CN113221015A - 一种同源用户确定及同源网络构建方法、系统及存储介质 - Google Patents

Abstract

本发明公开了一种同源用户确定及同源网络构建方法、系统及存储介质，其中方法包括：获取用户数据、网络数据及设备数据；将所获取到的数据至少归集为人相关数据及物相关数据两类；至少根据所归集的人相关数据确定同源用户；至少根据所归集的人相关数据及物相关数据分析结果构建同源网络。本发明所提供的方法，一、使得所分析的对象不再局限于人，进而提高对人分析结果的精准性；二、提出了全新的数据概念—“同源用户”，利用同源用户的概念，可更为有效的对用户之间的联系进行更为全面的分析；三、提出了全新的数据概念—“同源网络”，提高了数据获取分析的全面性，进而拓宽了分析后数据的应用范围。

Description

一种同源用户确定及同源网络构建方法、系统及存储介质

技术领域

本发明涉及信息分析技术领域，尤其涉及的是一种同源用户确定及同源网络构建方法、系统及存储介质。

背景技术

用户信息的分析对于任何领域而言都具有重大意义，比如对于电商平台来说，用户信息分析可以使平台运营商获知用户性别年龄、工作、收入水平、兴趣偏好等等，并通过这些信息，挖掘用户潜在需求，以此向用户进行更有针对性的商品推荐。再比如对于OTT广告投放商来说，用户信息分析可以帮助广告投放商获知家庭用户成员、各成员基本信息（年龄、性别、喜好等等）、各成员观影时段等等，以此来帮助广告投放商进行广告的精准投放，一方面减少家庭成员对所投放广告的抵触情绪，另一方面提高广告的投放效果；同理，对于其他领域而言，用户信息分析亦是极为重要的，此处不再一一列举。

现有技术对于用户信息的分析方式通常是采集用户/家庭基本信息及行为信息，而后对所获取到的数据进行多维度分析，进而获得所需要的该用户的用户画像、家庭画像、用户需求等等信息。

比如，授权公告号为CN109783733B的发明专利公开了用户画像生成装置及方法、信息处理装置及存储介质，其中用户画像生成方法包括：会话信息接收步骤，其接收用户的会话信息；画像特征获得步骤，其通过对接收的会话信息进行基于多意图分发和决策的画像特征获得处理，来获得所述用户的画像特征；以及用户画像生成/更新步骤，其使用画像特征获得步骤中获得的画像特征，生成所述用户的用户画像或更新所述用户的当前用户画像。

所述画像特征获得步骤进一步包括：候选画像特征提取步骤，其对在会话信息接收步骤中接收的会话信息进行基于多意图分发的候选画像特征提取处理，以提取会话信息的所有候选画像特征；以及画像特征确定步骤，其对提取的所有候选画像特征进行决策处理，以将所有候选画像特征中的、有效反应用户偏好的候选画像特征，确定为所述用户的画像特征。

所述候选画像特征提取步骤进一步包括：意图识别子步骤，其对会话信息进行意图识别，以识别所有可能意图；意图分发子步骤，其根据意图识别步骤中识别出的各可能意图，将会话信息分发给与识别出的各可能意图对应的意图领域；以及语义理解子步骤，其针对各意图领域，对会话信息进行语义理解处理，以提取出针对各意图领域可能反应用户偏好的候选画像特征。

在所述画像特征确定步骤中，依据所述会话信息的上下文信息和/或基于多意图分发的候选画像特征的置信度，对提取的所有候选画像特征进行决策处理，以在所述候选画像特征中确定画像特征。

该用户画像生成方法通过采集用户的会话信息，而后对所采集的会话信息进行候选画像特征提取等处理，进而生成该用户的画像。

又比如，申请公开号为CN106910136A的发明专利申请公开了一种为家庭画像的方法及装置、系统，其中方法包括：接收路由器上传的目标用户的行为信息；根据所述行为信息获取家庭画像；其中，所述家庭画像指示以下至少一项：家庭人员构成、家庭人员属性；所述家庭人员构成指示以下至少一项：家庭人员组成、家庭人员之间的关系；所述家庭人员属性指示以下至少一项：年龄、性别、兴趣、职业。

该为家庭画像的方法通过采集单一家庭中用户的行为信息并进行分析后构建家庭画像。

现有技术对于用户信息的分析基本局限在单一用户、单一家庭，对于信息的统计全面性不足。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种同源用户确定及同源网络构建方法、系统及存储介质，旨在解决现有技术对于用户信息的分析基本局限在单一用户、单一家庭、人与人之间的关系，对于信息的统计全面性不足的问题。

本发明的技术方案如下：

一种同源用户确定及同源网络构建方法，其包括：

获取至少两个包含用户基本信息的用户数据、能够说明至少两个用户之间关系的网络数据，以及与至少一个所述用户对应的网络相关设备的设备数据；

将所获取到的数据至少归集为人相关数据及物相关数据两类；

至少根据所归集的人相关数据分析人与人之间的联系，并根据人相关数据分析结果确定同源用户；

至少根据所归集的物相关数据分析网络相关设备与同源用户之间的联系，并根据人相关数据分析结果及物相关数据分析结果构建同源网络。

上述方案的效果在于：

一方面，通过归集并分析人相关数据及物相关数据对所获取的信息进行更为全面的分析，使得所分析的对象不再局限于人，进而提高对人分析结果的精准性。比如在构建用户A画像时，涉及用户A所拥有的移动终端数量，只分析人，获悉用户A经常操作某平板，据此所确定用户A所拥有的移动终端数量为N，但通过物相关数据分析，发现该平板还经常被用户B及用户C所操控，且频次皆不低于用户A，则据此应为该平板是否属于用户A打上“不确定”或“与用户B和用户C共用”等标签，具体的标记方式本发明不做具体限定，可见本发明可提高信息分析的精准性。再比如在分析用户的社交关系时，仅统计人相关数据，用户A与用户D并没有联系（用户A及用户D皆不属于对方的通讯录等好友，无法得知二者有无联系），但通过统计物相关数据得知，用户A与用户D基本每天都会在同一时间段使用某小区内的某个自动售卖机购买东西，则通过分析该自动售卖机的使用记录基本可以确定二者系邻居，且二者很可能较为熟悉，并非不存在任何联系。类似的例子属实较多，本发明无法一一列举，但可以确定的是，本发明相对于现有技术而言，可以提高信息分析的全面性及精准性。

另一方面，本发明提出了全新的数据概念——“同源用户”，从上述方案不难理解，同源用户指的是存在某种联系的人，具体地，同源可以是指家庭同源（比如几个用户同属一个家庭）、位置同源（若干个用户同住一个小区或一栋楼）、爱好同源（比如多个用户皆喜好观看喜剧、皆喜好观看足球赛事）等等。利用同源用户的概念，本发明可以更为有效的对用户之间的联系进行更为全面的分析。在进行同源分析时，可以同时进行用户多个维度的同源分析，比如可以同时统计某一用户的家庭同源信息、位置同源信息、爱好同源信息、行为同源信息等等，具体地，本发明不做具体限定，本领域技术人员可根据实际情况进行选择，不再赘述。

再一方面，本发明提出了全新的数据概念——“同源网络”，从上述方案不难理解，同源网络基于人相关数据及物相关数据所构建，用于表征人与人、物与物、人与物之间的联系（甚至更为复杂的联系）。本发明通过同源网络的构建，将传统针对单一用户/家庭的数据分析模式转变为包括单人/家庭、人与人之间的有机联系及人与物之间的有机联系在内的全面数据分析模式，提高了数据获取分析的全面性，进而拓宽了分析后数据的应用范围。比如传统的数据分析通常是为了提高商品推荐、广告投放、节目推荐等等服务的准确性，而本发明的数据分析除上述应用范围外，至少还可应用于各类服务业（比如通过构建爱好同源，对某一爱好的群体进行采样调查，了解该群体的共性，进行针对性服务）；教育业（比如对某一地区/学校/班级的同源用户信息进行整理分析，检索是否存在偏科或其他问题，从而侧面了解该地区/学校/班级的各个科目的教育水平等等）；同样的，其他比如文化业、体育业及娱乐业等等皆可，本发明无法一一列举。

在进一步地优选方案中，所述同源网络包括用户同源网络、设备同源网络和/或综合同源网络，所述用户同源网络包括：主节点及主连线，所述主节点包括同源用户的标识信息，所述主连线包括同源用户之间的联系；所述设备同源网络包括：副节点及副连线，所述副节点包括网络相关设备的标识信息，所述副连线包括网络相关设备之间的联系；所述综合同源网络包括：主节点、副节点及次连线，所述次连线包括同源用户与网络相关设备之间的联系。

上述方案的效果在于：不再局限于对于人的画像或联系分析，加入了物与物之间的联系，使得所构建的同源网络具备了物—物要素和/或人—物—物要素，强化了同源网络的功能，使其应用范围更广，数据的统计分析全面性更强。

比如（人—物—物之例），家庭成员通过小度音箱等设备控制家中设备，传统的使用方式需要人工通过蓝牙、网络等方式连接控制设备与被控制设备，但本发明的技术方案可以通过网络数据、位置信息等等确定属于该家庭的网络相关设备，通过小度音箱等设备直接控制家中设备，省去了手动添加的过程。

再比如（物—物之例一），在智慧家庭中，当用户A的手机导航目的地为家庭位置时（或者在手机距离家庭位置小于某数值时），控制中心可以根据用户A的行为习惯自动调整空调温度和/或照明模式等等。

又比如（物—物之例二），在智慧家庭中，当电视机播放电影时，控制中心根据手机联网情况、位置和/或当前播放影像类型等信息确定当前观影的家庭成员，而后根据相应家庭成员的行为习惯控制窗帘开合和/或照明模式等等。

当然，上述举例只是本发明技术方案应用方式的一种举例，只为证明本发明技术效果，并不用于限定本发明技术方案，亦不用于限定本发明所能应用的领域及方式。不难理解的是，除上述举例外，本发明亦可应用于其他领域，比如智慧城市、娱乐业等，本发明无法一一列举，不再赘述。

需要注意的是，本发明所公开的同源网络虽然使用了节点及连线的表达方式，但并不要求必须以网状图的方式来表达，列表、表格甚至于无规律的信息排布方式等等皆可。在进行统计分析后，本领域技术人员可以选择合适的表达方式来对所构建的同源网络进行表示，具体的表示方式本发明不做具体限定。

在进一步地优选方案中，所述将所获取到的数据至少归集为人相关数据及物相关数据两类的步骤具体为：将所获取到的数据至少归集为人相关数据、物相关数据及关系数据三类，所述关系数据用于表征同源用户与网络相关设备之间的关系或者网络相关设备之间的关系。

需要知道的是，在仅将所获取数据归集为人相关数据及物相关数据的情况下，同源用户与网络相关设备之间的关系数据是可以被归集为人相关数据及物相关数据的，同样的，网络相关设备之间的关系数据（不与人产生联系的）亦可被归集为物相关数据，也就是说，无论是否增加关系数据这个类别，数据所蕴含的信息总和是不变的，并不影响本发明技术方案的实现。但同样不难理解的是，上述方案的效果在于：增加关系数据这个类别，使得数据的分析难度更低，每一类数据所表征的信息也更为清晰。

关系数据是指人和物之间产生的联系（可以是直接使用关系，亦可是以第三方为媒介的关系），或者物与物之间产生的联系，即主要包括在空间场景中人—物—物、人—物—人或物—物的关系。具体地，主要包括：（1）人对设备之间的使用关系；（2）设备与设备之间的网络发现关系；（3）通过路由器建立的设备和设备的关系；（4）基于同一地理位置区域的人和物、物和物的关系；（5）以人的兴趣为联系的物与物之间的关系（比如同样喜爱喜剧片的多个用户所对应的电视机）等等。

在进一步地优选方案中，所述将所获取到的数据至少归集为人相关数据及物相关数据两类的步骤具体为：将所获取到的数据至少归集为人相关数据、物相关数据及标签数据三类。

标签数据主要指用于标示用户特征的数据，比如独立兴趣偏好（喜爱游戏、喜爱旅游、喜爱阅读历史名著等等）；也可以指发生关联的人和物之间所表征的语义标签，比如联动兴趣偏好（喜爱手机游戏、喜爱用电视观看电影、喜爱的智慧家庭中照明系统中某种照明模式），时间偏好（习惯周末利用某APP购买下午茶、喜欢周五晚8点利用手机或电视观看某类型的影片）。在不设置标签数据类别的情况下，该类别的数据可以归集为人相关信息及物相关信息，并不影响本发明技术方案的实现。

上述方案的效果在于：标签数据对于本发明所提出的同源用户及同源网络而言，在有需要时，能够更为便捷快速的筛选某类同源的同源用户（比如爱好同源、位置同源）。在具体实施时，标签数据下可细分为多个子标签，比如喜剧同源，而喜剧同源下可存储与同源用户一一对应的标识信息，即将所有喜好喜剧的同源用户的标识信息都归集到喜剧同源标签下；当需要构建喜剧同源网络时，可直接调集该子标签下的数据，迅速完成喜剧同源网络的构建。当然，上述举例只为解释本发明技术效果，并不用于限定本发明，即并不能因此认定本发明中数据的归集方式仅此一种，本领域技术人员可根据具体情况进行适应性选择及调整，对此本发明不做过多赘述及限定。

在进一步地优选方案中，所述标签数据包括：基础信息类标签、行为类标签和/或预测性标签，所述基础信息类标签至少用于存储人或物的物理属性输出的数据，所述行为类标签至少用于存储人的行为数据，所述预测性标签至少用于存储对用户行为进行预测的结果数据。

上述方案的效果在于：基础信息类标签可以辅助构建如家庭同源、楼栋同源、小区同源等基于基础信息进行同源分析的同源网络构建；行为类标签可以辅助如地点同源（常出没于某地休闲、皆在某企业工作、皆喜欢去某地旅游等等同源）、爱好同源等基于行为习惯的同源网络的构建；预测性标签指的是大数据技术和AI算法技术（使用的AI技术包括分类技术、预测技术、排序技术、召回技术、深度向量化技术和/或NLP技术等）学习历史行为数据并对用户行为进行预测的数据标签；具体地，通过对历史数据的标注标签进行深度学习；比如借助深度兴趣网络，对兴趣同源、位置同源等同源关系下的人和物的行为进行分类和预测，产出一种概率性标签，即每一个标签的数值为用户可能具备该标签的概率，这种概率型的标签，同时也具备负向标签的能力技，即用户对此标签不感兴趣。（例如某标签的用户喜好概率为90%以上，为用户具备此偏好，如果数值为10%以内，即为用户明确不感兴趣）。可见，预测性标签可以弥补数据采集全面性不足的问题，进而提高同源网络的全面性。

在进一步地优选方案中，所述至少根据所归集的人相关数据分析人与人之间的联系，并根据人相关数据分析结果确定同源用户的步骤之后还包括：根据所确定的同源用户分别构建个体层用户画像及群体层用户画像，所述个体层用户画像用于描述单个同源用户，所述群体层用户画像用于描述具有相同特点的多个同源用户。

上述方案的效果在于：传统的用户画像时基于每一个单体进行描述，比如描述用户A，姓名：用户A、年龄：25、性别：男、爱好：流行音乐等等。本发明则在此基础上（或者优选地，本发明在进行单体层用户画像时，统合同源用户的人相关信息及与其相关的物相关信息），为群体进行画像，具体地，群体层用户画像优选是在基于人和物的同源关系基础上，进行聚合，生成新的画像标签。比如某一爱好同源群体，群体画像ID：XXXXX，爱好：流行音乐，年龄：15~25（75%）、25~30（14%）及其他（11%），性别：60%男及40%女等等。又比如在家庭场景下当中，连接同一路由器下有两部手机，一部画像为男，另一部画像为女，则在家庭中的同源用户画像的构建则为家庭成员标签两人和家庭组成结构为（夫妻、父女、母子等等）。群体层用户画像应用范围广泛，比如对于运营小说阅读网站的企业而言，了解喜爱各类别小说的群体，能够更为准确的提供服务，增加用户体验（针对性调整页面，增加阅读舒适性等等），进而提高用户粘性，吸引新进用户。此外，亦可通过其他方式应用于诸领域，本发明对此不做具体限定及过多举例。

此外，传统的用户画像有针对特殊群体的画像，比如家庭画像，但生成方法是在单一个体画像的基础上进行简单统合，并没有对家庭这个群体的统计边界和统计标准做定义，也没有进行家庭ID设计（更没有其他群体ID设计）。而本发明提出的同源用户画像，会构建单一个体（人+物）画像，而后进行融合，以同源用户的定义确定统计的边界和统计的度量标准，同时生成一个唯一画像ID。

在进一步地优选方案中，所述用户数据、网络数据及设备数据从以下渠道中的一个或多个获取：家用大屏设备、智能家居设备、小屏设备、路由器、楼宇内信息投放设备、电梯内信息投放设备、汽车车载系统及用户居住数据。

上述方案的效果在于：根据不同的数据可归集出不同的人相关数据及物相关数据，而根据不同的人相关数据可确定不同的同源用户，且利用不同的人相关数据及物相关数据可构建不同的同源网络。

在进一步地优选方案中，所述用户数据、网络数据及设备数据由两方或多方提供，两方或多方提供的数据采用数据黑盒技术进行融合加工。

上述方案的效果在于：两方或多方提供的数据相较于一方单独采集的数据而言，更为全面，同样的，数据进行融合加工得到的结果也更为全面且准确；同时，在进行数据融合加工时，采用了数据黑盒技术，保证了数据提供方所提供的数据不会泄露，提高了数据安全性。

一种用于实现如上所述同源用户确定及同源网络构建方法的系统，其包括存储器及处理器，所述存储器用于存储同源用户确定及同源网络构建程序，所述处理器用于运行所述同源用户确定及同源网络构建程序以实现如上所述的同源用户确定及同源网络构建方法。所述系统具备所述同源用户确定及同源网络构建方法的所有技术特征，同样的，亦具备所述同源用户确定及同源网络构建方法的所述技术效果，不再赘述。

一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上所述的同源用户确定及同源网络构建方法的步骤。所述存储介质具备所述同源用户确定及同源网络构建方法的所有技术特征，同样的，亦具备所述同源用户确定及同源网络构建方法的所述技术效果，不再赘述。

与现有技术相比，本发明提供的同源用户确定及同源网络构建方法、系统及存储介质，包括：获取至少两个包含用户基本信息的用户数据、能够说明至少两个用户之间关系的网络数据，以及与至少一个所述用户对应的网络相关设备的设备数据；将所获取到的数据至少归集为人相关数据及物相关数据两类；至少根据所归集的人相关数据分析人与人之间的联系，并根据人相关数据分析结果确定同源用户；至少根据所归集的物相关数据分析网络相关设备与同源用户之间的联系，并根据人相关数据分析结果及物相关数据分析结果构建同源网络。本发明所提供的方法，一方面，通过归集并分析人相关数据及物相关数据对所获取的信息进行更为全面的分析，使得所分析的对象不再局限于人，进而提高对人分析结果的精准性；另一方面，本发明提出了全新的数据概念—“同源用户”，利用同源用户的概念，本发明可以更为有效的对用户之间的联系进行更为全面的分析；再一方面，本发明提出了全新的数据概念—“同源网络”，提高了数据获取分析的全面性，进而拓宽了分析后数据的应用范围。

附图说明

图1是本发明中同源用户确定及同源网络构建方法的流程图。

具体实施方式

本发明提供一种同源用户确定及同源网络构建方法、系统及存储介质，为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明提供了一种同源用户确定及同源网络构建方法，其包括：

S100、获取至少两个包含用户基本信息的用户数据、能够说明至少两个用户之间关系的网络数据，以及与至少一个所述用户对应的网络相关设备的设备数据。

作为本发明的优选实施例，所述用户数据、网络数据及设备数据从以下渠道中的一个或多个获取：家用大屏设备、智能家居设备、小屏设备、路由器、楼宇内信息投放设备、电梯内信息投放设备、汽车车载系统及用户居住数据。可以理解的是，上述数据获取渠道及下文所公开的具体信息只为举例解释本发明（下文将利用下文所列举的具体信息应用举例说明，同样只用于解释本发明所能够应用的方式及所能够具有的技术效果，但同样不用于限定保护范围），而不能用于限定本发明的保护范围，具体的数据获取渠道及具体所获取的内容可由本领域技术人员适应性选择。

优选地，从家用大屏设备与智能家居设备可以获取内容包括：设备唯一标识ID信息、设备核心硬件信息、软件系统核心信息、应用行为信息及设备连接关系信息；还可以包括：硬件信息、元组件信息、系统信息、软件信息、应用APP信息、播放器信息及内容信息等。

从小屏设备（以手机为例）可以获取内容包括：手机唯一标识ID信息、设备核心信息、系统核心信息、应用APP信息、设备连接关系信息及位置信息；还可以包括：硬件信息、元组件信息、系统信息、软件信息、应用APP信息、播放器信息及内容信息等。

从路由器（或与路由器具有相似功能的其他网络设备）可以获取内容包括：路由器的网络设备ID、网络地址、IP地址、以及通过网络扫码的设备的以太网地址、IP地址及端口信息等；还可以包括：硬件信息、软件信息、网络地址及设备关联信息。

从楼宇内信息投放设备可以获取内容包括：楼宇位置信息、楼层信息、投放设备的硬件信息、软件信息及连接关系信息等。

从电梯内信息投放设备可以获取内容包括：投放设备的硬件信息、软件信息及连接关系信息等。

从汽车车载系统可以获取内容包括：设备唯一标识ID信息、设备核心硬件信息、软件系统核心信息、应用行为信息及设备连接关系信息；还可以包括：汽车硬件信息、车载系统信息、软件信息、应用APP信息、设备连接关系信息、使用行为信息、播放器信息及内容信息。

用户居住数据包括：位置信息、地址信息及所属楼盘或小区信息；还可以包括：小区名称、物业类型、容积率、停车位、绿化面积、配套建筑类型、商户、地图上POI标注数据、分类信息及位置信息。

根据本发明的另一方面，所述用户数据、网络数据及设备数据由两方或多方提供，两方或多方提供的数据采用数据黑盒技术进行融合加工。比如甲乙丙三方分别上传数据，而后利用数据黑盒技术融合后处理，优选在上传数据时，甲乙丙三方上传自己的数据至独立的数据库，彼此互相不可见，以此可保证各自的数据不会泄露，配合数据黑盒技术可进一步提高各自数据的安全性。

S200、将所获取到的数据至少归集为人相关数据及物相关数据两类。

优选地，在进行数据归集时，可将与人相关的所有数据皆归集为人相关数据（包含与人与物皆相关的数据），将与物相关的所有数据皆归集为物相关数据（包含被使用记录）。

在进一步地较佳实施例中，所获取的数据可以归集为人相关数据、物相关数据、关系数据及标签数据。可以理解的是，数据的归集方式不止本发明所公开的几种，如何归集数据可以由本领域技术人员自行选择或调整，本发明对此并不进行具体限定。

具体实施时，人相关数据可以包括以下几个方面（仅为举例）：1、个人基本资料，2、用户网络身份标识信息，3、个人通信信息，4、联系人信息，5、个人上网记录，6、个人常用设备信息，7、个人位置信息。

具体地，1、个人基本资料可以包括：姓名、生日、性别、民族、国籍、家庭关系、住址、个人电话号码和/或电子邮件地址等。

2、用户网络身份标识信息可以包括：个人信息主体账号、IP 地址和/或个人数字证书。

3、个人通信信息可以包括：通信记录和内容、短信、彩信、电子邮件和/或描述个人通信的数据（通常称为元数据）等。

4、联系人信息可以包括：通讯录、好友列表、群列表和/或电子邮件地址列表等。

5、个人上网记录指通过日志储存的个人信息主体操作记录，可以包括：网站浏览记录、软件使用记录、点击记录和/或收藏列表等。

6、个人常用设备信息指包括：硬件序列号、设备MAC地址、软件列表、唯一设备识别码（如IMEI/Android ID/IDFA/OpenUDID/GUID/SIM卡 IMSI信息等）等在内的描述个人常用设备基本情况的信息。

7、个人位置信息可以包括：行踪轨迹、精准定位信息、住宿信息和/或经纬度等。

物相关数据可以包括以下几个方面（仅为举例）：1、物品基本资料（物品名称、硬件信息、原材料信息和/或元部件信息），2、设备网络身份标识信息（Mac地址、IP 地址和/或物品ID ），3、物品通信信息（设备连接关系和/或物联网通讯协议等 ），4、物品使用行为记录（指通过日志储存的物品操作记录，包括硬件开关记录和/或软件使用记录等 ），5、物品位置信息（包括行踪轨迹、精准定位信息和/或经纬度等）。

关系数据可以包括以下几个方面（仅为举例）：1、人与设备的使用关系，2、设备与设备之间的网络发现关系，3、通过路由器建立的设备和设备的关系，4、基于同一地理位置区域的人和物、物和物的关系，5、以人的兴趣为联系的物与物之间的关系（比如同样喜爱喜剧片的多个用户所对应的电视机）等等。

标签数据主要指用于标示用户特征的数据，比如独立兴趣偏好（喜爱游戏、喜爱旅游、喜爱阅读历史名著等等）；也可以指发生关联的人和物之间所表征的语义标签，比如联动兴趣偏好（喜爱手机游戏、喜爱用电视观看电影、喜爱的智慧家庭中照明系统中某种照明模式），时间偏好（习惯周末利用某APP购买下午茶、喜欢周五晚8点利用手机或电视观看某类型的影片）。在不设置标签数据类别的情况下，该类别的数据可以归集为人相关信息及物相关信息，并不影响本发明技术方案的实现。

具体地，所述标签数据可以包括：基础信息类标签、行为类标签和/或预测性标签，所述基础信息类标签至少用于存储人或物的物理属性输出的数据，所述行为类标签至少用于存储人的行为数据，所述预测性标签至少用于存储对用户行为进行预测的结果数据。

S300、至少根据所归集的人相关数据分析人与人之间的联系，并根据人相关数据分析结果确定同源用户。

同源用户是指通过物品、通过关系或者通过信息能够发生联系的一群用户，在空间场景中，同源用户的关系结构可以是人-物-物、人-物-人或物-物的关系。同源用户的应用领域及范围广泛：人-物-物关系如家庭中通过人通过小度音箱控制家中设备；人-物-人如家庭中用户通过手机或电视连接父母家中的电视，协助配置系统参数的远程操作；物-物的关系例如 家庭物联网设备自主的信息互通完成任务。具体如何应用不在本发明的保护及限定范围内，上述应用方式及领域只为解释本发明技术方案，而不用于限定本发明保护范围。

同源用户当中，根据关联关系的紧密程度，可以分为强同源和弱同源；强同源关系，如几个人使用同一物品、人和物品出现在同一区域、物品和物品出现在同一局域网络等等。弱同源关系指的是用户通过使用物品所表征出来的信息作为关联，例如共同喜爱喜剧、共同在8:00观影等等。

同源用户之间发生的关系称之为同源关系，同源关系除了区分强同源和弱同源。还可以按照使用的场景不同，分为家庭同源、楼宇同源、小区同源、兴趣偏好同源等。

S400、至少根据所归集的物相关数据分析网络相关设备与同源用户之间的联系，并根据人相关数据分析结果及物相关数据分析结果构建同源网络。同源网络是指将用户所处的空间中的各领域的人和物的数据采集和融合到一起，通过技术手段发现他们的关联关系，并推测关系类型，建立用户在空间场景中人-物-物、人-物-人或物-物的关系网络。

所述同源网络包括用户同源网络、设备同源网络和/或综合同源网络，所述用户同源网络包括：主节点及主连线，所述主节点包括同源用户的标识信息，所述主连线包括同源用户之间的联系；所述设备同源网络包括：副节点及副连线，所述副节点包括网络相关设备的标识信息，所述副连线包括网络相关设备之间的联系；所述综合同源网络包括：主节点、副节点及次连线，所述次连线包括同源用户与网络相关设备之间的联系。

用户同源网络在上述同源关系的描述中已有涉及，但需要注意的是，用户同源网络与同源关系不同，用户同源网络可以蕴含更多的信息（也可以不含其他信息，单纯构建兴趣同源关系网络），比如兴趣同源网络中除兴趣同源关系外还可以包含地理位置信息（以描述同源用户之间的距离等信息）、联系信息（比如该网络下某些同源用户不仅兴趣相同，且生活中亦是朋友关系）等等。

设备同源网络可以是指设备之间的连接关系网络，也可以是指设备之间的归属关系网络等等。综合同源网络可以是指既含有同源设备、又含有同源用户的关系网络；比如在某一用户同源网络中添加各自所拥有的网络相关设备（比如在家庭同源网络中添加共有的电视及各自拥有的手机，以全面准确描述该家庭，为该家庭构建画像），再比如在设备同源网络中添加用户（比如以某企业分散布置的同源设备为基础，增加用户信息，以便该企业全面了解其所布置设备的使用情况，而后进行针对性调整，更为合理的服务消费者，提高市场竞争力）等等。

根据本发明地另一方面，所述至少根据所归集的人相关数据分析人与人之间的联系，并根据人相关数据分析结果确定同源用户的步骤之后还包括：根据所确定的同源用户分别构建个体层用户画像及群体层用户画像，所述个体层用户画像用于描述单个同源用户，所述群体层用户画像用于描述具有相同特点的多个同源用户。

一种用于实现如上所述同源用户确定及同源网络构建方法的系统，其包括存储器及处理器，所述存储器用于存储同源用户确定及同源网络构建程序，所述处理器用于运行所述同源用户确定及同源网络构建程序以实现如上所述的同源用户确定及同源网络构建方法。所述系统具备所述同源用户确定及同源网络构建方法的所有技术特征，同样的，亦具备所述同源用户确定及同源网络构建方法的所述技术效果，不再赘述。

一种存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如上所述的同源用户确定及同源网络构建方法的步骤。所述存储介质具备所述同源用户确定及同源网络构建方法的所有技术特征，同样的，亦具备所述同源用户确定及同源网络构建方法的所述技术效果，不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（SyNchliNk） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种同源用户确定及同源网络构建方法，其特征在于，包括：

获取至少两个包含用户基本信息的用户数据、能够说明至少两个用户之间关系的网络数据，以及与至少一个所述用户对应的网络相关设备的设备数据；

将所获取到的数据至少归集为人相关数据及物相关数据两类；

至少根据所归集的人相关数据分析人与人之间的联系，并根据人相关数据分析结果确定同源用户；

至少根据所归集的物相关数据分析网络相关设备与同源用户之间的联系，并根据人相关数据分析结果及物相关数据分析结果构建同源网络。

2.根据权利要求1所述的同源用户确定及同源网络构建方法，其特征在于，所述同源网络包括用户同源网络、设备同源网络和/或综合同源网络，所述用户同源网络包括：主节点及主连线，所述主节点包括同源用户的标识信息，所述主连线包括同源用户之间的联系；所述设备同源网络包括：副节点及副连线，所述副节点包括网络相关设备的标识信息，所述副连线包括网络相关设备之间的联系；所述综合同源网络包括：主节点、副节点及次连线，所述次连线包括同源用户与网络相关设备之间的联系。

3.根据权利要求1所述的同源用户确定及同源网络构建方法，其特征在于，所述将所获取到的数据至少归集为人相关数据及物相关数据两类的步骤具体为：将所获取到的数据至少归集为人相关数据、物相关数据及关系数据三类，所述关系数据用于表征同源用户与网络相关设备之间的关系或者网络相关设备之间的关系。

4.根据权利要求1所述的同源用户确定及同源网络构建方法，其特征在于，所述将所获取到的数据至少归集为人相关数据及物相关数据两类的步骤具体为：将所获取到的数据至少归集为人相关数据、物相关数据及标签数据三类。

5.根据权利要求4所述的同源用户确定及同源网络构建方法，其特征在于，所述标签数据包括：基础信息类标签、行为类标签和/或预测性标签，所述基础信息类标签至少用于存储人或物的物理属性输出的数据，所述行为类标签至少用于存储人的行为数据，所述预测性标签至少用于存储对用户行为进行预测的结果数据。

6.根据权利要求1所述的同源用户确定及同源网络构建方法，其特征在于，所述至少根据所归集的人相关数据分析人与人之间的联系，并根据人相关数据分析结果确定同源用户的步骤之后还包括：

根据所确定的同源用户分别构建个体层用户画像及群体层用户画像，所述个体层用户画像用于描述单个同源用户，所述群体层用户画像用于描述具有相同特点的多个同源用户。

7.根据权利要求1所述的同源用户确定及同源网络构建方法，其特征在于，所述用户数据、网络数据及设备数据从以下渠道中的一个或多个获取：家用大屏设备、智能家居设备、小屏设备、路由器、楼宇内信息投放设备、电梯内信息投放设备、汽车车载系统及用户居住数据。

8.根据权利要求1所述的同源用户确定及同源网络构建方法，其特征在于，所述用户数据、网络数据及设备数据由两方或多方提供，两方或多方提供的数据采用数据黑盒技术进行融合加工。

9.一种用于实现如权利要求1至8中任意一项所述同源用户确定及同源网络构建方法的系统，其特征在于，包括存储器及处理器，所述存储器用于存储同源用户确定及同源网络构建程序，所述处理器用于运行所述同源用户确定及同源网络构建程序以实现如权利要求1至8中任意一项所述的同源用户确定及同源网络构建方法。

10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任意一项所述的同源用户确定及同源网络构建方法的步骤。

Images