | Systems and methods for contextual retrieval and contextual display of records |
CN108235303A (zh) * | 2017-12-29 | 2018-06-29 | 中国移动通信集团江苏有限公司 | 识别共享流量用户的方法、装置、设备及介质 |
-
2018
- 2018-12-17 CN CN201811540409.7A patent/CN111324741B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541886A (zh) * | 2010-12-20 | 2012-07-04 | 郝敬涛 | 一种识别用户群和用户之间关系的系统和方法 |
CN102624636A (zh) * | 2011-01-26 | 2012-08-01 | 中国移动通信集团公司 | 即时通信系统中授权控制的方法、系统及装置 |
CN103164416A (zh) * | 2011-12-12 | 2013-06-19 | 阿里巴巴集团控股有限公司 | 一种用户关系的识别方法及设备 |
CN105210392A (zh) * | 2012-11-20 | 2015-12-30 | 脸谱公司 | 预测位置通知 |
CN106133786A (zh) * | 2014-02-19 | 2016-11-16 | 谷歌公司 | 总结用户之间的社交互动 |
US9693186B1 (en) * | 2014-04-09 | 2017-06-27 | Google Inc. | Storing interactions based on location |
CN106372072A (zh) * | 2015-07-20 | 2017-02-01 | 北京大学 | 一种基于位置的移动社会网络用户关系的识别方法 |
CN105069145A (zh) * | 2015-08-20 | 2015-11-18 | 中国科学院计算技术研究所 | 用于确定社交网络用户关系强度的方法及系统 |
CN105096144A (zh) * | 2015-08-24 | 2015-11-25 | 小米科技有限责任公司 | 社交关系分析方法及装置 |
CN105824921A (zh) * | 2016-03-16 | 2016-08-03 | 广州彩瞳网络技术有限公司 | 用户社会关系识别装置和方法 |
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 |
US20180150522A1 (en) * | 2016-08-09 | 2018-05-31 | Ripcord, Inc. | Systems and methods for contextual retrieval and contextual display of records |
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 |
CN107277213A (zh) * | 2017-07-27 | 2017-10-20 | 维沃移动通信有限公司 | 联系人分类处理方法、云端设备及移动终端 |
CN107613084A (zh) * | 2017-10-09 | 2018-01-19 | 陈包容 | 一种通讯录联系人自动分组的方法、装置和系统 |
CN108235303A (zh) * | 2017-12-29 | 2018-06-29 | 中国移动通信集团江苏有限公司 | 识别共享流量用户的方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
杜翠凤: "基于社交网络和地理位置的用户关系预测", 《移动通信》, pages 21 - 24 * |
Also Published As
Publication number | Publication date |
---|---|
CN111324741B (zh) | 2023-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110505196B (zh) | 物联网卡异常检测方法及装置 | |
CN109151168B (zh) | 乘车码的切换方法、装置、移动终端及可读存储介质 | |
Marakkalage et al. | Understanding the lifestyle of older population: Mobile crowdsensing approach | |
CN110874668B (zh) | 一种轨道交通od客流预测方法、系统及电子设备 | |
US20130166352A1 (en) | Mobile categorization | |
CN109992605B (zh) | 基于手机信令数据的人口识别方法及系统 | |
CN114741612B (zh) | 一种基于大数据的消费习惯分类方法、系统和存储介质 | |
CN109543734A (zh) | 用户画像方法及装置、存储介质 | |
US20150113024A1 (en) | Generating social graphs using coincident geolocation data | |
CN111479321A (zh) | 一种网格构建方法、装置、电子设备和存储介质 | |
CN112685659A (zh) | 目标地点确定方法、装置、电子设备及计算机存储介质 | |
CN111107497A (zh) | 基站指纹库数据源补充方法、装置、服务器及存储介质 | |
CN110992230B (zh) | 基于终端信令数据的全量人口统计方法、装置及服务器 | |
CN110933662B (zh) | 一种基于数据挖掘的时空伴随关系分析方法和系统 | |
CN111324741A (zh) | 用户关系识别方法、装置、设备及介质 | |
CN110933601A (zh) | 目标区域确定方法、装置、设备和介质 | |
JP2016048529A (ja) | 携帯端末を所持したユーザの滞在判定が可能な装置、プログラム及び方法 | |
CN115310735A (zh) | 商圈边界识别的方法、装置、设备及存储介质 | |
EP3182738B1 (en) | Method and means for triggering at least one action based on geolocation and user information, places and user habits | |
CN109874170B (zh) | 地理坐标系盲检测方法、装置、设备及介质 | |
CN111222056B (zh) | 相关用户的匹配方法、装置、设备和介质 | |
CN113592557A (zh) | 广告投放结果的归因方法、装置、存储介质及电子设备 | |
Lopez et al. | Travelled Distance Estimation for GPS-Based Round Trips Car-Sharing Use Case | |
CN112307075A (zh) | 用户关系识别方法及装置 | |
CN113496288B (zh) | 用户稳定性确定方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |