CN112566093A - 一种终端关系识别方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请实施例公开了一种终端关系识别方法、装置、计算机设备及存储介质，其中，终端关系识别方法可以基于人工智能技术实现，包括获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息；根据网络信息和终端信息，构建终端与无线局域网之间的连接异构图，连接异构图包括终端对应的终端节点、无线局域网对应的网络节点、以及用于表征终端与无线局域网的连接关系的边；从连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点；基于目标网络节点，将连接异构图转换为终端之间的连接同构图；根据连接同构图中的边对终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端。提高了对终端关系识别准确性。

Description

一种终端关系识别方法、装置、计算机设备及存储介质

技术领域

本申请涉及互联网技术领域，具体涉及一种终端关系识别方法、装置、计算机设备及存储介质。

背景技术

目前，在对家庭关系识别时，一般是通过用户在特定时间内的通话记录进行检测和关联，将满足关联阈值的用户识别为家庭成员，基于简单规则识别的家庭关系会带来较大的噪音。或者，通过家庭关系识别模型基于通话记录对两两用户间的关系进行学习判别是否为家庭关系，具体地，现有的家庭关系识别模型，往往是基于用户的通话记录构建社交网络，然后从社交网络中挖掘紧密联系的群体作为疑似家庭客户。例如，通过用户的通话记录作为构建连线的依据；确定用户间的连线关系后，利用社群划分算法等划分出联系紧密的社群，以此作为疑似家庭客户。

现有的家庭关系成员识别模型由于使用通话记录作为两个用户间连线的依据构建社交网络，存在以下缺点：一方面建立的家庭成员关系容易受到出度入度较大的中间节点干扰，如房产中介、外卖员这类需要以通话维系客户关系为手段的人群，在进行社群划分时由于这些中间节点的存在，容易将两个非家庭成员群体划分为同一家庭，以及偶然性的通话行为也会对构成稳定家庭关系造成干扰；另一方面对于家庭关系识别模型需要训练与预测的数据量较多，模型训练与预测较为低效，以及对于表征家庭关系的任务目的而言，通话记录的行为信度较弱，可用于提取的信息较少，因此现有的家庭关系成员识别模型识别的依据不够全面，得到的结果稳定性和准确率均不高。

发明内容

本申请实施例提供一种终端关系识别方法、装置、计算机设备及存储介质，可以提高对终端关系识别准确性。

为解决上述技术问题，本申请实施例提供以下技术方案：

本申请实施例提供了一种终端关系识别方法，包括：

获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息；

根据所述网络信息和所述终端信息，构建所述终端与所述无线局域网之间的连接异构图，所述连接异构图包括所述终端对应的终端节点、所述无线局域网对应的网络节点、以及用于表征所述终端与所述无线局域网的连接关系的边；

从所述连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点；

基于所述目标网络节点，将所述连接异构图转换为所述终端之间的连接同构图，所述连接同构图包括所述终端对应的终端节点、以及用于表征所述终端之间具有社交关联关系的边；

根据所述连接同构图中的边对所述终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端。

根据本申请的一个方面，还提供了一种终端关系识别装置，包括：

信息获取单元，用于获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息；

构建单元，用于根据所述网络信息和所述终端信息，构建所述终端与所述无线局域网之间的连接异构图，所述连接异构包括所述终端对应的终端节点、所述无线局域网对应的网络节点、以及用于表征所述终端与所述无线局域网的连接关系的边；

筛选单元，用于从所述连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点；

转换单元，用于基于所述目标网络节点，将所述连接异构图转换为所述终端之间的连接同构图，所述连接同构图包括所述终端对应的终端节点、以及用于表征所述终端之间具有社交关联关系的边；

聚类单元，用于根据所述连接同构图中的边对所述终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端。

根据本申请的一个方面，还提供了一种计算机设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本申请实施例提供的任一种终端关系识别方法。

根据本申请的一个方面，还提供了一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序被处理器加载，以执行本申请实施例提供的任一种终端关系识别方法。

本申请实施例可以获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息，以及根据网络信息和终端信息，构建终端与无线局域网之间的连接异构图，该连接异构图包括终端对应的终端节点、无线局域网对应的网络节点、以及用于表征终端与无线局域网的连接关系的边。然后可以从连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点，基于目标网络节点，将连接异构图转换为终端之间的连接同构图，该连接同构图包括终端对应的终端节点、以及用于表征终端之间具有社交关联关系的边；此时可以根据连接同构图中的边对终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端。该方案可以基于终端信息和网络信息构建终端与无线局域网之间的连接异构图，并基于目标网络节点将连接异构图转换为终端之间的连接同构图，从而可以根据连接同构图中的边对终端节点进行聚类，以准确识别出具有目标社交关系的终端节点对应的终端，其中，使用具有目标社交关系的终端的用户即为具有目标社交关系(例如家庭关系)的用户，提高了对终端关系识别准确性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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是本申请实施例提供的终端关系识别方法应用的场景示意图；

图2是本申请实施例提供的终端关系识别方法的流程示意图；

图3是本申请实施例提供的连接异构图的示意图；

图4是本申请实施例提供的连接异构图转换为连接同构图的示意图；

图5是本申请实施例提供的构建连接同构图对应的地理空间同构图的示意图；

图6是本申请实施例提供的基于网格切割得到同构子图的示意图；

图7是本申请实施例提供的基于街区切割得到同构子图的示意图；

图8是本申请实施例提供的终端关系识别方法的另一流程示意图；

图9是本申请实施例提供的终端关系识别方法的另一流程示意图；

图10是本申请实施例提供的终端关系识别装置的示意图；

图11是本申请实施例提供的计算机设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。

本申请实施例提供一种终端关系识别方法、装置、计算机设备及存储介质。

请参阅图1，图1为本申请实施例所提供的终端关系识别方法应用的场景示意图，该终端关系识别方法应用可以包括终端关系识别装置，该终端关系识别装置具体可以集成在服务器中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器，但并不局限于此。

服务器与终端之间可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。该终端可以是手机、平板电脑、笔记本电脑、台式电脑、或者可穿戴设备等。

其中，服务器可以用于获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息，以及根据网络信息和终端信息，构建终端与无线局域网之间的连接异构图，该连接异构图包括终端对应的终端节点、无线局域网对应的网络节点、以及用于表征终端与无线局域网的连接关系的边。然后可以从连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点，基于目标网络节点，将连接异构图转换为终端之间的连接同构图，该连接同构图包括终端对应的终端节点、以及用于表征终端之间具有社交关联关系的边；此时可以根据连接同构图中的边对终端节点进行聚类，以准确识别出具有目标社交关系的终端节点对应的终端，其中，使用具有目标社交关系的终端的用户即为具有目标社交关系(例如家庭关系)的用户，提高了对终端关系识别准确性。

需要说明的是，图1所示的终端关系识别方法应用的场景示意图仅仅是一个示例，本申请实施例描述的终端关系识别方法应用以及场景是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域普通技术人员可知，随着终端关系识别方法应用的演变和新业务场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。

以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优选顺序的限定。

本申请实施例提供的终端关系识别方法可以涉及人工智能中的机器学习技术等技术，下面先对人工智能技术和机器学习技术进行说明。

人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。

人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、以及机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

机器学习(Machine Learning，ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、以及算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、以及式教学习等技术。

在本实施例中，将从终端关系识别装置的角度进行描述，该终端关系识别装置具体可以集成在服务器等计算机设备中。

请参阅图2，图2是本申请一实施例提供的终端关系识别方法的流程示意图。该终端关系识别方法可以包括：

S101、获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息。

其中，预设地区范围可以根据实际需要进行灵活设置，例如，预设地区范围可以是全国地区范围或者是某个省市地区范围等。无线局域网可以包括WiFi网络以及其他类型的局域网，网络信息可以包括无线局域网的网络标识、以及网络位置信息等，该网络标识可以是无线局域网的唯一标识符(例如WiFi网络的唯一标识符)，例如，该网络标识可以是网络名称或物理地址(例如macID)等，该网络标识可以由数字、字母、文字和符号等中的至少一种组成，该网络位置信息可以是无线局域网的所处地理位置的经纬度坐标。终端信息可以包括终端连接无线局域网的日志信息，该日志信息可以包括终端标识、终端位置信息、以及终端连接无线局域网的连接次数和连接时间等，该终端标识可以是终端的唯一标识符，例如该终端标识可以是终端名称或物理地址(Media Access Control Address，MAC)，该终端标识可以由数字、字母、文字和符号等中的至少一种组成，终端位置信息可以是终端的所处地理位置的经纬度坐标。

服务器可以从数据库中获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息；或者，服务器可以向预设地区范围内至少一个无线局域网的网络信息发送网络信息获取请求，并接收无线局域网基于网络信息获取请求返回的网络信息，以及服务器可以预设地区范围内至少一个终端发送终端信息获取请求，并接收终端基于网络信息获取请求返回的终端信息；等等。

需说明的是，在处理过程中为保护使用终端的用户的隐私，涉及到的敏感信息可以进行脱敏处理，然后对脱敏处理得到的数据进行处理，以对终端关系进行识别。

S102、根据网络信息和终端信息，构建终端与无线局域网之间的连接异构图，连接异构图包括终端对应的终端节点、无线局域网对应的网络节点、以及用于表征终端与无线局域网的连接关系的边。

在一实施方式中，网络信息包括网络标识，终端信息包括终端标识、终端与无线局域网之间的连接关系和连接次数，根据网络信息和终端信息，构建终端与无线局域网之间的连接异构图可以包括：将终端标识设置为终端节点，将网络标识设置为网络节点，将终端和无线局域网之间的网络连接关系设置为终端节点和网络节点之间连接的边，以及将终端和无线局域网之间的连接次数设置为边的权重；根据终端节点、网络节点、边和权重，构建终端与无线局域网之间的连接异构图。

为了提高连接异构图构建的便捷性，可以构建包括终端节点、网络节点、边和权重等信息的连接异构图。例如，如图3所示，以无线局域网为WiFi网络为例，WiFi网络可以包括WiFi1、WiFi2、WiFi3、WiFi4和WiFi5等，终端可以包括终端1、终端2、终端3、终端4、终端5和终端6等，在构建连接异构图的过程中，可以将终端标识设置为终端节点，以及将网络标识设置为网络节点，如图3中，可以将WiFi1、WiFi2、WiFi3、WiFi4和WiFi5等设置为网络节点，以及可以将终端1、终端2、终端3、终端4、终端5和终端6等设置为终端节点。

以及，可以将终端和WiFi网络之间的网络连接关系设置为终端节点和网络节点之间连接的边，如图3中，由于终端1、终端2和终端3均连接过WiFi1，因此可以终端1、终端2和终端3与WiFi1之间存在网络连接关系，此时可以分别设置终端1与WiFi1、终端2与WiFi1、终端3与WiFi1之间连接的边。以及可以将终端和WiFi网络之间的连接次数设置为，终端和WiFi网络之间连接的边的权重，如图3中，当终端1与WiFi1之间的连接次数为b、终端2与WiFi1之间的连接次数为c、终端3与WiFi1之间的连接次数为a时，可以设置终端1与WiFi1之间连接的边的权重为b、终端2与WiFi1之间连接的边的权重为c、终端3与WiFi1之间连接的边的权重为a。

在设置好各个WiFi网络和终端之间的边和权重等信息后，可以根据终端节点、网络节点、边和权重等信息，构建终端与WiFi网络之间的连接异构图。其中，连接异构图可以是一张异构的二部图，连接节点可以分为两类：一类为终端，另一类是WiFi网络，连接异构图的边可以表示终端与WiFi网络之间的连接关系，只有终端与WiFi网络之间存在边，终端与终端之间、WiFi网络与WiFi网络之间不存在边，边的权重可以表示终端和WiFi网络之间在预设天数nDay(例如nDay＝90)内的连接次数。由于终端被用户使用，因此连接异构图中的终端节点可以当作使用终端的用户的用户节点。

需要说明的是，图3仅仅是为方便清楚说明连接异构图给出的一个简单示例，在实际应用中，连接异构图中可以包括大量的WiFi网络和大量的终端。

S103、从连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点。

其中，目标网络节点可以包括家庭类无线局域网(例如家庭类WiFi网络)对应的网络节点、商家类无线局域网对应的网络节点或企业类无线局域网对应的网络节点等，预设条件可以包括连接数量在预设数值范围内等。可以理解的是，目标网络节点和预设条件可以根据实际需要进行灵活设置，具体内容在此处不作限定。

在一实施方式中，从连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点可以包括：筛选出连接异构图中终端节点的连接数量在预设数值范围内的网络节点作为目标网络节点。

为了提高目标网络节点筛选的效率，可以从连接异构图中筛选出终端节点(即终端)的连接数量在预设数值范围内的网络节点(即无线局域网)作为目标网络节点，该预设数值范围可以根据实际需要进行灵活设置。例如，以无线局域网为WiFi网络、目标网络节点为家庭类WiFi网络对应的网络节点为例进行说明，可以基于经验规则判断，例如认为WiFi网络连接终端数量大于或等于minDevice个且小于或等于maxDevice个的WiFi网络作为家庭类WiFi网络，其中，minDevice与maxDevice均为可根据经验自定义的模型参数，例如，可以设置minDevice＝2，maxDevice＝10。因此，可以从连接异构图中筛选出终端节点的连接数量在[minDevice，maxDevice]范围内的网络节点作为家庭类WiFi网络对应的目标网络节点。

在一实施方式中，从连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点可以包括：基于连接异构图提取无线局域网在第一时间段内连接终端的数量对应的第一特征向量；基于连接异构图提取无线局域网在第二时间段内连接终端的数量对应的第二特征向量；将无线局域网的网络标识与预设的目标网络标识进行匹配，根据匹配结构结果生成目标特征向量；将第一特征向量、第二特征向量、以及目标特征向量进行拼接，得到拼接后的特征向量；对拼接后的特征向量进行全连接处理，得到针对无线局域网的二分类预测结果；根据二分类预测结果从连接异构图中筛选出目标网络节点。

为了提高目标网络节点筛选的准确性，可以通过识别模型对目标网络节点进行准确识别，该识别模型可以是训练后的识别模型，该识别模型的类型可以根据实际需要进行灵活设置，例如，识别模型可以是卷积神经网络(Convolutional Neural Networks，CNN)或深度神经网络(Deep Neural Networks，DNN)等。

其中，在通过识别模型对目标网络节点进行识别之前，可以对识别模型进行训练，识别模型的训练过程可以包括：获取包含样本信息的训练样本，该训练样本可以包括正样本和负样本，该样本信息可以包括终端的终端信息和无线局域网的网络信息等。例如，当需要对家庭类WiFi网络进行识别时，对于正样本的获取方式可以包括：由于春节或特殊时期(例如一月底到二月初)等时期，国内普遍处于停工停学状况，家庭成员一般都会在家团聚，因此可以筛选在此段时期内，位置位于居住小区内，且连接终端数量处于合理阈值内(例如2到10个终端)的WiFi网络作为家庭类WiFi，并提取该批WiFi网络在正常时段的特征作为正样本。对于负样本的获取方式可以包括：提取写字楼、工业园区、以及商场等非住宅区域的WiFi网络作为非家庭类WiFi网络，并提取该批WiFi网络在正常时段的特征作为负样本。然后，可以基于训练样本的样本信息构建样本连接异构图，获取样本连接异构图对应的样本特征向量，该样本特征向量可以包括无线局域网在预设时间段内连接终端的数量对应的特征，基于样本特征向量获取针对无线局域网的预测结果，将预测结果与预先标注的真实结果进行收敛，以调整识别模型的参数，得到训练后的识别模型。

在得到训练后的识别模型后，可以通过训练后的识别模型对目标网络节点进行准确识别。具体地，首先可以提取无线局域网的特征，例如，可以基于连接异构图提取无线局域网在第一时间段内连接终端的数量对应的第一特征向量，以及提取无线局域网在第二时间段内连接终端的数量对应的第二特征向量，该第一时间段和第二时间段可以根据实际需要进行灵活设置。

在一实施方式中，基于连接异构图提取无线局域网在第一时间段内连接终端的数量对应的第一特征向量，基于连接异构图提取无线局域网在第二时间段内连接终端的数量对应的第二特征向量可以包括：基于连接异构图提取无线局域网在第一时间段内连接终端的数量作为第一特征，对第一特征进行多维的卷积处理，得到第一特征向量；基于连接异构图提取无线局域网在第二时间段内连接终端的数量作为第二特征，对第二特征进行一维的卷积处理，得到第二特征向量。

例如，基于连接异构图提取无线局域网在近7天内每一个小时对于的连接终端的数量，得到第一特征，该第一特征的特征维度可以为7*24，可以简称为week24，可以将第一特征输入训练后的识别模型的多维的卷积层，以对第一特征进行多维的卷积处理，得到第一特征向量，例如，对于7*24的week24特征，输入CNN的2维卷积层进行卷积处理，得到第一特征向量。基于连接异构图提取无线局域网在近30天内每一天对应的连接终端的数量，得到第二特征，该第二特征的特征维度可以为30，可以简称为month1，可以将第二特征输入训练后的识别模型的一维的卷积层，以对第二特征进行一维的卷积处理，得到第二特征向量，例如，对于30维的month1特征，输入CNN的1维卷积层进行卷积处理输入1维的CNN进行处理，得到第二特征向量。

以及，可以将连接异构图中无线局域网的网络标识(例如网络名称)与预设的目标网络标识(例如目标网络名称)进行匹配，其中，目标网络标识可以包括多个目标无线局域网对应的网络标识，例如，以目标无线局域网为家庭类WiFi网络为例，目标网络标识可以包括家庭类WiFi网络对应的网络标识："TP#LINK"、"CMCC"、"Guest"、"WX"、"free"、"ChinaNet"、"5G"、"HUAWEI"、"WiFi"、"Connect"、"Internet"、以及"Work"等。然后，可以根据匹配结构结果生成目标特征向量，例如，将连接异构图中每个WiFi网络的网络标识与家庭类WiFi网络的目标网络标识进行进行字符串匹配，生成包含0和1的目标特征向量，0可以表示WiFi网络的网络标识与家庭类WiFi网络的目标网络标识匹配成功，1可以表示WiFi网络的网络标识与家庭类WiFi网络的目标网络标识匹配失败。

此时，可以将第一特征向量、第二特征向量、以及目标特征向量进行拼接，得到拼接后的特征向量，其中，拼接方式可以根据实际需要进行灵活设置，例如，可以将第一特征向量、第二特征向量、以及目标特征向量进行首尾拼接，得到拼接后的特征向量可以为：[第一特征向量，第二特征向量，目标特征向量]。最后可以通过训练后的识别模型的全连接层对拼接后的特征向量进行全连接处理，得到针对无线局域网的二分类预测结果，该二分类预测结果可以包括输入识别模型的无线局域网是目标无线局域网(即输入识别模型的网络节点是是目标网络节点)，以及输入识别模型的无线局域网不是目标无线局域网(即输入识别模型的网络节点不是目标网络节点)，因此可以根据二分类预测结果从连接异构图中筛选出目标网络节点。

S104、基于目标网络节点，将连接异构图转换为终端之间的连接同构图，连接同构图包括终端对应的终端节点、以及用于表征终端之间具有社交关联关系的边。

由于后续需要识别的是终端与终端之间的关系，针对的是的终端之间的连接同构图，因此可以将连接异构图向连接同构图转换。其中，社交关联关系可以根据实际需要进行灵活设置，例如，社交关联关系可以包括家庭关系、商家与消费者之间的买卖关系、员工与企业之间的劳动关系等社交关系。

在一实施方式中，终端节点包括多个，基于目标网络节点，将连接异构图转换为终端之间的连接同构图可以包括：获取连接异构图中每两个终端节点之间与目标网络节点的连接信息；当两个终端节点之间与目标网络节点的连接信息为连接同一个目标网络节点时，构建两个终端节点之间具有社交关联关系的边，以及将两个终端节点的与目标网络节点之间连接的边的权重中最小值，作为两个终端节点之间连接的边的权重，以生成终端节点对应的终端之间的连接同构图；当两个终端节点之间与目标网络节点的连接信息为连接相同多个目标网络节点时，构建两个终端节点之间具有社交关联关系的边，以及将两个终端节点的与多个目标网络节点之间连接的边的权重中最小值进行累加，将累加值作为两个终端节点之间连接的边的权重，以生成终端节点对应的终端之间的连接同构图。

为了提高连接同构图获取的灵活性和可靠性，例如，如图4所示，以无线局域网为WiFi网络为例，在连接异构图中，WiFi网络可以包括WiFi1、WiFi2和WiFi3等WiFi网络对应的网络节点，终端可以包括终端1、终端2、终端3和终端4等终端对应的终端节点，在将连接异构图转换为连接同构图的过程中，可以获取连接异构图中每两个终端节点之间与目标网络节点的连接信息，该，目标网络节点可以是家庭类WiFi网络对应的网络节点，该连接信息可以包括连接的WiFi网络的网络标识以及连接时间等信息、，如图4中，WiFi1、WiFi2和WiFi3等均为家庭类WiFi网络，此时可以获取到终端1和终端2连接同一个WiFi1的连接信息，以及终端3和终端4均连接WiFi2和WiFi3的连接信息等。

由于终端1和终端2之间与WiFi1的连接信息为连接同一个WiFi1网络节点，因此可以构建终端1和终端2之间具有社交关联关系的边，以及比较终端1与WiFi1之间连接的边的权重b和终端2与WiFi1之间连接的边的权重a的大小，将终端1与WiFi1之间连接的边的权重b和终端2与WiFi1之间连接的边的权重a中最小值(例如a>b)，作为终端1和终端2之间连接的边的权重，例如终端1和终端2之间连接的边的权重为b。

由于终端3和终端4之间均连接WiFi2和WiFi3，说明终端3和终端4之间的连接信息为连接相同多个目标网络节点(即WiFi2和WiFi3)，因此，可以构建终端3和终端4之间具有社交关联关系的边，以及，比较终端3与WiFi2之间连接的边的权重c和终端4与WiFi2之间连接的边的权重d的大小(例如d>c)，比较终端3与WiFi3之间连接的边的权重e和终端4与WiFi3之间连接的边的权重f的大小(例如f>e)，将终端3和终端4的与WiFi2和WiFi3之间连接的边的权重中最小值进行累加，将累加值(例如c+e)作为终端3和终端4之间连接的边的权重。

需要说明的是，图4仅仅是为方便清楚说明连接同构图给出的一个简单示例，在实际应用中，连接同构图中可以包括大量的终端，每个终端均按照上述方法进行处理后，可以生成终端节点对应的终端之间的连接同构图。

在一实施方式中，获取连接异构图中每两个终端节点之间与目标网络节点的连接信息可以包括：从连接异构图中提取出包含目标网络节点与终端节点连接的目标异构图；将目标异构图中连接终端节点数量大于预设数量阈值的目标网络节点剔除，以及将目标异构图中连接时间小于预设时间阈值的边剔除，得到优化后异构图；获取优化后异构图中每两个终端节点之间与目标网络节点的连接信息。

为了降低转换的复杂度与剔除噪声，提高连接同构图获取的效率和准确性，在将连接异构图转换为连接同构图之前，可以对连接异构图进行优化，以为，以对异构图进行精简。具体地，可以从连接异构图中提取出包含目标网络节点与终端节点连接的目标异构图，即目标异构图中包括目标网络节点(例如家庭类WiFi网络)、与目标网络节点连接的终端节点、目标网络节点与终端节点之间连接的边和边的权重等。然后可以将目标异构图中连接终端节点数量大于预设数量阈值的目标网络节点剔除，该预设数量阈值可以根据实际需要进行灵活设置，例如，由于家庭类WiFi网络一般情况下不会连接过多的终端，因此可以剔除终端节点连接的数量大于maxNode(maxNode可以为自定义参数，例如maxNode＝30)。

以及，可以将目标异构图中连接时间小于预设时间阈值的边剔除，得到优化后异构图，该预设时间阈值可以根据实际需要进行灵活设置，例如，可以剔除连接天数小于一定比例阈值的边，比例阈值可以为minRatios(minRatios可以为自定义参数，例如minRatios＝20％)，例如若选取nDay＝90天内WiFi网络和终端之间的连接信息构建连接异构图，取minRatios＝20％，则可以剔除连接天数小于18天的边。此时，可以取优化后异构图中每两个终端节点之间与目标网络节点的连接信息，以基于连接信息生成终端节点对应的终端之间的连接同构图。

S105、根据连接同构图中的边对终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端。

其中，对连接同构图中终端节点的聚类方式可以根据实际需要进行灵活设置，例如，可以通过社群发现算法(Girvan-Newman)对连接同构图中终端节点进行聚类，以识别出具有目标社交关系(例如家庭类WiFi网络)的终端节点对应的终端，或者，可以通过其他聚类算法或聚类模型等，基于连接同构图中的边对终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端；等等。在识别得到具有目标社交关系的终端后，即可确定使用具有目标社交关系的终端对应的用户为具有目标社交关系的用户，最终可以识别出具有目标社交关系的用户，例如具有家庭关系的用户，实现对家庭关系簇的有效挖掘。

在识别出具有目标社交关系的终端后，可以向具有目标社交关系的终端推送相关的推广内容(例如推送社交广告)，或者可以对预设地区范围内的目标社交关系簇进行统计分析等。

在一实施方式中，根据连接同构图中的边对终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端可以包括：根据连接同构图中的边和权重对终端节点进行聚类，得到终端节点连接形成的节点连接区域；筛选出区域结构强度值满足预设强度阈值的节点连接区域，得到目标区域；将形成目标区域的终端节点对应的终端，设置为具有目标社交关系的终端。

由于连接同构图中可以包括终端之间连接的边，还可以包括边对应的权重，因此为了提高对具有目标社交关系的终端进行识别的准确性，可以根据连接同构图中的边和权重对终端节点进行聚类，得到终端节点连接形成的节点连接区域。例如，由于对于每对终端节点，在终端节点之间至少存在一条最短路径，因此可以获取连接同构图中终端节点所有边对应的最短路径数(即获取连接同构图中各个终端节点所有边对应的权重值最小的数量)，得到边介数。然后，可以将边介数最高的边从连接同构图中移除，得到至少一个终端节点连接形成的节点连接区域，以便计算所得到的节点连接区域对应的区域结构强度值(即模块度Q值)。循环执行获取连接同构图中终端节点所有边对应的最短路径数，得到边介数，将边介数最高的边从连接同构图中移除，得到至少一个终端节点连接形成的节点连接区域，计算所得到的节点连接区域对应的区域结构强度值的步骤，直至连接同构图中所有边均被移除。此时可以计算得到多个区域结构强度值，可以从多个区域结构强度值中筛选出区域结构强度值满足预设强度阈值的节点连接区域，得到目标区域。其中，预设强度阈值可以根据实际需要进行灵活设置，例如，可以从多个区域结构强度值中筛选出区域结构强度值最大所对应的节点连接区域作为目标区域，将形成目标区域的终端节点对应的终端，设置为具有目标社交关系的终端。

在一实施方式中，筛选出区域结构强度值满足预设强度阈值的节点连接区域，得到目标区域可以包括：获取连接同构图对应的节点连接区域的区域个数，以及节点连接区域中终端节点相互连接的连接数目；获取连接同构图中的边数；根据区域个数、连接数目和边数计算节点连接区域的区域结构强度值；筛选区域结构强度值满足预设强度阈值的节点连接区域，得到目标区域。

例如，可以统计连接同构图对应的节点连接区域的区域个数、节点连接区域中终端节点相互连接的连接数目、以及连接同构图中的边数等信息来计算区域结构强度值，其中，区域结构强度值的计算方式公式可以如下：

其中，Q可以表示区域结构强度值，s可以表示节点连接区域(可以称为社区)，M可以表示节点连接区域的区域个数(即已发现的社区个数)，L可以表示为连接同构图中的边数，ls可以表示节点连接区域s中终端节点相互连接的连接数目，ds可以表示节点连接区域s中所有终端节点相互连接数目的和。

由于节点连接区域可以包括多个，因此在对每个节点连接区域计算得到对应的区域结构强度值后，可以筛选区域结构强度值最大所对应的节点连接区域，得到目标区域。

在一实施方式中，根据连接同构图中的边和权重对终端节点进行聚类，得到终端节点连接形成的节点连接区域可以包括：将连接同构图划分为多个同构子图；分别基于每个同构子图中的边和权重对终端节点进行聚类，得到终端节点连接形成的节点连接区域。

由于当预设地区范围较大时，获取得到的预设地区范围内无线局域网和终端的数量较多，从而构建得到的连接同构图中包含终端的数量较多，使得连接同构图较大，因此为了提高对连接同构图识别的效率和便捷性，可以将连接同构图划分为多个同构子图，可以按照上述聚类方式分别基于每个同构子图中的边和权重对终端节点进行聚类，得到终端节点连接形成的节点连接区域。

在一实施方式中，将连接同构图划分为多个同构子图可以包括：获取连接同构图中终端节点对应的终端的终端位置信息；根据终端位置信息构建连接同构图对应的地理空间同构图，地理空间同构图包括终端节点映射在预设地区范围内的地理位置；按照预设规整网格划分策略将地理空间同构图切割为规整网格，得到多个同构子图；或者，按照预设街区划分策略，以街区为基本空间单元对地理空间同构图的地表空间进行切割，得到多个同构子图。

为了提高了对连接同构图划分的可靠性，可以基于终端信息将连接同构图映射至真实的地理空间(即地表空间)，具体地，可以获取连接同构图中终端节点对应的终端的终端位置信息，该终端位置信息可以是终端所处地理位置的经纬度坐标，然后可以根据终端的终端位置信息构建连接同构图对应的地理空间同构图，地理空间同构图包括终端节点映射在预设地区范围内的地理位置，例如，如图5所示，可以根据终端的终端位置信息将连接同构图中的终端节点映射为终端在预设地区范围内真实的地理位置，使得地理空间同构图可以是包含终端所在位置的地图。

然后，可以按照预设规整网格划分策略将地理空间同构图切割为规整网格，得到多个同构子图，其中，预设规整网格划分策略可以根据实际需要进行灵活设置，例如，如图6所示，基于网格的切割，将地理空间同构图的地表空间切割为规整网格，落在同一个网格内的无线局域网络及其对应连接的终端的连接信息即为一张同构子图。

或者，可以按照预设街区划分策略，以街区为基本空间单元对地理空间同构图的地表空间进行切割，得到多个同构子图。其中，预设街区划分策略可以根据实际需要进行灵活设置，例如，如图7所示，基于街区的切割，以街区为基本空间单元对地理空间同构图的地表空间进行切割，落在同一个街区单元内的无线局域网络及其对应连接的终端的连接信息即为一张同构子图。其中，街区(Block)可以是指由一定等级的道路围合而成的区域，可对应于交通规划及管理中的交通小区，在城市规划以及交通规划等领域的研究中，常被作为分析的基本空间单元。

需要说明的是，可以是在构建得到连接异构图后，先按照上述预设规整网格划分策略或预设街区划分策略或等划分方式对连接异构图进行划分，得到多个异构子图，然后分别从每个异构子图中筛选出终端节点的连接数量满足预设条件的目标网络节点，得到每个异构子图对应的目标网络节点，然后可以基于每个异构子图对应的目标网络节点，将每个异构子图转换为终端之间的连接同构图，得到多个同构子图，根据每个同构子图中的边对终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端。

以下将以无线局域网为WiFi网络、目标无线局域网为家庭类WiFi网络、目标网络节点为家庭类WiFi网络对应的网络节点为例进行说明，例如，可以对连接同构图划分子图，如图8所示，为本申请实施例提供的终端关系识别方法一流程示意图，该终端关系识别方法可以包括：

S11、获取基础数据。

其中，基础数据可以包括预设地区范围内至少一个WiFi网络的网络信息，以及至少一个终端的终端信息。

S12、基于基础数据构建连接异构图。

其中，连接异构图为终端与WiFi网络之间的连接异构图，连接异构图可以包括终端对应的终端节点、WiFi网络对应的网络节点、以及用于表征终端与WiFi网络连接关系的边等。

S13、基于连接异构图识别家庭类WiFi网络。

例如，可以从连接异构图中筛选出终端节点的连接数量满足预设条件的网络节点作为家庭类WiFi网络对应网络节点，基于家庭类WiFi网络对应网络节点可以确定家庭类WiFi网络。

S14、基于家庭类WiFi网络构建连接同构图。其中，连接同构图包括终端对应的终端节点、以及用于表征终端之间具有社交关联关系的边。

S15、基于网格或街区切割连接同构图，得到多个同构子图。

例如，可以按照上述预设规整网格划分策略或预设街区划分策略或等划分方式对连接同构图进行划分，得到多个同构子图。

S16、基于多个同构子图识别具有家庭关系的终端对应的用户。

其中，可以根据每个多个同构子图中的边对所述终端节点进行聚类，以识别出具有家庭关系的终端对应的用户。

又例如，可以对连接异构图划分子图，如图9所示，为本申请实施例提供的终端关系识别方法另一流程示意图，该终端关系识别方法可以包括：

S21、获取基础数据。

S22、基于基础数据构建连接异构图。

S23、基于网格或街区切割连接异构图，得到多个异构子图。

S24、分别识别每个异构子图中的家庭类WiFi网络。

S25、基于家庭类WiFi网络构建每个异构子图对应的同构子图。

S26、基于多个同构子图识别具有家庭关系的终端对应的用户。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

本申请实施例可以获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息，以及根据网络信息和终端信息，构建终端与无线局域网之间的连接异构图，该连接异构图包括终端对应的终端节点、无线局域网对应的网络节点、以及用于表征终端与无线局域网的连接关系的边。然后可以从连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点，基于目标网络节点，将连接异构图转换为终端之间的连接同构图，该连接同构图包括终端对应的终端节点、以及用于表征终端之间具有社交关联关系的边；此时可以根据连接同构图中的边对终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端。该方案可以基于终端信息和网络信息构建终端与无线局域网之间的连接异构图，并基于目标网络节点将连接异构图转换为终端之间的连接同构图，从而可以根据连接同构图中的边对终端节点进行聚类，以准确识别出具有目标社交关系的终端节点对应的终端，其中，使用具有目标社交关系的终端的用户即为具有目标社交关系(例如家庭关系)的用户，提高了对终端关系识别准确性。

为便于更好的实施本申请实施例提供的终端关系识别方法，本申请实施例还提供一种基于上述终端关系识别方法的装置。其中名词的含义与上述终端关系识别方法中相同，具体实现细节可以参考方法实施例中的说明。

请参阅图10，图10为本申请实施例提供的终端关系识别装置的结构示意图，其中该终端关系识别装置可以包括信息获取单元301、构建单元302、筛选单元303、转换单元304、以及聚类单元305等。

其中，信息获取单元301，用于获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息。

构建单元302，用于根据网络信息和终端信息，构建终端与无线局域网之间的连接异构图，连接异构包括终端对应的终端节点、无线局域网对应的网络节点、以及用于表征终端与无线局域网的连接关系的边。

筛选单元303，用于从连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点。

转换单元304，用于基于目标网络节点，将连接异构图转换为终端之间的连接同构图，连接同构图包括终端对应的终端节点、以及用于表征终端之间具有社交关联关系的边。

聚类单元305，用于根据连接同构图中的边对终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端。

在一实施方式中，筛选单元303具体可以用于：筛选出连接异构图中终端节点的连接数量在预设数值范围内的网络节点作为目标网络节点。

在一实施方式中，筛选单元303具体可以用于：基于连接异构图提取无线局域网在第一时间段内连接终端的数量对应的第一特征向量；基于连接异构图提取无线局域网在第二时间段内连接终端的数量对应的第二特征向量；将无线局域网的网络标识与预设的目标网络标识进行匹配，根据匹配结构结果生成目标特征向量；将第一特征向量、第二特征向量、以及目标特征向量进行拼接，得到拼接后的特征向量；对拼接后的特征向量进行全连接处理，得到针对无线局域网的二分类预测结果；根据二分类预测结果从连接异构图中筛选出目标网络节点。例如，可以基于连接异构图提取无线局域网在第一时间段内连接终端的数量作为第一特征，对第一特征进行多维的卷积处理，得到第一特征向量；基于连接异构图提取无线局域网在第二时间段内连接终端的数量作为第二特征，对第二特征进行一维的卷积处理，得到第二特征向量。

在一实施方式中，网络信息包括网络标识，终端信息包括终端标识、终端与无线局域网之间的连接关系和连接次数，构建单元302具体可以用于：将终端标识设置为终端节点，将网络标识设置为网络节点，将终端和无线局域网之间的网络连接关系设置为终端节点和网络节点之间连接的边，以及将终端和无线局域网之间的连接次数设置为边的权重；根据终端节点、网络节点、边和权重，构建终端与无线局域网之间的连接异构图。

在一实施方式中，终端节点包括多个，转换单元304具体可以用于：获取连接异构图中每两个终端节点之间与目标网络节点的连接信息；当两个终端节点之间与目标网络节点的连接信息为连接同一个目标网络节点时，构建两个终端节点之间具有社交关联关系的边，以及将两个终端节点的与目标网络节点之间连接的边的权重中最小值，作为两个终端节点之间连接的边的权重，以生成终端节点对应的终端之间的连接同构图；当两个终端节点之间与目标网络节点的连接信息为连接相同多个目标网络节点时，构建两个终端节点之间具有社交关联关系的边，以及将两个终端节点的与多个目标网络节点之间连接的边的权重中最小值进行累加，将累加值作为两个终端节点之间连接的边的权重，以生成终端节点对应的终端之间的连接同构图。

在一实施方式中，转换单元304具体可以用于：从连接异构图中提取出包含目标网络节点与终端节点连接的目标异构图；将目标异构图中连接终端节点数量大于预设数量阈值的目标网络节点剔除，以及将目标异构图中连接时间小于预设时间阈值的边剔除，得到优化后异构图；获取优化后异构图中每两个终端节点之间与目标网络节点的连接信息。

在一实施方式中，聚类单元305可以包括：

聚类子单元，用于根据连接同构图中的边和权重对终端节点进行聚类，得到终端节点连接形成的节点连接区域；

筛选子单元，用于筛选出区域结构强度值满足预设强度阈值的节点连接区域，得到目标区域；

设置子单元，用于将形成目标区域的终端节点对应的终端，设置为具有目标社交关系的终端。

在一实施方式中，聚类子单元具体可以用于：将连接同构图划分为多个同构子图；分别基于每个同构子图中的边和权重对终端节点进行聚类，得到终端节点连接形成的节点连接区域。例如，可以获取连接同构图中终端节点对应的终端的终端位置信息，根据终端位置信息构建连接同构图对应的地理空间同构图，地理空间同构图包括终端节点映射在预设地区范围内的地理位置；按照预设规整网格划分策略将地理空间同构图切割为规整网格，得到多个同构子图；或者，按照预设街区划分策略，以街区为基本空间单元对地理空间同构图的地表空间进行切割，得到多个同构子图。

在一实施方式中，筛选子单元具体可以用于：获取连接同构图对应的节点连接区域的区域个数，以及节点连接区域中终端节点相互连接的连接数目；获取连接同构图中的边数；根据区域个数、连接数目和边数计算节点连接区域的区域结构强度值；筛选区域结构强度值满足预设强度阈值的节点连接区域，得到目标区域。

本申请实施例可以由信息获取单元301获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息，由构建单元302根据网络信息和终端信息，构建终端与无线局域网之间的连接异构图，该连接异构图包括终端对应的终端节点、无线局域网对应的网络节点、以及用于表征终端与无线局域网的连接关系的边。然后可以由筛选单元303从连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点，由转换单元304基于目标网络节点将连接异构图转换为终端之间的连接同构图，该连接同构图包括终端对应的终端节点、以及用于表征终端之间具有社交关联关系的边；此时可以由聚类单元305根据连接同构图中的边对终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端。该方案可以基于终端信息和网络信息构建终端与无线局域网之间的连接异构图，并基于目标网络节点将连接异构图转换为终端之间的连接同构图，从而可以根据连接同构图中的边对终端节点进行聚类，以准确识别出具有目标社交关系的终端节点对应的终端，其中，使用具有目标社交关系的终端的用户即为具有目标社交关系(例如家庭关系)的用户，提高了对终端关系识别准确性。

本申请实施例还提供一种计算机设备，该服务器可以是服务器，如图11所示，其示出了本申请实施例所涉及的服务器的结构示意图，具体来讲：

该服务器可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图11中示出的服务器结构并不构成对服务器的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：

处理器401是该服务器的控制中心，利用各种接口和线路连接整个服务器的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。

存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。

服务器还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该服务器还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，服务器中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：

获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息；根据网络信息和终端信息，构建终端与无线局域网之间的连接异构图，连接异构图包括终端对应的终端节点、无线局域网对应的网络节点、以及用于表征终端与无线局域网的连接关系的边；从连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点；基于目标网络节点，将连接异构图转换为终端之间的连接同构图，连接同构图包括终端对应的终端节点、以及用于表征终端之间具有社交关联关系的边；根据连接同构图中的边对终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端。

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述的部分，可以参见上文针对终端关系识别方法的详细描述，此处不再赘述。

根据本申请的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述实施例中各种可选实现方式中提供的方法。

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可以通过计算机指令来完成，或通过计算机指令控制相关的硬件来完成，该计算机指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。为此，本申请实施例提供一种存储介质，其中存储有计算机程序，计算机程序可以包括计算机指令，该计算机程序能够被处理器进行加载，以执行本申请实施例所提供的任一种终端关系识别方法。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

其中，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。

由于该存储介质中所存储的指令，可以执行本申请实施例所提供的任一种终端关系识别方法中的步骤，因此，可以实现本申请实施例所提供的任一种终端关系识别方法所能实现的有益效果，详见前面的实施例，在此不再赘述。

以上对本申请实施例所提供的一种终端关系识别方法、装置、计算机设备及存储介质进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，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申请的限制。

Claims (13)

1.一种终端关系识别方法，其特征在于，包括：

获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息；

根据所述网络信息和所述终端信息，构建所述终端与所述无线局域网之间的连接异构图，所述连接异构图包括所述终端对应的终端节点、所述无线局域网对应的网络节点、以及用于表征所述终端与所述无线局域网的连接关系的边；

从所述连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点；

基于所述目标网络节点，将所述连接异构图转换为所述终端之间的连接同构图，所述连接同构图包括所述终端对应的终端节点、以及用于表征所述终端之间具有社交关联关系的边；

根据所述连接同构图中的边对所述终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端。

2.根据权利要求1所述的终端关系识别方法，其特征在于，所述从所述连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点包括：

筛选出所述连接异构图中终端节点的连接数量在预设数值范围内的网络节点作为目标网络节点；或者，

基于所述连接异构图提取所述无线局域网在第一时间段内连接终端的数量对应的第一特征向量；

基于所述连接异构图提取所述无线局域网在第二时间段内连接终端的数量对应的第二特征向量；

将所述无线局域网的网络标识与预设的目标网络标识进行匹配，根据匹配结构结果生成目标特征向量；

将所述第一特征向量、所述第二特征向量、以及所述目标特征向量进行拼接，得到拼接后的特征向量；

对所述拼接后的特征向量进行全连接处理，得到针对所述无线局域网的二分类预测结果；

根据所述二分类预测结果从所述连接异构图中筛选出目标网络节点。

3.根据权利要求2所述的终端关系识别方法，其特征在于，所述基于所述连接异构图提取所述无线局域网在第一时间段内连接终端的数量对应的第一特征向量，基于所述连接异构图提取所述无线局域网在第二时间段内连接终端的数量对应的第二特征向量包括：

基于所述连接异构图提取所述无线局域网在第一时间段内连接终端的数量作为第一特征，对所述第一特征进行多维的卷积处理，得到第一特征向量；

基于所述连接异构图提取所述无线局域网在第二时间段内连接终端的数量作为第二特征，对所述第二特征进行一维的卷积处理，得到第二特征向量。

4.根据权利要求1所述的终端关系识别方法，其特征在于，所述网络信息包括网络标识，所述终端信息包括终端标识、终端与无线局域网之间的连接关系和连接次数，所述根据所述网络信息和所述终端信息，构建所述终端与所述无线局域网之间的连接异构图包括：

将终端标识设置为终端节点，将网络标识设置为网络节点，将所述终端和无线局域网之间的网络连接关系设置为所述终端节点和所述网络节点之间连接的边，以及将所述终端和所述无线局域网之间的连接次数设置为所述边的权重；

根据所述终端节点、所述网络节点、所述边和所述权重，构建所述终端与所述无线局域网之间的连接异构图。

5.根据权利要求1所述的终端关系识别方法，其特征在于，所述终端节点包括多个，所述基于所述目标网络节点，将所述连接异构图转换为所述终端之间的连接同构图包括：

获取所述连接异构图中每两个终端节点之间与所述目标网络节点的连接信息；

当两个终端节点之间与所述目标网络节点的连接信息为连接同一个目标网络节点时，构建所述两个终端节点之间具有社交关联关系的边，以及将所述两个终端节点的与所述目标网络节点之间连接的边的权重中最小值，作为所述两个终端节点之间连接的边的权重，以生成终端节点对应的终端之间的连接同构图；

当两个终端节点之间与所述目标网络节点的连接信息为连接相同多个目标网络节点时，构建所述两个终端节点之间具有社交关联关系的边，以及将所述两个终端节点的与所述多个目标网络节点之间连接的边的权重中最小值进行累加，将累加值作为所述两个终端节点之间连接的边的权重，以生成终端节点对应的终端之间的连接同构图。

6.根据权利要求5所述的终端关系识别方法，其特征在于，所述获取所述连接异构图中每两个终端节点之间与所述目标网络节点的连接信息包括：

从所述连接异构图中提取出包含所述目标网络节点与终端节点连接的目标异构图；

将所述目标异构图中连接终端节点数量大于预设数量阈值的目标网络节点剔除，以及将所述目标异构图中连接时间小于预设时间阈值的边剔除，得到优化后异构图；

获取所述优化后异构图中每两个终端节点之间与所述目标网络节点的连接信息。

7.根据权利要求1至6任一项所述的终端关系识别方法，其特征在于，所述连接同构图中还包括边的权重，所述根据所述连接同构图中的边对所述终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端包括：

根据所述连接同构图中的边和权重对所述终端节点进行聚类，得到终端节点连接形成的节点连接区域；

筛选出区域结构强度值满足预设强度阈值的节点连接区域，得到目标区域；

将形成所述所述目标区域的终端节点对应的终端，设置为具有目标社交关系的终端。

8.根据权利要求7所述的终端关系识别方法，其特征在于，所述根据所述连接同构图中的边和权重对所述终端节点进行聚类，得到终端节点连接形成的节点连接区域包括：

将所述连接同构图划分为多个同构子图；

分别基于每个同构子图中的边和权重对所述终端节点进行聚类，得到终端节点连接形成的节点连接区域。

9.根据权利要求8所述的终端关系识别方法，其特征在于，将所述连接同构图划分为多个同构子图包括：

获取所述连接同构图中所述终端节点对应的终端的终端位置信息；

根据所述终端位置信息构建所述连接同构图对应的地理空间同构图，所述地理空间同构图包括终端节点映射在预设地区范围内的地理位置；

按照预设规整网格划分策略将所述地理空间同构图切割为规整网格，得到多个同构子图；或者，

按照预设街区划分策略，以街区为基本空间单元对所述地理空间同构图的地表空间进行切割，得到多个同构子图。

10.根据权利要求7所述的终端关系识别方法，其特征在于，所述筛选出区域结构强度值满足预设强度阈值的节点连接区域，得到目标区域包括：

获取所述连接同构图对应的所述节点连接区域的区域个数，以及所述节点连接区域中终端节点相互连接的连接数目；

获取所述连接同构图中的边数；

根据所述区域个数、所述连接数目和所述边数计算所述节点连接区域的区域结构强度值；

筛选区域结构强度值满足预设强度阈值的节点连接区域，得到目标区域。

11.一种终端关系识别装置，其特征在于，包括：

信息获取单元，用于获取预设地区范围内至少一个无线局域网的网络信息，以及至少一个终端的终端信息；

构建单元，用于根据所述网络信息和所述终端信息，构建所述终端与所述无线局域网之间的连接异构图，所述连接异构包括所述终端对应的终端节点、所述无线局域网对应的网络节点、以及用于表征所述终端与所述无线局域网的连接关系的边；

筛选单元，用于从所述连接异构图中筛选出终端节点的连接数量满足预设条件的目标网络节点；

转换单元，用于基于所述目标网络节点，将所述连接异构图转换为所述终端之间的连接同构图，所述连接同构图包括所述终端对应的终端节点、以及用于表征所述终端之间具有社交关联关系的边；

聚类单元，用于根据所述连接同构图中的边对所述终端节点进行聚类，以识别出具有目标社交关系的终端节点对应的终端。

12.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行如权利要求1至10任一项所述的终端关系识别方法。

13.一种存储介质，其特征在于，所述存储介质用于存储计算机程序，所述计算机程序被处理器加载以执行权利要求1至10任一项所述的终端关系识别方法。

Images