CN115086488B - 一种号码分类方法和装置 - Google Patents

Abstract

本发明公开了一种号码分类方法和装置，该方法包括以下步骤：获取待分类的号码的通信数据；获取N个第一号码；以每个第一号码建立一个种子集合；从通信数据中得到与第一号码通信的若干个第二号码；以第一号码对应的所有第二号码扩充第一号码所对应的种子集合；将种子集合进行合并和去重，得到第一集合作为本网集合；根据第一集合和通信数据，得到第二集合作为异网集合。本发明通过通信数据和种子号码建立种子集合，并以符合条件的第二号码对种子集合进行扩充，最终将种子集合进行合并得到输出结果，本发明能够对目客户群体的号码进行较为准确的分类，以便于运营商实现精准营销。本发明可以广泛应用于输出处理领域。

Description

一种号码分类方法和装置

技术领域

本发明涉及数据处理领域，尤其是一种号码分类方法和装置。

背景技术

随着通信技术的发展，当今社会几乎每个人都有属于自己的电话号码。而通过电话号码推送广告信息或者进行电话营销是当今商业上一个重要的推广渠道。而面对海量的电话号码，盲目地推送信息或者进行电话营销，无疑是浪费资源，这样的做法无法准确地对目标客户进行营销。同时，这样的做法会导致大量的电话号码，收到自己不感兴趣的信息或者营销电话。

因此，需要一种技术方案来对电话号码进行分类，以获得目标群体的号码集合。

发明内容

为解决上述技术问题，本发明的目的在于：提供一种号码分类方法和装置。

本发明所采取的技术方案是：一种号码分类方法，包括以下步骤：获取待分类的号码的通信数据；获取N个第一号码，其中第一号码为种子号码，种子号码需要存在于通信数据中的用户号码内，同时与种子号码联系的对方号码也要在通信数据中的用户号码内；以每个第一号码建立一个种子集合；从通信数据中得到与第一号码通信的若干个第二号码，其中，通信数据中与第二号码通信的号码的数量大于第一阈值；以第一号码对应的所有第二号码扩充第一号码所对应的种子集合； 将种子集合进行合并和去重，得到第一集合作为本网集合； 根据第一集合和通信数据，得到第二集合作为异网集合。

进一步，所述获取N个第一号码，这一步骤具体为：对通信数据进行预处理，得到通信次数最多的N个号码作为第一号码又或者将通信次数达到的第一预设次数值的N个号码作为第一号码，其中预处理包括处理掉以“+85”和“+86”为开头的号码，删除多次相互通话的数据，仅保留一个通话记录。

进一步，所述将种子集合进行合并和去重，得到第一集合作为本网集合，这一步骤具体包括：计算所有种子集合两两之间的相似度；将相似度大于第二阈值的种子集合进行合并和去重，得到第一集合；根据当前第一集合的长度，调整第一阈值和/或第二阈值，得到新的第一集合，使新的第一集合的长度小于第三阈值。

进一步，所述根据当前第一集合的长度，调整第一阈值和/或第二阈值，得到新的第一集合，使新的第一集合的长度小于第三阈值，这一步骤具体为：若当前第一集合的长度大于第三阈值，则根据第一设定步进增大第二阈值，直到新的第一集合的长度小于第三阈值或者第二阈值到达其最大值；若第二阈值达到其最大值后第一集合的长度仍大于第三阈值，则根据第二设定步进增大第一阈值，直到新的第一集合的长度小于第三阈值。

进一步，所述相似度的计算方法为：计算第一种子集合和第二种子集合的第一相似值，判断第一相似值是否大于第二阈值；若是，则以第一相似值作为第一种子集合和第二种子集合的相似度；反之，则计算第一种子集合和第二种子集合的第二相似值；判断第二相似值是否大于等于第二阈值，若是，则以第二相似值作为第一种子集合和第二种子集合的相似度；反之，则计算第一种子集合和第二种子集合的第三相似值；判断第三相似值是否大于等于第二阈值，若是，则以第三相似值作为第一种子集合和第二种子集合的相似度；反之，则以第一相似值作为第一种子集合和第二种子集合的相似度；其中，第一相似值=第一种子集合和第二种子集合的交集的号码量/第一种子集合和第二种子集合的并集去重后的号码量；第二相似值=第一种子集合和第二种子集合的交集的号码量/第一种子集合的号码量；第三相似值=第一种子集合和第二种子集合的交集的号码量/第二种子集合的号码量。

进一步，所述将种子集合进行合并和去重，得到第一集合作为本网集合，这一步骤具体包括：将所有的种子集合进行合并和去重，得到第一集合；根据当前第一集合的长度，调整第一阈值，得到新的第一集合，使新的第一集合的长度小于第三设定阈值。

进一步，所述根据当前第一集合的长度，调整第一阈值，得到新的第一集合，使新的第一集合的长度小于第三设定阈值，这一步骤具体为：若当前第一集合的长度大于第三阈值，则根据第二设定步进增大第一阈值，直到新的第一集合的长度小于第三阈值。

进一步，还包括以下步骤：根据通信数据，从第一集合和第二集合中剔除呼叫次数大于第四阈值、主叫地址长时间不改变、没有绑定身份ID识别码且没有绑定银行卡的号码。

进一步，还包括以下步骤：获取号码的关联数据；根据关联数据发现与第一集合中任意第一号码或者第二号码存在关联的第三号码，并将得到的第三号码添加到第一集合中，其中与第一集合中任意第一号码或者第二号码存在关联具体可以包括与第一集合中任意第一号码或者第二号码存在主叫和被叫行为，而主叫和被叫的次数相差不大于第二预设次数值，主叫和被叫的地址经常变换，且第三号码绑定有身份ID识别码以及绑定有多张银行卡。

一种号码分类装置，包括：存储器，用于存储程序；处理器，用于加载所述程序以实现一种号码分类方法。

本发明的有益效果是：通过获取待分类的号码的通信数据和获取N个第一号码，N个第一号码建立N个种子集合，并根据通信数据，得到符合条件的第二号码，然后用第二号码对种子集合进行扩充，接着将所有种子集合进行合并和去重，得到本网集合，最后根据本网集合和通信数据得到异网集合，本发明能够对目标客户群体的号码进行较为准确的分类，以便于运营商实现精准营销。

附图说明

图1为本发明的具体实施例的号码分类方法的流程图；

图2为本发明的具体实施例中步骤S613的具体实现方法的流程图；

图3为本发明的具体实施例中步骤S622的具体实现方法的流程图；

图4为本发明一种具体实施例的号码分类装置的模块框图。

具体实施方式

下面结合说明书附图和具体的实施例对本发明进行进一步的说明。

参照图1，一种号码分类方法，本实施例可以用于对运营商的集团客户进行分群，该方法包括以下步骤：

S1、获取待分类的号码的通信数据。所述通信数据具体是指符合特定条件的用户的通信数据，包括通话和短信数据。所述特定条件是指该用户在目标集团客户的公司地址附近400米内的基站中驻留超过若干个小时，本实施例为驻留超过10个小时。所述通信数据包括：被叫次数、主叫时长、集团编号、被叫时长、点对点短信次数、主叫次数、用户号码和对方号码。

其中，被叫次数：用户号码被对方号码呼叫的次数。

主叫时长：对方号码被用户号码呼叫的时长、单位为分钟。

集团编号：10位数字的集团编号，每个集团编码是唯一的，是集团的唯一标识。

被叫时长：用户号码被对方号码呼叫的时长、单位为分钟。

点对点短信次数：用户号码与对方号码互发短信的次数。

主叫次数：对方号码被用户号码呼叫的次数。

用户号码：在目标集团客户地址周围400m内基站的驻留时长大于等于10小时的本网用户。

对方号码：与用户号码有交际信息的用户，包括本网的，异网的，固定电话和移动电话。

当然，获取的通信数据应该进行适当的预处理；例如，处理以“+85”和“+86”为开头的号码；删除多次相互通话的数据，例如A打给B，和B打给A仅保留一个通话记录即可。

S2、获取N个第一号码。所述第一号码为种子号码，其中，种子号码的获取可以分为两种情况，第一种是预先筛选出来的种子号码，我们称作有种子号码的情况；第二种是没有预先筛选出来的种子号码，我们称作没有种子号码的情况。

如果是第一种情况，可以通过数据库或者其他数据文件直接获取这些种子号码。当然，这些种子号码也是预先根据设定规则进行选取的，其可以保证是目标集团客户成员的号码，种子号码应该符合以下条件，首先种子号码需要存在于通信数据中的用户号码内，同时与种子号码联系的对方号码也要在通信数据中的用户号码内，只有同时满足这两个条件，才能成为种子号码。如果某个集团筛选出来的种子号码大于50个，则随机选取50个作为种子号码，反之，则以筛选出来的所有号码作为种子号码。通过第一种情况筛选出来的号码可以保证用户号码和对方号码具有相同的性质。

如果是第二种情况，可以根据通信数据中，通信次数最多的N个号码作为第一号码，又或者在通信数据中，通信次数达到的第一预设次数值（具体根据实际需要而定）的N个号码作为第一号码。

S3、以每个第一号码建立一个种子集合。若N=100，则相当于建立100个种子集合。初始化时，每个种子集合仅有一个种子号码。

S4、从通信数据中得到与第一号码通信的若干个第二号码，其中，通信数据中与第二号码通信的号码的数量大于第一阈值。在建立种子集合以后，需要对种子集合进行扩充。那么可以从通信数据中选取与第一号码通信，且与超过若干个其他号码通信的号码作为第二号码，例如，第一阈值为4，该号码除了与第一号码通信以外，还与另外3个通信数据中的号码通信，其中，通信包括第二号码作为主叫和被叫。

S5、以第一号码对应的所有第二号码扩充第一号码所对应的种子集合。由于种子号码可能与很多第二号码存在通信关系，因此第二号码的数量可能有很多个。

S6、将种子集合进行合并和去重，得到第一集合作为本网集合。在本步骤中，由于种子号码的获取途径分为两种情况，因此基于上述的两种情况，对种子集合的处理方式不同。

若是有种子号码的情况，则将所有的种子集合进行合并和去重，得到第一集合。

若是没有种子号码的情况，则根据种子集合之间的相似度进行合并和去重，得到第一集合。去重是指，将重复的号码去除。当然，为了更好地优化输出结果，应当剔除异常号码，例如剔除通信数据中呼出次数大于100次的号码。最后，可以对本网集合进行进一步的细分，例如可以分成地方的本网集合和外地的本网集合，如本地城市移动的集合和外地移动的集合。

S7、根据第一集合和通信数据，得到第二集合作为异网集合。在通信数据中，剔除对方号码为本网号码的情况，剩下的就是本网号码打给异网号码的数据。选择用户号码在第一集合中的对方号码，这些号码就是异网号码。根据一定的条件对这些异网号码进行筛选，得到异网集合。例如可以要求这些异网号码在第一集合中的联系人个数大于等于3，例如可以要求这些异网号码的呼出次数少于100次。同样，我们可以对异网集合进行进一步的细分，可以分为A运营商的异网集合、B运营商的异网集合和外地异网集合。例如，分为电信号码的集合、联通号码的集合和外地的联通或电信的集合。

最后可以将本网集合和异网集合的数据导出到TXT文本或者EXCEL等文本中。

作为优选的实施例，为了解决没有现成的种子号码的情况，所述步骤S2具体为：

对通信数据进行预处理，得到通信次数最多的N个号码作为第一号码，又或者在通信数据中，通信次数达到的第一预设次数值（具体根据实际需要而定）的N个号码作为第一号码。

作为优选的实施例，基于没有现成的种子号码的情况，我们可以通过计算种子集合之间的相似度来决定合并哪些集合，所述步骤S6具体包括：

S611、计算所有种子集合两两之间的相似度。

S612、将相似度大于第二阈值的种子集合进行合并和去重，得到第一集合。

S613、根据当前第一集合的长度，调整第一阈值和/或第二阈值，得到新的第一集合，使新的第一集合的长度小于第三阈值。

作为优选的实施例，所述步骤S613具体为：

若当前第一集合的长度大于第三阈值，则根据第一设定步进增大第二阈值，直到新的第一集合的长度小于第三阈值或者第二阈值到达其最大值；

若第二阈值达到其最大值后第一集合的长度仍大于第三阈值，则根据第二设定步进增大第一阈值，直到新的第一集合的长度小于第三阈值。

结合图2对S613进行说明。首先，计算当前第一集合的长度A是否超过第三阈值，此处设定第三阈值为目标集团客户的成员的数量的80%。即如果目标集团客户的成员有10000人，则第三阈值为8000。如果当前第一集合的长度超过第三阈值，则说明第一集合的长度过长，需要对第一集合进行压缩。那么为了减少种子集合的合并数量，我们可以提高种子集合合并的相似度要求，即提高第二阈值，并获得新的第一集合。如果新的第一集合的长度仍然没有符合要求，则继续增加第二阈值，例如从最初的第二阈值=0.5，依次提升到0.6、0.7、0.8直到第二阈值提升到其最大值0.9为止。

如果第二阈值达到其最大值后，第一集合的长度仍然大于第三阈值。则通过减少种子集合的长度的方式来压缩得到的第一集合，即通过提升第一阈值的长度来实现。第一阈值是第二号码的筛选条件，其含义是在通信数据中与第二号码通信的号码的数量，如果第一阈值越高，则意味着符合条件的第二号码的数量越少。所述第一阈值可以从4，以每次加1的步进，一直递增到15。当然，在第一阈值的递增过程中，如果出现了新的第一集合的长度小于第三阈值的情况，则以新的第一集合作为输出结果。

作为优选的实施例，本实施例提供了一种相似度的计算方法，其具体为：

计算第一种子集合和第二种子集合的第一相似值，判断第一相似值是否大于第二阈值；若是，则以第一相似值作为第一种子集合和第二种子集合的相似度；反之，则计算第一种子集合和第二种子集合的第二相似值；

判断第二相似值是否大于等于第二阈值，若是，则以第二相似值作为第一种子集合和第二种子集合的相似度；反之，则计算第一种子集合和第二种子集合的第三相似值；

判断第三相似值是否大于等于第二阈值，若是，则以第三相似值作为第一种子集合和第二种子集合的相似度；反之，则以第一相似值作为第一种子集合和第二种子集合的相似度；

其中，第一相似值=第一种子集合和第二种子集合的交集的号码量/第一种子集合和第二种子集合的并集去重后的号码量；

第二相似值=第一种子集合和第二种子集合的交集的号码量/第一种子集合的号码量；

第三相似值=第一种子集合和第二种子集合的交集的号码量/第二种子集合的号码量。

当两个种子集合规模相差太大时，如果只用第一相似值作为相似度比较片面，因此本实施例充分考虑了这种情况，根据设定条件在第一相似值、第二相似值和第三相似值之间选取合适的相似值作为第一种子集合和第二种子集合的相似度。

作为优选的实施例，基于有现成的种子号码的情况，所述步骤S6具体包括：

S621、将所有的种子集合进行合并和去重，得到第一集合；由于现成的种子号码是由运营商所提供的，可以确认种子号码为目标集团客户的成员的号码。因此，本步骤将所有的种子集合均进行合并，并不考虑种子集合之间的相似度。

S622、根据当前第一集合的长度，调整第一阈值，得到新的第一集合，使新的第一集合的长度小于第三设定阈值。为了使第一集合的长度小于第三阈值，我们可以通过增加第一阈值的长度来压缩种子集合的长度，从而压缩第一集合的长度。

作为优选的实施例，所述步骤S622具体为：

若当前第一集合的长度大于第三阈值，则根据第二设定步进增大第一阈值，直到新的第一集合的长度小于第三阈值。

参考图3，对步骤S622进行说明，如果第一集合的长度大于第三阈值。则通过减少种子集合的长度的方式来压缩得到的第一集合，即通过提升第一阈值的长度来实现。第一阈值是第二号码的筛选条件，其含义是在通信数据中与第二号码通信的号码的数量，如果第一阈值越高，则意味着符合条件的第二号码的数量越少。所述第一阈值可以从4，以每次加1的步进，一直递增到15。当然，在第一阈值的递增过程中，如果出现了新的第一集合的长度小于第三阈值的情况，则以新的第一集合作为输出结果。

作为优选的实施例，为了剔除异常号码，本实施例还包括以下步骤：

S8、根据通信数据，从第一集合和第二集合中剔除呼叫次数大于第四阈值的号码。例如，我们可以认为在某段时间内呼叫次数超过100的号码为异常的号码。因此可以将这些号码从第一集合和第二集合中进行剔除，以提升输出结果的质量。进一步的，步骤S8中，根据通信数据，从第一集合和第二集合中剔除呼叫次数大于第四阈值、主叫地址长时间（如一个星期或10天）不改变、没有绑定身份ID识别码且没有绑定银行卡的号码，应理解，主叫地址长时间不改变且没有绑定身份ID识别码的号码有可能是为诈骗号码。

作为优选的实施例，为了扩充输出结果，本实施例还包括以下步骤：

S9、获取号码的关联数据；所述关联数据包括运营商提供的双号数据以及身份证与号码的关联数据，例如，用户的主卡和用户的副卡的关联数据，或者一个身份证名下登记的多个本网号码。

S10、根据关联数据发现与第一集合中任意第一号码或者第二号码存在关联的第三号码，并将得到的第三号码添加到第一集合中。应理解，与第一集合中任意第一号码或者第二号码存在关联具体可以包括与第一集合中任意第一号码或者第二号码存在主叫和被叫行为，其中主叫和被叫的次数相差不大于第二预设次数值（10-50次），主叫和被叫的地址经常变换，且第三号码绑定有身份ID识别码以及绑定有多张银行卡，应理解，存在主叫和被叫行为，主叫和被叫的地址经常变换，说明是比较正常的号码，不会是诈骗号码。

本实施例能够利用现有的数据，对输出集合进行有效的扩充，提升输出集合的质量。

一种号码分类装置，包括：

存储器101，用于存储程序；所述存储器101可以是如U盘、光盘、硬盘或者闪存等计算机可读的存储介质。

处理器102，用于加载所述程序以实现如图1所示一种号码分类方法。当然，也可以用于实现上述任意方法实施例所记载的内容。

对于上述方法实施例中的步骤编号，其仅为了便于阐述说明而设置，对步骤之间的顺序不做任何限定，实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。

以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (7)

1.一种号码分类方法，其特征在于：包括以下步骤：

获取待分类的号码的通信数据；

获取N个第一号码，其中第一号码为种子号码，种子号码需要存在于通信数据中的用户号码内，同时与种子号码联系的对方号码也要在通信数据中的用户号码内；

以每个第一号码建立一个种子集合；

从通信数据中得到与第一号码通信的若干个第二号码，其中，通信数据中与第二号码通信的号码的数量大于第一阈值；

以第一号码对应的所有第二号码扩充第一号码所对应的种子集合；

将种子集合进行合并和去重，得到第一集合作为本网集合；

根据第一集合和通信数据，得到第二集合作为异网集合；

其中，所述将种子集合进行合并和去重，得到第一集合作为本网集合，这一步骤具体包括：

计算所有种子集合两两之间的相似度；

将相似度大于第二阈值的种子集合进行合并和去重，得到第一集合；

根据当前第一集合的长度，调整第一阈值和/或第二阈值，得到新的第一集合，使新的第一集合的长度小于第三阈值。

2.根据权利要求1所述的一种号码分类方法，其特征在于：所述获取N个第一号码，这一步骤具体为：

对通信数据进行预处理，得到通信次数最多的N个号码作为第一号码又或者将通信次数达到的第一预设次数值的N个号码作为第一号码，其中预处理包括处理掉以“+85”和“+86”为开头的号码，删除多次相互通话的数据，仅保留一个通话记录。

3.根据权利要求1所述的一种号码分类方法，其特征在于：所述根据当前第一集合的长度，调整第一阈值和/或第二阈值，得到新的第一集合，使新的第一集合的长度小于第三阈值，这一步骤具体为：

若当前第一集合的长度大于第三阈值，则根据第一设定步进增大第二阈值，直到新的第一集合的长度小于第三阈值或者第二阈值到达其最大值；

若第二阈值达到其最大值后第一集合的长度仍大于第三阈值，则根据第二设定步进增大第一阈值，直到新的第一集合的长度小于第三阈值。

4.根据权利要求1所述的一种号码分类方法，其特征在于：所述相似度的计算方法为：

计算第一种子集合和第二种子集合的第一相似值，判断第一相似值是否大于第二阈值；若是，则以第一相似值作为第一种子集合和第二种子集合的相似度；反之，则计算第一种子集合和第二种子集合的第二相似值；

判断第二相似值是否大于等于第二阈值，若是，则以第二相似值作为第一种子集合和第二种子集合的相似度；反之，则计算第一种子集合和第二种子集合的第三相似值；

判断第三相似值是否大于等于第二阈值，若是，则以第三相似值作为第一种子集合和第二种子集合的相似度；反之，则以第一相似值作为第一种子集合和第二种子集合的相似度；

其中，第一相似值=第一种子集合和第二种子集合的交集的号码量/第一种子集合和第二种子集合的并集去重后的号码量；

第二相似值=第一种子集合和第二种子集合的交集的号码量/第一种子集合的号码量；

第三相似值=第一种子集合和第二种子集合的交集的号码量/第二种子集合的号码量。

5.根据权利要求1-4任一项所述的一种号码分类方法，其特征在于：还包括以下步骤：

根据通信数据，从第一集合和第二集合中剔除呼叫次数大于第四阈值、主叫地址长时间不改变、没有绑定身份ID识别码且没有绑定银行卡的号码。

6.根据权利要求1-4任一项所述的一种号码分类方法，其特征在于：还包括以下步骤：

获取号码的关联数据；

根据关联数据发现与第一集合中任意第一号码或者第二号码存在关联的第三号码，并将得到的第三号码添加到第一集合中，其中与第一集合中任意第一号码或者第二号码存在关联具体可以包括与第一集合中任意第一号码或者第二号码存在主叫和被叫行为，而主叫和被叫的次数相差不大于第二预设次数值，主叫和被叫的地址经常变换，且第三号码绑定有身份ID识别码以及绑定有多张银行卡。

7.一种号码分类装置，其特征在于：包括：

存储器，用于存储程序；

处理器，用于加载所述程序以实现如权利要求1-6任一项所述的一种号码分类方法。

Images