CN113496288B - 用户稳定性确定方法、装置、设备及存储介质 - Google Patents
用户稳定性确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113496288B CN113496288B CN202010270985.5A CN202010270985A CN113496288B CN 113496288 B CN113496288 B CN 113496288B CN 202010270985 A CN202010270985 A CN 202010270985A CN 113496288 B CN113496288 B CN 113496288B
- Authority
- CN
- China
- Prior art keywords
- virtual network
- interaction
- network users
- determining
- user
- 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 53
- 230000003993 interaction Effects 0.000 claims abstract description 194
- 238000010586 diagram Methods 0.000 claims abstract description 59
- 230000006399 behavior Effects 0.000 claims description 120
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 description 11
- 238000011161 development Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000013077 scoring method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 102000037983 regulatory factors Human genes 0.000 description 1
- 108091008025 regulatory factors Proteins 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/14—Systems for two-way working
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种用户稳定性确定方法、装置、设备及存储介质。该方法包括:根据获取的虚拟网用户间的通话行为信息,确定虚拟网用户的相似性因子和互动性因子;根据相似性因子和互动性因子,确定虚拟网用户间的交互强度;根据互动性因子和虚拟网用户间的交互强度,构建虚拟网用户间的第一交互行为图;根据第一交互行为图,确定虚拟网用户的稳定性,能够对用户的稳定性进行全面评价,提高了确定运营商的用户稳定性的准确性。
Description
技术领域
本发明属于计算机网络信息技术领域,尤其涉及一种用户稳定性确定方法、装置、设备及存储介质。
背景技术
随着信息化时代的发展,科技的进步激发了电信产业的发展,而电信产业也是推动经济发展的重要支柱。
目前,电信产业的用户稳定性确定方法包括专家打分法和机器学习算法。专家打分法评价用户的稳定性主观性强。基于机器学习算法的用户稳定性确定方法主要通过获取历史稳定用户以及离开当前运营商网络的用户数据,作为机器学习的样本训练集,找到影响用户稳定性的重要因子。通过机器学习算法输出稳定性度量的因子权重或规则集,从而得到每个用户的稳定性。但是,机器学习算法是基于用户本身来评价该用户的稳定性的,较为片面,不够准确。
发明内容
本发明实施例提供一种用户稳定性确定方法、装置、设备及存储介质,能够对用户的稳定性进行全面评价,提高了确定运营商的用户稳定性的准确性。
第一方面,提供了一种用户稳定性确定方法,该方法包括:
根据获取的虚拟网用户间的通话行为信息,确定虚拟网用户的相似性因子和互动性因子;
根据相似性因子和互动性因子,确定虚拟网用户间的交互强度;
根据互动性因子和虚拟网用户间的交互强度,构建虚拟网用户间的第一交互行为图;
根据第一交互行为图,确定虚拟网用户的稳定性。
在一种可能的实现方式中,根据相似性因子和互动性因子,确定虚拟网用户间的交互强度,包括:
根据相似性因子,确定虚拟网用户间的交互行为相似度;
根据虚拟网用户间的交互行为相似度和互动性因子,确定虚拟网用户间的交互强度。
在一种可能的实现方式中,根据互动性因子和虚拟网用户间的交互强度,构建虚拟网用户间的第一交互行为图,包括:
根据互动性因子构建虚拟网用户间的第二交互行为图;
根据虚拟网用户间的交互强度,构建虚拟网用户间的第一交互行为图。
在一种可能的实现方式中,第一交互行为图包括虚拟网用户间的交互强度;
根据第一交互行为图,确定虚拟网用户的稳定性,包括:
根据第一交互行为图,确定虚拟网用户的数量;
根据虚拟网用户的数量确定第一交互行为图中每个虚拟网用户的第一稳定性数值;
根据每个虚拟网用户的第一稳定性数值,计算第一交互行为图中每个虚拟网用户的目标稳定性数值;
根据虚拟网用户间的交互强度和每个虚拟网用户的目标稳定性数值,确定虚拟网用户的稳定性。
在一种可能的实现方式中,根据每个虚拟网用户的第一稳定性数值,计算第一交互行为图中每个虚拟网用户的目标稳定性数值,包括:
根据每个虚拟网用户的第m稳定性数值,计算每一个虚拟网用户的第 m+1稳定性数值;其中,m=一,二,三……;;
当m大于预设迭代阈值,或第m稳定性数值和第m+1稳定性数值之间的差值小于预设稳定性阈值时,确定第m+1稳定性数值为目标稳定性数值。
第二方面,提供了一种用户稳定性确定装置,该装置包括:
第一确定模块,用于根据获取的虚拟网用户间的通话行为信息,确定虚拟网用户的相似性因子和互动性因子;
第二确定模块,用于根据虚拟网用户间的通话行为信息和相似性因子,确定虚拟网用户间的交互强度;
构建模块,用于根据互动性因子和虚拟网用户间的交互强度,构建虚拟网用户间的第一交互行为图;
第三确定模块,用于根据第一交互行为图,确定虚拟网用户的稳定性。
在一种可能的实现方式中,第二确定模块,具体用于:
根据相似性因子,确定虚拟网用户间的交互行为相似度;
根据虚拟网用户间的交互行为相似度和互动性因子,确定虚拟网用户间的交互强度。
在一种可能的实现方式中,构建模块,具体用于:
根据互动性因子构建虚拟网用户间的第二交互行为图;
根据虚拟网用户间的交互强度,构建虚拟网用户间的第一交互行为图。
在一种可能的实现方式中,第一交互行为图包括虚拟网用户间的交互强度;
第三确定模块,具体用于:
根据第一交互行为图,确定虚拟网用户的数量;
根据虚拟网用户的数量确定第一交互行为图中每个虚拟网用户的第一稳定性数值;
根据每个虚拟网用户的第一稳定性数值,计算第一交互行为图中每个虚拟网用户的目标稳定性数值;
根据虚拟网用户间的交互强度和每个虚拟网用户的目标稳定性数值,确定虚拟网用户的稳定性。
在一种可能的实现方式中,第三确定模块,具体用于:
根据每个虚拟网用户的第m稳定性数值,计算每一个虚拟网用户的第 m+1稳定性数值;其中,m=一,二,三……;;
当m大于预设迭代阈值,或第m稳定性数值和第m+1稳定性数值之间的差值小于预设稳定性阈值时,确定第m+1稳定性数值为目标稳定性数值。
第三方面,提供了一种电子设备,该设备包括:处理器以及存储有计算机程序指令的存储器;处理器执行计算机程序指令时实现如第一方面或者第一方面的任一可能实现方式中的方法。
第四方面,提供了一种计算机存储介质,该计算机存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如第一方面或者第一方面的任一可能实现方式中的方法。
基于提供的用户稳定性确定方法、装置、设备及存储介质,通过确定虚拟网用户间的相似性因子和互动性因子,基于虚拟网用户间的相似性因子和获取的虚拟网用户间的通话行为,能够确定虚拟网用户间的交互强度。而虚拟网用户间的交互强度和互动性因子能够构建虚拟网用户间的第一交互行为图。通过第一交互行为图能够从虚拟网用户自身的行为和虚拟网用户间的行为处罚,更全面的确定虚拟网用户的稳定性,因此,提高了确定运营商的用户稳定性的准确性。
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是本发明实施例提供的一种用户稳定性确定方法的流程示意图;
图2是本发明实施例提供的一种用户稳定性确定装置的结构示意图;
图3是本发明实施例提供的电子设备的结构示意图。
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,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
随着信息化时代的发展,科技的进步激发了电信产业的发展,而电信产业也是推动经济发展的重要支柱。
目前,电信产业的用户稳定性确定方法包括专家打分法和机器学习算法。专家打分法评价用户的稳定性主观性强。基于机器学习算法的用户稳定性确定方法主要通过获取历史稳定用户以及离开当前运营商网络的用户数据,作为机器学习的样本训练集,找到影响用户稳定性的重要因子。通过机器学习算法输出稳定性度量的因子权重或规则集,从而得到每个用户的稳定性。
但是,发明人经过研究发现,上述使用机器学习算法在确定用户稳定性的时候可以发现,稳定性度量因子能够从用户自身出发,确定用户在全网的稳定性情况。而实际上,集团虚拟网用户的稳定性主要体现在虚拟网用户的工作圈的稳定性情况。因此,机器学习算法是基于用户本身来评价该用户的稳定性的,并未考虑虚拟网用户在其工作圈等用户之间的通话行为之间的相互影响,进而确定用户的稳定性较为片面,不够准确。
因此,本发明实施例提供了一种用户稳定性确定方法、装置、设备及存储介质,能够提高确定运营商的用户稳定性的准确性。
为了方便理解本发明实施例,首先对本发明实施例提供的用户稳定性确定方法进行详细阐述。
图1是本发明实施例提供的一种用户稳定性确定方法的流程示意图。
如图1所示,本发明实施例提供的用户稳定性确定方法,包括:
S101:根据获取的虚拟网用户间的通话行为信息,确定虚拟网用户的相似性因子和互动性因子。
通话行为信息是指虚拟网用户之间进行通话产生的信息,例如,虚拟网用户i与虚拟网用户j之间的通话时长,主叫方为虚拟网用户i,被叫方为虚拟网用户j等信息。通话行为信息可以存储在数据库中,从数据库中调取通话行为信息。从虚拟网用户间的通话行为信息中能够提取得到相似性因子和互动性因子。
相似性因子是指虚拟网用户之间通话行为有相似的行为因子。例如,虚拟网用户i和虚拟网用户j都与同一个虚拟网用户进行过通话,则虚拟网用户i和虚拟网用户j各自通话的虚拟网用户的重合数量为虚拟网用户i和虚拟网用户j之间的相似性因子。相似性因子可以包括工作日白天常驻地重合天数,通话圈重合数和同一集团资金划账充值等因子。其中,工作日白天常驻地重合天数是指一个月内虚拟网用户与对端用户工作日白天常驻基站重合总天数;通话圈重合数是指一个月内虚拟网该用户与对端用户通话圈重合用户数;同一集团资金划账充值是指一个月内该用户与对端用户是否同一集团划账充值话费。
互动性因子是指能够表示虚拟网用户之间互动性的因子。例如,主叫次数、主叫时长、被叫次数和被叫时长。
需要说明,虚拟网用户是指同一个运营商网络下的用户。
S102:根据相似性因子和互动性因子,确定虚拟网用户间的交互强度。
虚拟网用户间的交互强度能够反映虚拟网用户的稳定性。为了衡量虚拟网用户间交互行为的强弱,需要结合相似性因子和互动性因子,确定虚拟网用户间的交互强度。
具体的,根据相似性因子,确定虚拟网用户间的交互行为相似度。
根据虚拟网用户间的交互行为相似度和互动性因子,确定虚拟网用户间的交互强度。
确定虚拟网用户间的交互行为相似度的相似性因子可以包括工作日白天常驻地重合天数,通话圈重合数和运营商虚拟网用户总数。
以虚拟网用户i和虚拟网用户j为例,其中,虚拟网用户i和虚拟网用户j之间的交互行为相似度sij满足下述公式(1):
其中,dij表示虚拟网用户i和虚拟网用户j在工作日白天常驻地重合天数;eij表示虚拟网用户i和虚拟网用户j之间通话圈重合数;ds表示工作天数;es表示运营商虚拟网用户总数;kij表示表示是否同一集团资金划账充值,若是则kij=1;若否,则kij=0。
结合虚拟网用户间的交互行为相似度和互动性因子,进一步确定能够准确反映虚拟网用户的稳定性的虚拟网用户间的交互强度。
其中,虚拟网用户i和虚拟网用户j之间的交互强度wij满足下述公式 (2):
wij=sij(p·(cij+cji)+q·(tij+tji)) (2)
其中,cij表示虚拟网用户i呼叫虚拟网用户j的总次数;cji表示虚拟网用户j呼叫虚拟用户i的次数;tij表示虚拟网用户i呼叫虚拟网用户j的总时长;tji表示虚拟网用户j呼叫虚拟用户i的时长;p、q均表示调节因子; sij表示虚拟网用户i和虚拟网用户j之间的相似度。
需要说明的是,上述次数和呼叫时长的统计可以按照月份计算,也可以按照季度计算等。另呼叫时长以分钟为单位。
S103:根据互动性因子和虚拟网用户间的交互强度,构建虚拟网用户间的第一交互行为图。
不同工作岗位的虚拟网用户无论是主叫行为还是被叫行为均能够影响虚拟网用户在虚拟网的稳定性。因此,为了准确确定用户在虚拟网络的稳定性,基于互动性因子构建虚拟网用户间的第二交互行为图。在这里,第二交互行为图可以是一个能够表示用户间交互行为的图。
例如,某运营商集团虚拟网用户集合为V,交互行为集合为E,则第二交互行为图定义为G=(V,E)。其中,|V|=n表示虚拟网用户的数量; |E|=m表示虚拟网用户间的交互行为数。虚拟网用户i和虚拟网用户j为邻居节点,且虚拟网用户i和虚拟网用户j之间的交互行为{i,j}∈E。第二交互行为图还可以使用对称邻接矩阵表示为:A=(aij)∈{0,1}n×n。其中,aij表示虚拟网用户i和虚拟网用户j之间的交互行为对应的数值。
构建第二交互行为图后,在第二交互行为图的基础上结合虚拟网用户间的交互强度,构建得到第一交互行为图。第一行为交互图不仅可以表示虚拟网用户间的交互行为,还可以表示虚拟网用户间的交互行为的在整个虚拟网中的权重。
例如,某运营商集团虚拟网用户集合为Vβ,交互行为集合为Eβ,则第二交互行为图定义为G=(Vβ,Eβ)。其中,|Vβ|=n表示虚拟网用户的数量; |Eβ|=m表示虚拟网用户间的交互行为数。虚拟网用户i和虚拟网用户j为邻居节点,且虚拟网用户i和虚拟网用户j之间的交互行为{i,j}∈E。第二交互行为图还可以使用对称邻接矩阵表示为:
其中,表示虚拟网用户i和虚拟网用户j之间的交互行为对应的数值。
S104:根据第一交互行为图,确定虚拟网用户的稳定性。
第一交互行为图中虚拟网用户之间的交互行为是没有方向的,因此,是一个无向加权的交互行为图。可以采用一些算法来确定虚拟网用户的稳定性。
例如,本发明实施例可以采用网页排序(PageRank)算法来确定虚拟网用户的稳定性。但是,本由于网页排序算法适用于有向图,因此,本发明实施例在网页排序算法的基础上进行了一定的改进,以使改进后的网页排序算法能够适用于无向图。
具体的,根据第一交互行为图,确定虚拟网用户的数量;
根据虚拟网用户的数量确定第一交互行为图中每个虚拟网用户的第一稳定性数值;
根据每个虚拟网用户的第一稳定性数值,计算第一交互行为图中每个虚拟网用户的目标稳定性数值;
根据虚拟网用户间的交互强度和每个虚拟网用户的目标稳定性数值,确定虚拟网用户的稳定性。
其中,虚拟网用户i的稳定性S(i)满足下述公式(3):
其中,N=n,n表示虚拟网用户的数量;Fi表示与虚拟网用户i存在交互行为的虚拟网用户;S(j)表示为虚拟网用户j上次迭代得到的稳定性数值,d表示调节因子;wij表示虚拟网用户i和虚拟网用户j之间的交互强度。
第一稳定性数值是指第一交互行为图中每个虚拟网用户的初始稳定性数值。其中,初始稳定性数值S0=1/n。
确定每个虚拟网用户的初始稳定性数值后,基于上述公式(3),迭代计算第一交互行为途中的每个虚拟网用户的稳定性数值。当迭代次数大于预设迭代阈值时,或当前后两次迭代产生的稳定性数值之间的差值小于预设稳定性阈值时,停止迭代。
为了方便清晰的了解迭代过程,以虚拟网用户i为例,介绍上述迭代过程。基于虚拟网用户i的第一稳定性数值、与虚拟网用户i有交互行为的虚拟网用户j的第一稳定性数值和上述公式(3)确定虚拟网用户i的第二稳定性数值。同理,能够得到与虚拟网用户i有交互行为的虚拟网用户j的第二稳定性数值。基于虚拟网用户i的第二稳定性数值、与虚拟网用户i有交互行为的虚拟网用户j的第二稳定性数值和上述公式(3)进一步确定虚拟网用户i的第三稳定性数值,同理能够得到与虚拟网用户i有交互行为的虚拟网用户j的第三定性数值……,如此迭代,也即,根据虚拟网用户i的第m稳定性数值、与虚拟网用户i有交互行为的虚拟网用户j的第m稳定性数值和上述公式(3)确定虚拟网用户i的第m+1稳定性数值,直至当m 大于预设迭代阈值,或第m稳定性数值和第m+1稳定性数值之间的差值小于预设稳定性阈值时,确定第m+1稳定性数值为虚拟网用户i的目标稳定性数值
在这里,为了更精确的得到虚拟网用户的稳定性数值,还可以将目标稳定性数值乘以权重Z,其中,Z为虚拟网用户所在运营商的虚拟网用户的总数。
本发明实施例提供的用户稳定性确定方法,通过确定虚拟网用户间的相似性因子和互动性因子,基于虚拟网用户间的相似性因子和获取的虚拟网用户间的通话行为,能够确定虚拟网用户间的交互强度。而虚拟网用户间的交互强度和互动性因子能够构建虚拟网用户间的第一交互行为图。通过第一交互行为图能够从虚拟网用户自身的行为和虚拟网用户间的行为处罚,更全面的确定虚拟网用户的稳定性,因此,提高了确定运营商的用户稳定性的准确性。
图2是本发明实施例提供的一种用户稳定性确定装置的结构示意图。
如图2所示,本发明实施例提供的一种用户稳定性确定装置,可以包括:第一确定模块201,第二确定模块202,构建模块203,第三确定模块 204。
第一确定模块201,用于根据获取的虚拟网用户间的通话行为信息,确定虚拟网用户的相似性因子和互动性因子;
第二确定模块202,用于根据虚拟网用户间的通话行为信息和相似性因子,确定虚拟网用户间的交互强度;
构建模块203,用于根据互动性因子和虚拟网用户间的交互强度,构建虚拟网用户间的第一交互行为图;
第三确定模块204,用于根据第一交互行为图,确定虚拟网用户的稳定性。
在一种可能的实现方式中,第二确定模块202,具体用于:
根据相似性因子,确定虚拟网用户间的交互行为相似度;
根据虚拟网用户间的交互行为相似度和互动性因子,确定虚拟网用户间的交互强度。
在一种可能的实现方式中,构建模块203,具体用于:
根据互动性因子构建虚拟网用户间的第二交互行为图;
根据虚拟网用户间的交互强度,构建虚拟网用户间的第一交互行为图。
在一种可能的实现方式中,第一交互行为图包括虚拟网用户间的交互强度;
第三确定模块204,具体用于:
根据第一交互行为图,确定虚拟网用户的数量;
根据虚拟网用户的数量确定第一交互行为图中每个虚拟网用户的第一稳定性数值;
根据每个虚拟网用户的第一稳定性数值,计算第一交互行为图中每个虚拟网用户的目标稳定性数值;
根据虚拟网用户间的交互强度和每个虚拟网用户的目标稳定性数值,确定虚拟网用户的稳定性。
在一种可能的实现方式中,第三确定模块204,具体用于:
根据每个虚拟网用户的第m稳定性数值,计算每一个虚拟网用户的第 m+1稳定性数值;其中,m=一,二,三……;;
当m大于预设迭代阈值,或第m稳定性数值和第m+1稳定性数值之间的差值小于预设稳定性阈值时,确定第m+1稳定性数值为目标稳定性数值。
本发明实施例提供的用户稳定性确定装置,通过各个模块之间相互协作确定虚拟网用户间的相似性因子和互动性因子,基于虚拟网用户间的相似性因子和获取的虚拟网用户间的通话行为,能够确定虚拟网用户间的交互强度。而虚拟网用户间的交互强度和互动性因子能够构建虚拟网用户间的第一交互行为图。通过第一交互行为图能够从虚拟网用户自身的行为和虚拟网用户间的行为处罚,更全面的确定虚拟网用户的稳定性,因此,提高了确定运营商的用户稳定性的准确性。
本发明实施例提供的用户稳定性确定装置执行图1所示的方法中的各个步骤,并能够达到提高确定运营商的用户稳定性的准确性的技术效果,为简洁描述,再此不在详细赘述。
图3示出了本发明实施例提供的一种电子设备的硬件结构示意图。
在电子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,以实现图1所示实施例中的任意一种用户稳定性确定方法。
在一个示例中,电子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,将电子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。
该电子设备可以执行本发明实施例中的用户稳定性确定方法,从而实现结合图1描述的用户稳定性确定方法。
另外,结合上述实施例中的用户稳定性确定方法,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用户稳定性确定方法。
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 (10)
1.一种用户稳定性确定方法,其特征在于,所述方法包括:
根据获取的虚拟网用户间的通话行为信息,确定所述虚拟网用户的相似性因子和互动性因子;
根据所述相似性因子和所述互动性因子,确定所述虚拟网用户间的交互强度;
根据所述互动性因子和所述虚拟网用户间的交互强度,构建所述虚拟网用户间的第一交互行为图;
根据所述第一交互行为图,确定所述虚拟网用户的稳定性;
其中,根据所述第一交互行为图,确定所述虚拟网用户的稳定性,包括:根据所述虚拟网用户的数量确定所述第一交互行为图中每个虚拟网用户的第一稳定性数值;根据所述每个虚拟网用户的第一稳定性数值,计算第一交互行为图中每个虚拟网用户的目标稳定性数值;根据所述虚拟网用户间的交互强度和所述每个虚拟网用户的目标稳定性数值,确定所述虚拟网用户的稳定性。
2.根据权利要求1所述的方法,其特征在于,所述根据所述相似性因子和所述互动性因子,确定所述虚拟网用户间的交互强度,包括:
根据所述相似性因子,确定所述虚拟网用户间的交互行为相似度;
根据所述虚拟网用户间的交互行为相似度和所述互动性因子,确定所述虚拟网用户间的交互强度。
3.根据权利要求1所述的方法,其特征在于,所述根据所述互动性因子和所述虚拟网用户间的交互强度,构建所述虚拟网用户间的第一交互行为图,包括:
根据所述互动性因子构建所述虚拟网用户间的第二交互行为图;
根据所述虚拟网用户间的交互强度,构建所述虚拟网用户间的所述第一交互行为图。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述第一交互行为图包括所述虚拟网用户间的交互强度。
5.根据权利要求4所述的方法,其特征在于,所述根据每个所述虚拟网用户的第一稳定性数值,计算所述第一交互行为图中每个所述虚拟网用户的目标稳定性数值,包括:
根据每个所述虚拟网用户的第m稳定性数值,计算每一个虚拟网用户的第m+1稳定性数值;其中,m=一,二,三……;
当m大于预设迭代阈值,或第m稳定性数值和第m+1稳定性数值之间的差值小于预设稳定性阈值时,确定所述第m+1稳定性数值为所述目标稳定性数值。
6.一种用户稳定性确定装置,其特征在于,所述装置包括:
第一确定模块,用于根据获取的虚拟网用户间的通话行为信息,确定所述虚拟网用户的相似性因子和互动性因子;
第二确定模块,用于根据所述相似性因子和所述互动性因子,确定所述虚拟网用户间的交互强度;
构建模块,用于根据所述互动性因子和所述虚拟网用户间的交互强度,构建所述虚拟网用户间的第一交互行为图;
第三确定模块,用于根据所述第一交互行为图,确定所述虚拟网用户的稳定性;
所述第三确定模块用于根据所述虚拟网用户的数量确定所述第一交互行为图中每个虚拟网用户的第一稳定性数值;根据所述每个虚拟网用户的第一稳定性数值,计算第一交互行为图中每个虚拟网用户的目标稳定性数值;根据所述虚拟网用户间的交互强度和所述每个虚拟网用户的目标稳定性数值,确定所述虚拟网用户的稳定性。
7.根据权利要求6所述的装置,其特征在于,所述第二确定模块,具体用于:
根据所述相似性因子,确定所述虚拟网用户间的交互行为相似度;
根据所述虚拟网用户间的交互行为相似度和所述互动性因子,确定所述虚拟网用户间的交互强度。
8.根据权利要求6所述的装置,其特征在于,所述构建模块,具体用于:
根据所述互动性因子构建所述虚拟网用户间的第二交互行为图;
根据所述虚拟网用户间的交互强度,构建所述虚拟网用户间的所述第一交互行为图。
9.一种电子设备,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1-5任意一项所述的用户稳定性确定方法。
10.一种计算机存储介质,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1-5任意一项所述的用户稳定性确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010270985.5A CN113496288B (zh) | 2020-04-08 | 2020-04-08 | 用户稳定性确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010270985.5A CN113496288B (zh) | 2020-04-08 | 2020-04-08 | 用户稳定性确定方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113496288A CN113496288A (zh) | 2021-10-12 |
CN113496288B true CN113496288B (zh) | 2024-04-12 |
Family
ID=77994726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010270985.5A Active CN113496288B (zh) | 2020-04-08 | 2020-04-08 | 用户稳定性确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113496288B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022505A (zh) * | 2016-04-28 | 2016-10-12 | 华为技术有限公司 | 一种预测用户离网的方法及装置 |
CN109543734A (zh) * | 2018-11-14 | 2019-03-29 | 中国联合网络通信集团有限公司 | 用户画像方法及装置、存储介质 |
CN109741199A (zh) * | 2018-12-29 | 2019-05-10 | 中国移动通信集团江苏有限公司 | 社交影响力确定方法、装置、设备及计算机存储介质 |
CN109767045A (zh) * | 2019-01-17 | 2019-05-17 | 北京腾云天下科技有限公司 | 一种流失用户的预测方法、装置、计算设备及介质 |
CN109886755A (zh) * | 2019-03-04 | 2019-06-14 | 深圳微品致远信息科技有限公司 | 一种基于进化算法的通讯用户流失预测方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8126838B2 (en) * | 2006-05-05 | 2012-02-28 | Lockheed Martin Corporation | Systems and methods of developing intuitive decision-making trainers |
US9373128B2 (en) * | 2013-02-25 | 2016-06-21 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for determining similarity information for users of a network |
-
2020
- 2020-04-08 CN CN202010270985.5A patent/CN113496288B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022505A (zh) * | 2016-04-28 | 2016-10-12 | 华为技术有限公司 | 一种预测用户离网的方法及装置 |
CN109543734A (zh) * | 2018-11-14 | 2019-03-29 | 中国联合网络通信集团有限公司 | 用户画像方法及装置、存储介质 |
CN109741199A (zh) * | 2018-12-29 | 2019-05-10 | 中国移动通信集团江苏有限公司 | 社交影响力确定方法、装置、设备及计算机存储介质 |
CN109767045A (zh) * | 2019-01-17 | 2019-05-17 | 北京腾云天下科技有限公司 | 一种流失用户的预测方法、装置、计算设备及介质 |
CN109886755A (zh) * | 2019-03-04 | 2019-06-14 | 深圳微品致远信息科技有限公司 | 一种基于进化算法的通讯用户流失预测方法及系统 |
Non-Patent Citations (1)
Title |
---|
移动客户离网组合预测模型研究;闫国良;中国优秀硕士学位论文全文数据库(电子期刊);第J152-701 页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113496288A (zh) | 2021-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108280542B (zh) | 一种用户画像模型的优化方法、介质以及设备 | |
CN109685537B (zh) | 用户行为的分析方法、装置、介质和电子设备 | |
CN111538767A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN114549136A (zh) | 供应链用户信用评价方法、装置、设备及计算机存储介质 | |
CN113496288B (zh) | 用户稳定性确定方法、装置、设备及存储介质 | |
CN111353015B (zh) | 众包题目推荐方法、装置、设备及存储介质 | |
CN111160975A (zh) | 一种目标用户确定方法、装置、设备及计算机存储介质 | |
CN112749998A (zh) | 收入信息输出方法、装置、电子设备及计算机存储介质 | |
CN109951838B (zh) | 识别双卡槽双卡用户的方法、装置、设备及介质 | |
CN114417830A (zh) | 风险评价方法、装置、设备及计算机可读存储介质 | |
CN115545533A (zh) | 数据处理方法、装置、设备、介质及产品 | |
CN113592557A (zh) | 广告投放结果的归因方法、装置、存储介质及电子设备 | |
CN113076451B (zh) | 异常行为识别和风险模型库的建立方法、装置及电子设备 | |
CN111461118A (zh) | 兴趣特征确定方法、装置、设备及存储介质 | |
CN110458707B (zh) | 基于分类模型的行为评估方法、装置及终端设备 | |
CN112214675A (zh) | 用户购机的确定方法、装置、设备及计算机存储介质 | |
CN109993181B (zh) | 异常行为模式识别方法、装置、设备及介质 | |
CN111291019B (zh) | 数据模型的相似判别方法及装置 | |
CN111314850B (zh) | 门店与用户的匹配方法、装置、设备和介质 | |
CN114202494A (zh) | 基于细胞分类模型分类细胞的方法、装置及设备 | |
CN114547101B (zh) | 数据中台的数据质量评估方法、装置、设备及存储介质 | |
CN109756868B (zh) | 应用程序的推荐方法、装置、设备和介质 | |
CN116887257B (zh) | 车联网卡的滥用识别方法、装置、电子设备和存储介质 | |
CN115204677A (zh) | 信息确定方法、装置、设备及计算机可读存储介质 | |
CN115907955A (zh) | 一种评分卡模型构建方法、装置、设备、存储介质及产品 |
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 |