WO2015086860A1 - Método y sistema para caracterizar un grupo de usuarios - Google Patents

Método y sistema para caracterizar un grupo de usuarios Download PDF

Info

Publication number
WO2015086860A1
WO2015086860A1 PCT/ES2013/070857 ES2013070857W WO2015086860A1 WO 2015086860 A1 WO2015086860 A1 WO 2015086860A1 ES 2013070857 W ES2013070857 W ES 2013070857W WO 2015086860 A1 WO2015086860 A1 WO 2015086860A1
Authority
WO
WIPO (PCT)
Prior art keywords
users
user
network
harmony
group
Prior art date
Application number
PCT/ES2013/070857
Other languages
English (en)
French (fr)
Inventor
Ana ARMENTA LOPEZ DE VICUÑA
Arturo Canales Gonzalez
Rafael PELLÓN GÓMEZ-CALCERRADA
Patricia CALVO CARRASCO
Susana FERRERAS DE LA FUENTE
Original Assignee
Telefonica Digital España, S.L.U.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Telefonica Digital España, S.L.U. filed Critical Telefonica Digital España, S.L.U.
Priority to EP13898957.9A priority Critical patent/EP3082100A4/en
Priority to PCT/ES2013/070857 priority patent/WO2015086860A1/es
Priority to US15/102,770 priority patent/US20160314213A1/en
Priority to BR112016013375A priority patent/BR112016013375A2/pt
Publication of WO2015086860A1 publication Critical patent/WO2015086860A1/es

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/04—Protocols specially adapted for terminals or networks with limited capabilities; specially adapted for terminal portability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles

Definitions

  • the present invention relates, in general, to the use of the Internet, network navigation data and mobile communications of associated users with each other in order to characterize different user groups and interests shared by them.
  • SNA social network analysis
  • online networks such as Facebook or Linkedln
  • associations can be made based on multiple types of relationships. For example, these networks can be built according to the use of mobile phones among their members.
  • the SNA is characterized by graphs: nodes that represent the participants and links or lines that show the presence and intensity of social interaction.
  • SNA algorithms are prepared to obtain groups of individuals with a high relationship between them, but not very homogeneous in terms of age, category, interests ... This will make it difficult to use these communities in targeted actions, due to differences in its characteristics.
  • the present invention solves the aforementioned problems by improving the process of community creation, based on social interactions, and characterizing it with the behavior of network browsing within the community.
  • the present invention assumes that it is interesting to know the different kinds of browsing interests present in the user group, even if The group is not homogeneous in terms of interests, since this heterogeneity of navigation interests provides really valuable information.
  • a method is presented to characterize a group of users, related to each other by their mobile communication data, according to network navigation data.
  • the method comprises: a) building a social graph from the mobile communication data of a user and their contacts;
  • step e) provide a set of metrics for the user group, based on the harmony measurements of step e), that characterize the group of users
  • the mobile communications data of a user can be obtained from the call detail records (CDRs of English "cali detail records") of said user.
  • CDRs of English "cali detail records” CDRs of English "cali detail records"
  • Detailed call records are used in some embodiments to weigh a relationship between two users of the social graph. It is a possible implementation to take into account social interactions based on mobile communications (calls, SMS, MMS %), when dyads are built (groups of two nodes with a line between them) and communities or user groups.
  • the network browsing data of a user refers to categories of content in the network visited by said user.
  • Network browsing data of users can be obtained from profiles provided by users. Among all the information that can be collected from a network profile for a user, interest in certain network contents is obtained from the web pages of the network visited by the user, to be classified at different levels. The categories are previously set in a dictionary of network contents.
  • the step of comparing categories between two users may further comprise defining a comparison function to classify the level of harmony between nodes:
  • the comparison function can be applied in some embodiments of the invention to extend dyads with similar users, so that communities , or user groups, be properly constructed.
  • the number of categories involved for each user can be taken into account, which can result in a different measure, from a user A to a user B, than from user B to the user A. In the end, both are combined to offer a comprehensive measure for the relationship between users A and B.
  • At least one of the following metrics can be integrated: number of users, number of users browsing the Internet, number of users browsing certain Internet web pages and a degree of homogeneity of the users belonging to the group.
  • Users may belong to more than one group in some embodiments of the invention.
  • Users may be users of a social network, further comprising the use of social network analysis to determine user groups, according to an embodiment of the invention.
  • a second aspect of the invention relates to a system for characterizing a group of users, related to each other by their mobile communication data, according to network navigation data.
  • the system is characterized by understanding means for constructing a social graph from the mobile communication data of a user and their contacts; means for extracting web browsing data from each user of the social graph; means for associating to each line that links two users of the social graph network navigation data extracted for both users; means for obtaining a measure of harmony based on the comparison of network browsing data of both users; and means to provide a set of metrics for user groups based on the harmony measures of step e), which characterize the user group.
  • a final aspect of the invention relates to a computer program product comprising computer program code, adapted to perform the method of the invention when said program code is executed in a computer, a digital signal processor, a formation of field-programmable gates, an application-specific integrated circuit, a microprocessor, a microcontroller, or any other form of programmable hardware.
  • the existing solutions around the creation of communities focus only on one aspect, whether they are communities with socially interacting clients or communities with common interests but without any known relationship between them.
  • the present invention which links both pieces of the SNA and the formation of network profiles, obtains a more precise and complete definition of the content.
  • the communities obtained from mobile communications form coherent groups of related members.
  • the creation of interests from browsing the web complements the characterization of the groups, without any inference in the aggregate or the exclusion of nodes, characterizing them only. This avoids the problem of creating coherent groups - in close proximity or interests - but "unreal" in the sense that they are based on one aspect, rather than on multiple visions.
  • Figure 1 shows a block diagram of an embodiment of the invention.
  • Figure 2 - shows a diagram comparing categories of the network according to an embodiment of the invention.
  • the invention describes a process, in general terms, to characterize user groups (profiling communities) based on social interactions, and taking into account the behavior in the web browsing.
  • FIG. 1 represents a scheme of the proposed invention, according to a specific embodiment. Two different entries are considered to be analyzed syntactically in this embodiment: the individual interest of the users and a social graph.
  • a user profile reflects the interests of the users, based on their behavior in the web browsing. It can be taken, for example, from the network records and, based on some category dictionary that determines, for each web page of the network, to which group it belongs, calculate interest profiles as a classification of visits by user and Network content category.
  • a non-exclusive example of the implementation of the profile of individual interest is described by means of the following table, where optional fields are included, but the main interest is centered in the "Category" field, which classifies the web pages visited by a user, according to a dictionary of categories.
  • User identifier It can be, for example, the MSISDN, the
  • Interval It can be, for example, day, week, month, day of the week and time slot
  • Rank Degree of user interest for example:
  • Social graph (12): the other entry of this realization refers to a social graph.
  • the social graph is built with the social network of mobile users and their contacts, based on traffic information extracted from call detail records (CDR) and some basic business information.
  • CDR call detail records
  • the present invention does not refer to the construction of the social graph, as it is already known in the state of the art, whereby the present invention simply takes advantage of the social graph and the groups of users (communities) involved.
  • social graphs can be constructed based on a certain number of files with information from the monthly CDRs and the client list. For example, a specific case could be included where 3 data sources would be needed, one for each type of traffic: voice call CDRs, SMS and MMS. It would be generated periodically.
  • Weighting Measures the strength of the relationship, for example, in terms of the number of communications per month
  • Syntactic input analyzer (1) the two inputs of this specific embodiment of the invention (individual interests and social graph) are parsed and linked to provide the merged information as output.
  • the output of the input parser in this specific embodiment results in a set of categories in which each of the nodes has a certain level of interest. Given two users, defined, for example, as MSISDN1 and MSISDN2, the generated output would be as follows:
  • Function to compare categories (21) providing a measure of the harmony between the two users, with reference to their categories, requires defining a comparison function.
  • the output value for this function may vary between 0 and 1. For example, if it is assumed that the categories may have 5 levels, the distribution of weights or weights would be as follows:
  • each subcategory is compared:
  • the first category has three levels, while the second one has only two, so there is a comparison of level 3 and, following the example, the level 3 values should be used: [0.6, 0.25 and 0.15].
  • At least one measure of harmony is calculated, but in some embodiments a second measure is provided, because it is considered the case of asymmetric measures.
  • the similarity of interests between telephone A and telephone B and the similarity of interest between telephone B to A may be different. These values are unique values per user and may be different because they take into account the total number of interests per user, to normalize and give a weighted value according to the number of interests. A more complex similarity value will be calculated by merging these two unique measures.
  • the output (32) obtained at this stage is the pair of phones (also called line or link) with two measures of harmony, from 2 to 2 to 1. These values depend on the number of categories for each telephone and also depend on the final value for the comparison function. For each line with some social relationship, the following output is generated according to a possible embodiment of the invention:
  • MSISDN1 MSISDN2 Lines or links between users
  • Similarity12, Similarity21, ⁇ Cat11 all categories to which value, Cat12: value, ... ⁇ ⁇ Cat21: phones and value belong, Cat22: value, ... ⁇ value of the comparison function
  • the output (32) of the previous stage is effectively one of the inputs for the final stage of the calculation of harmony by community (3).
  • the other entry is a community graph (31) that involves all the social communities to which the users belong. These communities, or user groups, are detected at a previous stage, and have already been built by other prior art solutions. These groups, obtained as output, can include users served by different operators, because they can have some social relationship, regardless of the operator. From the analysis of the communication between the MSISDN, links are created between them and then, using some agglomerative algorithm of the state of the art (for example, that of WO 2012004425 A1), related MSISDN communities are obtained.
  • MSISDN is or is not a strong member of the community, according to its communications.
  • the previous stage has provided a measure of the harmony of interests in each pair of related users. Extending this to the communities, some metrics are obtained that indicate how similar the users of a community are. Extracting the distribution of interest values for each user group and these metrics, the degree of homogeneity within the community is described, in terms of the harmony between the categories.
  • a community can be considered as a set of nodes that are connected to each other with a specific measure of harmony.
  • some community metrics are calculated based on the set of harmony values of the clients that belong to that community:
  • ValorComMinWB average value for the minimum harmony values, for each link with data browsing the network
  • ValorComMaxWB average value for maximum harmony values, for each link with web browsing data
  • the level of harmony within the community is better understood to be associated, if it is obtained due to the contribution of some similar values or, on the other hand, due to some extreme values in specific nodes. This will help to understand the best approach to use, for example, in marketing campaigns, about who to contact and how to do it.
  • the way in which the present invention proposes to characterize the communities helps to filter or select groups with specific characteristics.
  • the relevant categories are added and classified according to the level of harmony that users share around these categories.
  • the user group obtains its semantic information and will be perfectly explained in terms of interests in the network for its members.
  • the output obtained is a set of metrics that explain how similar the users of the group are and what interests they have in common.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Telephonic Communication Services (AREA)

Abstract

La presente invención se refiere a un métodopara caracterizar un grupo de usuarios, relacionados entre ellos por sus datos de comunicación móvil, según datos de navegación en red. El métodocomprende: construir un grafo social a partir de los datos de comunicación móvil de un usuario y sus contactos; extraer datos de navegación enred de cada usuario del grafo social; asociar,a cada línea que enlaza dos usuarios del grafo social,datos de navegación enred extraídos para ambos usuarios; obtener una medida de armonía en base a la comparación de datos de navegación enred de ambos usuarios; y proporcionar un conjunto de métricas para el grupo de usuarios, en base a las medidas de armonía, que caracteriza el grupo de usuarios.

Description

MÉTODO Y SISTEMA PARA CARACTERIZAR UN GRUPO DE USUARIOS Campo técnico de la invención
La presente invención se refiere, en general, al uso de Internet, los datos de navegación en red y las comunicaciones móviles de usuarios asociados entre sí a fin de caracterizar distintos grupos de usuarios e intereses compartidos por los mismos.
Antecedentes de la invención
Hoy en día, el estudio de las redes sociales y las relaciones entre sus usuarios están en su apogeo. El crecimiento que están experimentando en la sociedad moderna hace que se conviertan en un factor clave, con impacto en muchos otros campos.
Aunque el análisis de las redes sociales (SNA) está usualmente ligado a las redes en línea (como Facebook o Linkedln), las asociaciones pueden hacerse en base a múltiples tipos de relaciones. Por ejemplo, estas redes pueden ser construidas de acuerdo al uso de móviles entre sus miembros. El SNA está caracterizado por grafos: nodos que representan a los participantes y enlaces o líneas que muestran la presencia e intensidad de la interacción social.
La formación de perfiles individuales en la red también ha sido una cuestión de interés en el estado del arte. Los intereses individuales para clientes que usan la navegación en red (Internet) pueden ser útiles para abordar las características principales en sus perfiles. Algunos datos referidos a contenidos de Internet son extraídos por medio de distintos algoritmos que clasifican intereses según los datos extraídos.
La relación entre los usuarios puede ser útil con fines de formación de perfiles. Además, es interesante hallar los grupos o comunidades que comparten algunas características. La detección de comunidades en redes sociales masivas ya está resuelta en el estado del arte. La solicitud WO 2012004425 A1 , del 2010, explica el concepto de detección de comunidades con un enfoque acumulativo. Usa un procedimiento flexible y eficaz para detectar comunidades solapadas, dado que un individuo puede tener distintos círculos sociales. Según esto, las comunidades se construirán iterativamente, desde grupos básicos hasta comunidades de alto nivel, hasta que el algoritmo converja.
Sin embargo, el hallar comunidades coherentes de interés, con miembros estrechamente relacionados, es un problema complejo para el que no hay aún una solución adecuada, porque las alternativas existentes son demasiado débiles y presentan algunas brechas.
Por una parte, los algoritmos de SNA están preparados para obtener grupos de individuos con una alta relación entre ellos, pero no muy homogéneos en términos de edad, categoría, intereses... Esto dificultará usar estas comunidades en acciones orientadas, debido a las diferencias en sus características.
Por otra parte, las comunidades creadas a partir de la navegación por la red están desarrolladas a partir de un interés común en un dominio específico, o grupo de dominios, como se deduce del documento "Comunidades dinámicas en línea", US 20120158637 A1 , de 2012. Usando este enfoque, es posible construir grupos que compartan intereses, pero pueden estar totalmente desconectados, sin tener ninguna relación entre los miembros. Dificultará en gran medida la diseminación de la información por la red y, según el propósito, los grupos pueden ser casi inútiles.
La formación de perfiles comunitarios y la caracterización de grupos de usuarios son normalmente abordadas desde un único punto de vista, que se convierte en una solución restringida en una situación muy específica. De tal modo, la formación de perfiles comunitarios basados tan solo en la navegación por la red muestra algunas brechas, porque puede crear comunidades muy homogéneas con intereses comunes, pero estas comunidades no estarán formadas por personas cercanas. Por otra parte, también han sido creadas comunidades basadas en la cercanía, y relaciones entre personas que no tienen intereses comunes en absoluto.
Por todos los motivos expuestos anteriormente, se echa de menos en el estado del arte un método que llegue a resolver esta situación con la construcción de comunidades singulares, hechas por individuos relacionados entre sí y que también compartan intereses comunes.
RESUMEN DE LA INVENCIÓN
La presente invención resuelve los problemas citados anteriormente mejorando el proceso de creación de comunidades, en base a interacciones sociales, y caracterizándolo con el comportamiento de la navegación en red dentro de la comunidad. Para una "comunidad de uso telefónico" dada (entendiendo como comunidad un grupo de usuarios relacionados entre sí por sus comunicaciones móviles), la presente invención supone que es interesante conocer las distintas clases de intereses de navegación presentes en el grupo de usuarios, incluso si el grupo no es homogéneo en términos de intereses, ya que esa heterogeneidad de intereses de navegación proporciona información realmente valiosa.
La distribución de intereses de navegación para una comunidad de uso telefónico podría ser calculada solamente una vez que converjan las conductas en el teléfono y en línea. Las soluciones existentes están enfocadas en construir comunidades o en determinar sus perfiles, pero no en crear grupos basados en la interacción de llamadas telefónicas y determinar sus perfiles en términos de la conducta comunitaria de navegación en la red. Por tanto, se presenta un método para caracterizar un grupo de usuarios, relacionados entre sí por sus datos de comunicación móvil, según datos de navegación en red. El método comprende: a) construir un grafo social a partir de los datos de comunicación móvil de un usuario y sus contactos;
b) extraer datos de navegación en red del grafo social;
c) asociar a cada línea que enlaza dos usuarios del grafo social datos de navegación en la red extraídos para ambos usuarios;
d) obtener una medida de la armonía, en base a la comparación de datos de navegación por la red de ambos usuarios;
e) proporcionar un conjunto de métricas para el grupo de usuarios, en base a las mediciones de armonía de la etapa e), que caractericen el grupo de usuarios.
Los datos de comunicaciones móviles de un usuario pueden ser obtenidos a partir de los registros de detalles de llamadas (CDRs del inglés "cali detail records") de dicho usuario. Los registros detallados de llamadas son usados en algunas realizaciones para ponderar una relación entre dos usuarios del gráfico social. Es una posible implementación para tener en cuenta las interacciones sociales basadas en comunicaciones móviles (llamadas, SMS, MMS...), cuando se construyen diadas (grupos de dos nodos con una línea entre ellos) y comunidades o grupos de usuarios.
En una realización de la invención, los datos de navegación en red de un usuario se refieren a categorías de contenidos en la red visitados por dicho usuario.
Los datos de navegación en red de los usuarios pueden ser obtenidos a partir de perfiles proporcionados de los usuarios. Entre toda la información que puede ser recogida de un perfil de la red para un usuario, se obtiene el interés en ciertos contenidos de la red de las páginas web de la red visitadas por el usuario, para ser clasificado en distintos niveles. Las categorías se fijan previamente en un diccionario de contenidos de la red.
De forma opcional, la etapa de comparar categorías entre dos usuarios puede comprender adicionalmente definir una función de comparación para clasificar el nivel de armonía entre nodos:
- asignando una distribución de ponderaciones o pesos según las subcategorías de cada categoría;
- comparando cada subcategoría de los dos usuarios;
- proporcionando un valor de armonía como resultado de la comparación: si dos subcategorías coinciden, sus ponderaciones o pesos son sumadas; si son distintas, sus ponderaciones o pesos son restadas, y si no hay ninguna correspondencia para una subcategoría en un usuario, se ignoran las ponderaciones o pesos. De la misma manera que los algoritmos de SNA pueden ser aplicados recursivamente para construir comunidades a partir de líneas que unen usuarios, la función de comparación puede ser aplicada en algunas realizaciones de la invención para extender las diadas con usuarios similares, de modo que las comunidades, o grupos de usuarios, sean debidamente construidas.
Adicionalmente, al calcular la medida de la armonía, el número de categorías implicadas para cada usuario puede ser tenido en cuenta, lo que puede dar como resultado una medida distinta, desde un usuario A a un usuario B, que desde el usuario B al usuario A. Al final, ambas son combinadas para ofrecer una medida global para la relación entre los usuarios A y B.
Al determinar perfiles de comunidades, o caracterizar grupos de usuarios relacionados entre sí, puede integrarse al menos una de las siguientes métricas: número de usuarios, número de usuarios que navegan por Internet, número de usuarios que navegan por ciertas páginas web de Internet y un grado de homogeneidad de los usuarios pertenecientes al grupo.
Los usuarios pueden pertenecer a más de un grupo en algunas realizaciones de la invención.
Los usuarios pueden ser usuarios de una red social, comprendiendo adicionalmente el uso del análisis de redes sociales para determinar grupos de usuarios, según una realización de la invención.
Un segundo aspecto de la invención se refiere a un sistema para caracterizar un grupo de usuarios, relacionados entre sí por sus datos de comunicación móvil, según datos de navegación en red. El sistema está caracterizado por comprender medios para construir un grafo social a partir de los datos de comunicación móvil de un usuario y sus contactos; medios para extraer datos de navegación por la red de cada usuario del grafo social; medios para asociar a cada línea que enlaza dos usuarios del grafo social datos de navegación por la red extraídos para ambos usuarios; medios para obtener una medida de la armonía en base a la comparación de datos de navegación en red de ambos usuarios; y medios para proporcionar un conjunto de métricas para los grupos de usuarios en base a las medidas de armonía de la etapa e), que caracterizan al grupo de usuarios.
Un último aspecto de la invención se refiere a un producto de programa de ordenador que comprende código de programa de ordenador, adaptado para realizar el método de la invención cuando dicho código de programa es ejecutado en un ordenador, un procesador de señales digitales, una formación de compuertas programable en el terreno, un circuito integrado específico de la aplicación, un micro-procesador, un micro-controlador, o cualquier otra forma de hardware programable.
Las soluciones existentes alrededor de la creación de comunidades se centran solamente en un aspecto, ya sean las comunidades con clientes que interactúan socialmente o las comunidades con intereses comunes pero sin ninguna relación conocida entre ellas. La presente invención, que une tanto piezas del SNA como de la formación de perfiles de la red, obtiene una definición más precisa y completa acerca del contenido. Por una parte, las comunidades obtenidas a partir de las comunicaciones móviles forman grupos coherentes de miembros relacionados entre sí. Por otra parte, la creación de intereses a partir de la navegación por la red complementa la caracterización de los grupos, sin ninguna inferencia en el agregado o la exclusión de nodos, caracterizándolos solamente. Esto evita el problema de crear grupos coherentes - en cercanía o en intereses - pero "irreales" en el sentido de que están basados en un aspecto, en lugar de en múltiples visiones.
La eficacia en la definición de comunidades aumenta significativamente, pero el coste de cálculo no sufre efectos importantes, porque ambos procesos de entrada han sido optimizados y ya están calculados.
DESCRIPCIÓN DE LOS DIBUJOS
Para completar la descripción que se está haciendo, y con el objeto de ayudar para una mejor comprensión de las características de la invención, de acuerdo a un ejemplo preferido de una realización práctica de la misma, que acompaña dicha descripción como parte integral de la misma, hay un conjunto de dibujos en los cuales, a modo de ilustración y no de manera restrictiva, se ha representado lo siguiente:
Figura 1.- muestra un diagrama de bloques de una realización de la invención.
Figura 2 - muestra un diagrama que compara categorías de la red según una realización de la invención.
DESCRIPCIÓN DETALLADA DE LA INVENCIÓN
La invención describe un proceso, en términos generales, para caracterizar grupos de usuarios (comunidades de formación de perfiles) en base a interacciones sociales, y teniendo en cuenta la conducta en la navegación por la red.
Las interacciones sociales - basadas en comunicaciones móviles (por ejemplo, llamadas, SMS, MMS...) - se toman en consideración al construir los grupos, e incluso pueden ser usadas para cuantificar ponderaciones para las relaciones entre los usuarios.
Los intereses individuales por usuario son importantes para la invención propuesta. Son obtenidos a partir de datos de navegación por la red y de una categorización de las páginas web. Una vez que los usuarios están categorizados, el proceso se extiende a los enlaces que los unen para comparar si dos nodos están compartiendo intereses comunes, que dan como resultado un perfil común para esta diada. Luego, podría aplicarse una función de comparación para clasificar el nivel de armonía o similitud (los términos "armonía" y "similitud" pueden ser reemplazados mutuamente a lo largo de este documento, en beneficio de la claridad) entre los nodos. De la misma manera en que se aplica recursivamente el algoritmo de análisis de redes sociales para construir comunidades a partir de líneas o enlaces, la función de comparación sería aplicada aquí para extender diadas con nodos similares, de modo que las comunidades sean debidamente construidas. La Figura 1 representa un esquema de la invención propuesta, según una realización específica. Se consideran dos entradas distintas para ser analizadas sintácticamente en esta realización: el interés individual de los usuarios y un grafo social.
Intereses individuales (1 1): se toman perfiles disponibles en la red (Internet) de los usuarios como una entrada. Cualquiera de los procedimientos propuestos en la técnica anterior puede proporcionar dichos perfiles de usuario. Un perfil de usuario refleja los intereses de los usuarios, en base a su conducta en la navegación por la red. Puede tomarse, por ejemplo, de los registros de la red y, en base a algún diccionario de categorías que determina, para cada página web de la red, a qué grupo pertenece, calcular perfiles de interés como una clasificación de las visitas por usuario y categoría de contenido de la red.
Un ejemplo no excluyente de la implementación del perfil de interés individual se describe por medio de la siguiente tabla, donde se incluyen campos optativos, pero el interés principal está centrado en el campo "Categoría", que clasifica las páginas web visitadas por un usuario, según un diccionario de categorías.
Nombre Descripción
Identificador de usuario Puede ser, por ejemplo, el MSISDN, el
Identificador de Abonado interno o el Identificador de Cliente.
Categoría La categoría para el URL
Nivel de categoría El nivel de categoría en la estructura jerárquica del diccionario
Intervalo Puede ser, por ejemplo, día, semana, mes, día de la semana y ranura temporal
Vistas de páginas Número de páginas vistas Duración Tiempo empleado visitando los URL de esa categoría, por ejemplo, en segundos
Rango Grado de interés del usuario, por ejemplo:
Alto, Medio o Bajo
Grafo social: (12): la otra entrada de esta realización se refiere a un grafo social. El grafo social se construye con la red social de los usuarios móviles y sus contactos, en base a información de tráfico extraído de los registros de detalles de llamadas (CDR) y alguna información comercial básica. La presente invención no se refiere a la construcción del grafo social, pues ya es conocida en el estado de la técnica, por lo que la presente invención simplemente aprovecha el grafo social y los grupos de usuarios (comunidades) implicados.
Por ejemplo, los grafos sociales pueden construirse en base a un cierto número de ficheros con información a partir de los CDR mensuales y la lista de clientes. Por ejemplo, podría estar comprendido un caso específico donde se necesitarían 3 orígenes de datos, uno para cada tipo de tráfico: los CDR de llamadas de voz, los SMS y los MMS. Se generaría periódicamente.
Para cada par de usuarios para los cuales existe una relación social, la siguiente salida se genera según una realización específica de la invención:
Nombre Descripción
MSISDN1 Cliente o no cliente
MSISDN2 Cliente o no cliente
Ponderación Mide la fuerza de la relación, por ejemplo, en términos del número de comunicaciones por mes
Direccionalidad Mide en qué dirección es más fuerte la comunicación Analizador sintáctico de entrada (1): las dos entradas de esta realización específica de la invención (intereses individuales y grafo social) son analizadas sintácticamente y unidas para proporcionar la información fusionada como salida. La salida del analizador sintáctico de entrada en esta realización específica da como resultado un conjunto de categorías en las cuales cada uno de los nodos tiene un cierto nivel de interés. Dados dos usuarios, definidos, por ejemplo, como MSISDN1 y MSISDN2, la salida generada sería como lo siguiente:
Nombre Descripción
MSISDN1 ,MSISDN2, Ponderación, Grafo social de información
Direccionalidad
[Categorías 1], [Categorías2] Todas las categorías de los dos teléfonos
Ahora que los enlaces sociales están caracterizados (22) por las categorías de interés para los usuarios, se define una función de comparación, a usar para el cálculo de la armonía (2) de intereses:
Función para comparar categorías (21): proporcionar una medida de la armonía entre los dos usuarios, con referencia a sus categorías, requiere definir una función de comparación. En esta realización, el valor de salida para esta función puede variar entre 0 y 1. Por ejemplo, si se supone que las categorías pueden tener 5 niveles, la distribución de ponderaciones o pesos sería la siguiente:
Función = ((i,),
(o,6, 0,4),
(o,6, 0,25, 0,15),
(0,6, 0,25, 0,10, 0,05),
(0,6, 0,25, 0,10, 0,03, 0,02) )
Luego, para cada par de usuarios (suponiendo que un usuario corresponde a un teléfono) y sus categorías, las categorías son comparadas una con una. En cada comparación de categorías, se extrae la máxima subcategoría o nivel, y los valores se asignan según la misma. Una vez que se obtiene esto, se compara cada subcategoría:
■ Si la subcategoría de ambos usuarios coincide, el valor se suma;
■ Si no hay ninguna subcategoría, o ningún nivel, en un lado, no ocurre nada;
■ Si ambas subcategorías, o ambos niveles, son distintos, el valor se resta.
Por ejemplo, si se desea comparar las categorías Deportes\fútbol\España y Deportes\fútbol, según está gráficamente representado en la figura 2, la primera categoría tiene tres niveles, mientras que la segunda tiene solamente dos, por lo que hay una comparación de nivel 3 y, siguiendo con el ejemplo, deberían usarse los valores de nivel 3: [0,6, 0,25 y 0, 15].
La armonía de intereses es entonces: 0,6+0,25=0,85.
Otro ejemplo sería si el segundo teléfono hubiera tenido un tercer nivel llamado "España", por lo que hubiera coincidido y el valor de la armonía de intereses habría sido: 0,6+0,25+0,15=1
Siguiendo con el ejemplo, si su tercer nivel hubiera sido distinto, ('bayern'), el tercer valor habría sido restado: 0,6+0,25-0, 15=0,7
Para cada enlace se calcula al menos una medida de armonía, pero en algunas realizaciones se proporciona una segunda medida, porque se considera el caso de medidas asimétricas. La similitud de intereses entre el teléfono A y el teléfono B y la similitud de intereses entre el teléfono B al A pueden ser distintas. Estos valores son valores únicos por usuario y pueden ser distintos porque tienen en cuenta el número total de intereses por usuario, para normalizar y dar un valor ponderado según el número de intereses. Un valor de similitud más complejo se calculará fusionando estas dos medidas únicas.
La salida (32) que se obtiene en esta etapa es el par de teléfonos (también llamado línea o enlace) con dos medidas de armonía, de l a 2 y de 2 a 1. Estos valores dependen del número de categorías para cada teléfono y también dependen del valor final para la función de comparación. Para cada línea con alguna relación social, se genera la siguiente salida según una posible realización de la invención:
Nombre Descripción
MSISDN1 , MSISDN2 Líneas o enlaces entre usuarios
Ponderación, Direccionalidad, Información del grafo social,
Similitud12, Similitud21 , {Cat11 : todas las categorías a las que valor, Cat12: valor, ...} {Cat21 : pertenecen los teléfonos y el valor, Cat22: valor, ...} valor de la función de comparación
La salida (32) de la etapa anterior es efectivamente una de las entradas para la etapa final del cálculo de la armonía por comunidad (3). La otra entrada es un grafo (31) comunitario que implica a todas las comunidades sociales a las que pertenecen los usuarios. Estas comunidades, o grupos de usuarios, son detectadas en una etapa previa, y ya han sido construidas por otras soluciones del estado de la técnica. Estos grupos, obtenidos como salida, pueden incluir a usuarios servidos por distintos operadores, porque pueden tener alguna relación social, independientemente del operador. A partir del análisis de la comunicación entre los MSISDN, se crean enlaces entre ellos y luego, usando algún algoritmo aglomerativo del estado de la técnica (por ejemplo, el del documento WO 2012004425 A1), se obtienen comunidades de MSISDN relacionados.
Para cada número de teléfono y el grupo de usuarios o comunidad al que pertenece, se genera la siguiente salida, según una realización de la invención:
Nombre Descripción
MSISDN Cliente o no cliente
ld_com Identificador de la comunidad a la que pertenece el usuario Num_total Fuerza de membresía, que indica si el
MSISDN es o no un miembro fuerte de la comunidad, según sus comunicaciones.
De este modo, la etapa anterior ha proporcionado una medida de la armonía de intereses en cada par de usuarios relacionados. Extendiendo esto a las comunidades, se obtienen algunas métricas que indican cuán similares son los usuarios de una comunidad. Extrayendo la distribución de valores de interés para cada grupo de usuarios y estas métricas, se describe el grado de homogeneidad dentro de la comunidad, en términos de la armonía entre las categorías.
Estas métricas, como el número de miembros o el número de miembros que navegan por páginas web , cuantifican características interesantes acerca del grupo de usuarios. Por tanto, no se necesita un estudio individual en profundidad para extraer la información relevante, pero esta información es fácilmente apreciable y medible en términos de variables numéricas.
Además, puede considerarse, según una realización de la invención, a una comunidad como un conjunto de nodos que están conectados entre sí con una medida específica de armonía. De ese modo, se calculan algunas métricas comunitarias en base al conjunto de valores de armonía de los clientes que pertenecen a esa comunidad:
• Armonía: valor medio para los valores de enlaces de armonía dentro de la comunidad
• ValorComMinWB: valor medio para los valores mínimos de armonía, para cada enlace con datos navegación por la red
• ValorComMaxWB: valor medio para los valores máximos de armonía, para cada enlace con datos de navegación por la Red
• ValorComMinTotal: valor medio para los valores mínimos de armonía para cada enlace
• ValorComMaxTotal: valor medio para los valores máximos de armonía para cada enlace • Categorías: número de categorías visitadas por los miembros de la comunidad
• MinArmonía: valor mínimo absoluto para los valores mínimos de armonía
• MaxArmonía: valor máximo absoluto para los valores máximos de armonía
Con estas medidas, el nivel de armonía dentro de la comunidad es mejor entendido para asociarlo, si se obtiene debido a la contribución de algunos valores similares o, por otra parte, debido a algunos valores extremos en nodos específicos. Esto ayudará a entender el mejor enfoque a usar, por ejemplo, en campañas de mercadotecnia, acerca de con quién tomar contacto y cómo hacerlo.
Aparte de mejorar la comprensión, la manera en que la presente invención propone caracterizar las comunidades ayuda a filtrar o seleccionar grupos con características específicas.
Finalmente, las categorías relevantes son añadidas y clasificadas según el nivel de armonía que los usuarios comparten alrededor de estas categorías. El grupo de usuarios obtiene su información semántica y será perfectamente explicado en términos de intereses en la red para sus miembros. De tal modo, la salida obtenida es un conjunto de métricas que explican cuán similares son los usuarios del grupo y qué intereses tienen en común.
Para cada miembro activo de una comunidad, se genera la siguiente salida, según una realización de la invención:
Nombre Descripción
ld_com Identificador de comunidad
MiembrosComunidad, Información de comunidad,
MiembrosWebperf, Similitudmáxima, usuarios de la red de la comunidad,
Similitudmínima, {Catx:SUM}, medidas de similitud y categorías
{Catx:Total}

Claims

REIVINDICACIONES
1. - Método para caracterizar un grupo de usuarios, relacionados entre sí por sus datos de comunicación móvil, según datos de navegación en red, el método comprende los pasos de: a) construir un grafo social a partir de unos datos de comunicación móvil de un usuario y sus contactos;
b) extraer datos de navegación en red de cada usuario del grafo social; c) asociar, a cada línea que enlaza dos usuarios del grafo social, datos de navegación en red, extraídos para ambos usuarios;
d) obtener una medida de armonía en base a la comparación de los datos de navegación en red de ambos usuarios;
e) proporcionar un conjunto de métricas para el grupo de usuarios, en base a las medidas de armonía de la etapa d), que caracteriza el grupo de usuarios.
2. - Método según la reivindicación 1 , donde los datos de comunicación móvil de un usuario son obtenidos a partir de sus registros detallados de llamadas (CDRs).
3. - Método según cualquiera de las reivindicaciones anteriores, donde la construcción del grafo social a partir de los datos de comunicación móvil comprende adicionalmente ponderar una relación entre dos usuarios según sus registros de detalles de llamadas (CDR).
4. - Método según cualquiera de las reivindicaciones anteriores, donde los datos de navegación en red de un usuario se refieren a categorías de contenidos de la red visitados por dicho usuario.
5. - Método según la reivindicación 4, donde la comparación de categorías entre dos usuarios comprende adicionalmente:
- asignar una distribución de ponderaciones según las subcategorías de cada categoría; - comparar cada subcategoría de los dos usuarios;
- proporcionar un valor de armonía como resultado de la comparación: si las dos subcategorías coinciden, sus ponderaciones se suman; si son distintas, sus ponderaciones se restan; y si no hay ninguna correspondencia para una subcategoría de un usuario, las ponderaciones son ignoradas.
6. - Método según una cualquiera de las reivindicaciones 4,5, donde la medida de armonía comprende adicionalmente tener en cuenta el número de categorías implicadas para cada usuario, lo que puede dar como resultado una medida distinta, desde un usuario A a un usuario B, que desde el usuario B al usuario A, y combinar ambas para ofrecer una medida global para la relación entre los usuarios A y B.
7. - Método según una cualquiera de las reivindicaciones anteriores, donde el conjunto de métricas que caracteriza el grupo de usuarios comprende adicionalmente al menos uno entre los siguientes: número de usuarios, número de usuarios que navegan en Internet, número de usuarios que exploran ciertas páginas web de la red y un grado de homogeneidad de los usuarios pertenecientes al grupo.
8. - Método según una cualquiera de las reivindicaciones anteriores, donde un usuario pertenece a más de un grupo.
9. - Método según una cualquiera de las reivindicaciones anteriores, donde los usuarios son usuarios de una red social, y que comprende adicionalmente usar el análisis de redes sociales para determinar grupos de usuarios.
10. - Método según una cualquiera de las reivindicaciones anteriores, donde los datos de navegación en red de los usuarios son obtenidos a partir de los perfiles proporcionados de los usuarios.
11. - Sistema para caracterizar un grupo de usuarios, relacionados entre ellos por sus datos de comunicación móvil, según datos de navegación en red; el sistema está caracterizado por comprender: medios para construir un grafo social a partir de los datos de comunicación móvil de un usuario y sus contactos; medios para extraer datos de navegación en red de cada usuario del grafo social; medios para asociar, a cada línea que enlaza dos usuarios del grafo social, datos de navegación en red extraídos para ambos usuarios; medios para obtener una medida de armonía, en base a la comparación de datos de navegación en red de ambos usuarios; y medios para proporcionar un conjunto de métricas para los grupos de usuarios, en base a las medidas de armonía de la etapa e), que caracteriza el grupo de usuarios.
12.- Un producto de programa de ordenador que comprende código de programa de ordenador adaptado para realizar el método según cualquiera de las reivindicaciones 1 a 10 cuando dicho código de programa es ejecutado en un ordenador, un procesador de señales digitales, una formación de compuertas programables en el terreno, un circuito integrado específico de la aplicación, un micro-procesador, un micro-controlador, o cualquier otra forma de hardware programable.
PCT/ES2013/070857 2013-12-09 2013-12-09 Método y sistema para caracterizar un grupo de usuarios WO2015086860A1 (es)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP13898957.9A EP3082100A4 (en) 2013-12-09 2013-12-09 Method and system for characterising a user group
PCT/ES2013/070857 WO2015086860A1 (es) 2013-12-09 2013-12-09 Método y sistema para caracterizar un grupo de usuarios
US15/102,770 US20160314213A1 (en) 2013-12-09 2013-12-09 Method and system for characterizing a user group
BR112016013375A BR112016013375A2 (pt) 2013-12-09 2013-12-09 Método e sistema para caracterizar um grupo de usuários

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/ES2013/070857 WO2015086860A1 (es) 2013-12-09 2013-12-09 Método y sistema para caracterizar un grupo de usuarios

Publications (1)

Publication Number Publication Date
WO2015086860A1 true WO2015086860A1 (es) 2015-06-18

Family

ID=53370648

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/ES2013/070857 WO2015086860A1 (es) 2013-12-09 2013-12-09 Método y sistema para caracterizar un grupo de usuarios

Country Status (4)

Country Link
US (1) US20160314213A1 (es)
EP (1) EP3082100A4 (es)
BR (1) BR112016013375A2 (es)
WO (1) WO2015086860A1 (es)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060200435A1 (en) * 2003-11-28 2006-09-07 Manyworlds, Inc. Adaptive Social Computing Methods
US20060248091A1 (en) * 2002-12-12 2006-11-02 Sony Corporation Information processing device and information processing method, information-processing system, recording medium, and program
WO2012004425A1 (es) 2010-07-08 2012-01-12 Telefonica, S.A. Método de detección de comunidades en redes sociales masivas mediante un enfoque aglomerativo
US20120089996A1 (en) * 2005-09-14 2012-04-12 Jorey Ramer Categorization of a mobile user profile based on browse and viewing behavior
US20120158637A1 (en) 2010-12-20 2012-06-21 Yahoo! Inc. Dynamic Online Communities
US20120278317A1 (en) * 2005-03-30 2012-11-01 Spiegel Joel R Mining of user event data to identify users with common interest

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8688595B2 (en) * 2008-03-31 2014-04-01 Pursway Ltd. Analyzing transactional data
US20130179223A1 (en) * 2010-09-14 2013-07-11 Telefonaktiebolaget L M Ericsson (Publ) Method and arrangement for segmentation of telecommunication customers
AU2012271280A1 (en) * 2011-06-16 2014-02-06 Radiumone, Inc. Building a social graph with sharing activity between users of the open web

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060248091A1 (en) * 2002-12-12 2006-11-02 Sony Corporation Information processing device and information processing method, information-processing system, recording medium, and program
US20060200435A1 (en) * 2003-11-28 2006-09-07 Manyworlds, Inc. Adaptive Social Computing Methods
US20120278317A1 (en) * 2005-03-30 2012-11-01 Spiegel Joel R Mining of user event data to identify users with common interest
US20120089996A1 (en) * 2005-09-14 2012-04-12 Jorey Ramer Categorization of a mobile user profile based on browse and viewing behavior
WO2012004425A1 (es) 2010-07-08 2012-01-12 Telefonica, S.A. Método de detección de comunidades en redes sociales masivas mediante un enfoque aglomerativo
US20120158637A1 (en) 2010-12-20 2012-06-21 Yahoo! Inc. Dynamic Online Communities

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HARISPE, S. ET AL.: "Semantic Measures for the Comparison ofUnits of Language, Concepts or Instances from Text and Knowledge Representation Analysis''.", 6 December 2013 (2013-12-06), XP055294607, Retrieved from the Internet <URL:http://arxiv.org/abs/1310.1285> [retrieved on 20140618] *
See also references of EP3082100A4
YIH, WEN-TAU ET AL.: "Polarity inducing latent semantic analysis.", PROCEEDINGS OF THE 2012 JOINT CONFERENCE ON EMPIRICAL METHODS IN NATURAL LANGUAGE PROCESSING AND COMPUTATIONAL NATURAL LANGUAGE LEARNING., 14 July 2012 (2012-07-14), pages 1212 - 1222, XP055294606, Retrieved from the Internet <URL:http://research.microsoft.com/pubs/166243/YihZweigPlatt%20-%20PILSA.pdf> *

Also Published As

Publication number Publication date
BR112016013375A2 (pt) 2017-08-08
EP3082100A4 (en) 2017-08-16
US20160314213A1 (en) 2016-10-27
EP3082100A1 (en) 2016-10-19

Similar Documents

Publication Publication Date Title
Jayasinghe et al. Rpr: A trust computation model for social internet of things
US11063902B2 (en) Method for identifying multiple devices belonging to the same group
Wang et al. Location recommendation in location-based social networks using user check-in data
Trestian et al. Measuring serendipity: connecting people, locations and interests in a mobile 3G network
Cranshaw et al. Bridging the gap between physical location and online social networks
Marcus et al. Rage–a rapid graphlet enumerator for large networks
Kim et al. Social network analysis of patent infringement lawsuits
Chaabane et al. A closer look at third-party OSN applications: are they leaking your personal information?
US10949788B2 (en) Systems and methods for social influence based loyalty and customer experience management in mobile communication networks
Hu et al. Multi-country study of third party trackers from real browser histories
Zignani et al. Extracting human mobility and social behavior from location‐aware traces
Luceri et al. Measurement and control of geo-location privacy on Twitter
Wang et al. From fingerprint to footprint: Revealing physical world privacy leakage by cyberspace cookie logs
MacBeth Tracking the trackers: analysing the global tracking landscape with GhostRank
US9306958B2 (en) Methods, systems and media for detecting non-intended traffic using co-visitation information
Spinelli et al. The effect of transmission variance on observer placement for source-localization
Mtibaa et al. On the relevance of social information to opportunistic forwarding
Rajeh et al. Comparing community-aware centrality measures in online social networks
KR101785288B1 (ko) 온라인 콘텐츠의 허위 평가 정보 적발 장치, 방법 및 프로그램
Huang et al. Exploiting spatial-temporal-social constraints for localness inference using online social media
Ying et al. Preference-aware community detection for item recommendation
Wang et al. Predicting poi visits with a heterogeneous information network
Sänger et al. Reusability for trust and reputation systems
WO2015086860A1 (es) Método y sistema para caracterizar un grupo de usuarios
Su et al. A cartography of web tracking using dns records

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13898957

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 15102770

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112016013375

Country of ref document: BR

REEP Request for entry into the european phase

Ref document number: 2013898957

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2013898957

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 112016013375

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20160609