基于派系過濾和標(biāo)簽傳播的移動(dòng)通信用戶群組構(gòu)造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)據(jù)業(yè)務(wù)領(lǐng)域，特別涉及一種基于派系過濾和標(biāo)簽傳播的移動(dòng)通信用 戶群組構(gòu)造方法。
【背景技術(shù)】
[0002] 現(xiàn)有技術(shù)中，沒有發(fā)現(xiàn)有關(guān)通過用戶間的通信信息構(gòu)造社交關(guān)系群組并發(fā)現(xiàn)群組 中心用戶方法的文獻(xiàn)。相對比較類似的SLPA(Speaker-listener Label Propagation Algor ithm，speaker-1 i sener標(biāo)簽傳播策略算法)算法具有近線性的時(shí)間復(fù)雜度，且具有較 好的性能，比較適合在具有較大數(shù)據(jù)集的前提背景下進(jìn)行用戶間社交關(guān)系群組的構(gòu)造。 SLPA算法初始時(shí)為所有用戶節(jié)點(diǎn)都分配一個(gè)唯一的標(biāo)簽，致使該算法迭代收斂的時(shí)間變 慢，且在同步更新策略中可能會產(chǎn)生振蕩現(xiàn)象，魯棒性相對較差。此外，盡管該算法能夠發(fā) 現(xiàn)重疊社區(qū)，但是主要針對無權(quán)網(wǎng)絡(luò)，無法直接應(yīng)用到有權(quán)復(fù)雜網(wǎng)絡(luò)中。
[0003] 本發(fā)明基于移動(dòng)運(yùn)營商自身所擁有的數(shù)據(jù)進(jìn)行分析，不依賴任何0TT(0ver The Top，通過互聯(lián)網(wǎng)向用戶提供各種應(yīng)用服務(wù))應(yīng)用，在實(shí)際應(yīng)用中具有重要意義，基于移動(dòng)通 話記錄構(gòu)造用戶社交群組不僅能夠使移動(dòng)運(yùn)營商更深入地了解用戶，適當(dāng)緩解OTT業(yè)務(wù)的 沖擊，還能為其他一些服務(wù)提供基礎(chǔ)。

【發(fā)明內(nèi)容】

[0004] 針對現(xiàn)有技術(shù)存在的不足，本發(fā)明提供一種基于派系過濾和標(biāo)簽傳播的移動(dòng)通信 用戶群組構(gòu)造方法。
[0005] 本發(fā)明的技術(shù)方案是這樣：
[0006] -種基于派系過濾和標(biāo)簽傳播的移動(dòng)通信用戶群組構(gòu)造方法，包括以下步驟：
[0007] 步驟1:計(jì)算用戶間的聯(lián)系緊密度；
[0008] 假設(shè)在一段時(shí)間內(nèi)用戶A同時(shí)與用戶B、C、D發(fā)生通話關(guān)系且以用戶A為主體，則可 以基于用戶間的聯(lián)系強(qiáng)度和聯(lián)系穩(wěn)定性，來度量用戶A與用戶B間的之間的聯(lián)系緊密度；
[0009] 步驟1.1:計(jì)算用戶間的聯(lián)系強(qiáng)度；
[0010] 所述用戶間的聯(lián)系強(qiáng)度用于體現(xiàn)用戶間相互聯(lián)系的密切程度；用戶A與用戶B間的 聯(lián)系強(qiáng)度可通過公式（1)計(jì)算。
[0011] <1)
[0012] 其中，AVGcouple+duration表不用戶A與用戶B的平均通話時(shí)長，F(xiàn)REcmjpIeJimes表不用戶A 與用戶B的總通話次數(shù)，AVGall_duratlcin表示用戶A與其所有通話對象B、C、D的平均通話時(shí)長的 均值，AVG aii_time3S表示用戶A與其所有通話對象B、C、D的平均通話次數(shù)；
[0013] 步驟1.2:計(jì)算用戶間的聯(lián)系穩(wěn)定性；
[0014] 所述用戶間的聯(lián)系穩(wěn)定性用于體現(xiàn)用戶間通話聯(lián)系的規(guī)律周期性;用戶A與用戶B
[0015] 間的聯(lián)系穩(wěn)定性按照公式(2)度量；
(2)
[00? 6] 其中，Cab表不用戶A與用戶B之間的聯(lián)系穩(wěn)定性;FREcouple+weeks+times表不用戶A與用 戶B的總通話周數(shù)，AVGall^eeks+times表示用戶A與其所有通話對象B、C、D的平均通話周數(shù)， CVgap_weeks表不用戶A與用戶B聯(lián)系間隔周數(shù)的咼散系數(shù)，AVG_CVgap_weeks表不用戶A與其所有 通話對象B、C、D的聯(lián)系間隔周數(shù)的離散系數(shù)均值；
[0017] 步驟1.3:基于用戶間的聯(lián)系強(qiáng)度與聯(lián)系穩(wěn)定性，計(jì)算用戶間的聯(lián)系緊密度；
[0018] 用戶A對用戶B的聯(lián)系緊密度Iab按照公式(3)進(jìn)行計(jì)算；
[0019] Iab = OCab+(I-O)Sab (3)
[0020] 其中，ae[0，l]為用于調(diào)節(jié)用戶間的聯(lián)系強(qiáng)度與聯(lián)系穩(wěn)定性對聯(lián)系緊密度的影響 程度的常量；
[0021] 考慮主動(dòng)發(fā)起通信的用戶對用戶間聯(lián)系緊密度的貢獻(xiàn)程度更大一些，因此定義用 戶A與用戶B的綜合聯(lián)系緊密度值I按照公式(4)計(jì)算；
[0022]
(4)
[0023] 其中ΠΑΒ表示用戶A主叫用戶B的通話次數(shù);μα表示用戶B主叫用戶A的通話次數(shù)；用 戶A與用戶B之間的總通話次數(shù)η = παβ+γιβα。
[0024] 步驟2:構(gòu)建用戶間的有權(quán)復(fù)雜網(wǎng)絡(luò)；
[0025] 將移動(dòng)通信網(wǎng)絡(luò)中的用戶抽象為節(jié)點(diǎn)，用戶間的聯(lián)系緊密度值抽象為邊的權(quán)值， 將用戶間的通信關(guān)系抽象為有權(quán)復(fù)雜網(wǎng)絡(luò)；
[0026] 步驟3:基于有權(quán)復(fù)雜網(wǎng)絡(luò)，采用派系過濾算法構(gòu)造社交關(guān)系群組的種子群組；
[0027] 具體方法為:首先設(shè)置派系大小參數(shù)k;然后從有權(quán)復(fù)雜網(wǎng)絡(luò)中發(fā)現(xiàn)所有大小為k 且滿足設(shè)計(jì)要求的k_派系；隨后針對這些k派系進(jìn)行過濾，生成種子群組;所述過濾的方法 為:設(shè)定閾值W'首先過濾掉復(fù)雜網(wǎng)絡(luò)中所有權(quán)值小于#的邊，然后忽略過濾后復(fù)雜網(wǎng)絡(luò)中 節(jié)點(diǎn)間的權(quán)值；
[0028] 步驟4:基于種子群組，初始化網(wǎng)絡(luò)中所有節(jié)點(diǎn)標(biāo)簽，即為每個(gè)節(jié)點(diǎn)分配初始標(biāo)簽；
[0029] 方法為:將各個(gè)種子群組內(nèi)節(jié)點(diǎn)的標(biāo)簽初始化為同一個(gè)標(biāo)簽，如果一個(gè)節(jié)點(diǎn)同時(shí) 屬于多個(gè)種子群組，則此節(jié)點(diǎn)同時(shí)保留多個(gè)種子群組所對應(yīng)的標(biāo)簽;于種子群組內(nèi)所包含 的節(jié)點(diǎn)只是整個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)中的一部分，因而有些節(jié)點(diǎn)將不屬于任何種子群組，對于沒有被 種子群組包含的節(jié)點(diǎn)，將它們的標(biāo)簽初始化為唯一標(biāo)簽；
[0030] 步驟5:利用改進(jìn)的SLPA算法進(jìn)行標(biāo)簽傳播，當(dāng)絕大多數(shù)節(jié)點(diǎn)的標(biāo)簽收斂時(shí)，基于 節(jié)點(diǎn)的標(biāo)簽將節(jié)點(diǎn)劃分至對應(yīng)的群組，完成社交關(guān)系群組的構(gòu)造；
[0031] 步驟5.1:利用Speaker策略發(fā)布用戶的標(biāo)簽；
[0032] 所述Speaker策略為：設(shè)定一個(gè)比例閾值Tspeaker，每次標(biāo)簽傳播的迭代過程開始 時(shí)，從節(jié)點(diǎn)歷史標(biāo)簽集合中選取標(biāo)簽出現(xiàn)比例大于比例閾值的Tspeaker的標(biāo)簽對外發(fā)布;如 果沒有任何一個(gè)標(biāo)簽的出現(xiàn)比例滿足閾值條件，則選擇出現(xiàn)比例最大的標(biāo)簽作為該節(jié)點(diǎn)所 對外發(fā)布的標(biāo)簽;如果同時(shí)出現(xiàn)多個(gè)比例最大的標(biāo)簽則隨機(jī)選擇其中一個(gè)標(biāo)簽對外發(fā)布；
[0033]步驟5.2 :利用Listener策略接收用戶的標(biāo)簽；
[0034]所述Listener策略的具體內(nèi)容為:定義節(jié)點(diǎn)i所對應(yīng)標(biāo)簽1的強(qiáng)度SiabeiQ，1):
[0035]
[0036] 其中，NS(i，l)表示與節(jié)點(diǎn)i鄰接并且其所發(fā)布的標(biāo)簽中含有標(biāo)簽1的節(jié)點(diǎn)集合，Wij 表示節(jié)點(diǎn)i與節(jié)點(diǎn)j連邊的權(quán)值;迭代過程中，計(jì)算節(jié)點(diǎn)所接收到的每個(gè)標(biāo)簽的標(biāo)簽強(qiáng)度，選 擇擁有最大標(biāo)簽強(qiáng)度的標(biāo)簽作為本輪迭代該節(jié)點(diǎn)的更新標(biāo)簽并將其加入到自己的歷史標(biāo) 簽集合中；果出現(xiàn)多個(gè)標(biāo)簽強(qiáng)度最大的標(biāo)簽，則隨機(jī)從中選擇一個(gè)標(biāo)簽作為該節(jié)點(diǎn)本輪迭 代更新的標(biāo)簽并將其加入到自己的歷史標(biāo)簽集合中；
[0037] 步驟5.3:利用同步標(biāo)簽傳播策略進(jìn)行標(biāo)簽傳播；
[0038] 步驟5.4:判斷是否符合迭代停止條件，若是，則停止迭代并轉(zhuǎn)至步驟5.5;
[0039] 所述迭代停止條件為:設(shè)置兩個(gè)閾值Tc_ergence_rat e和Tc_ergence_times ;在每次迭代 過程中，統(tǒng)計(jì)收斂節(jié)點(diǎn)數(shù)Nlde3ntlral，即節(jié)點(diǎn)在新一輪迭代中所獲的標(biāo)簽與其歷史標(biāo)簽集合中 出現(xiàn)次數(shù)最多標(biāo)簽相同的節(jié)點(diǎn)數(shù)量;如果收斂節(jié)點(diǎn)數(shù)Nidentic aI與網(wǎng)絡(luò)中的總節(jié)點(diǎn)數(shù)NtcitaI的 比值不小于闕值T c;onve:rgenc;e_:rate的情況連續(xù)超過闕值T convergence _times次出現(xiàn)，則認(rèn)為本算法已 經(jīng)收斂，迭代停止；
[0040] 步驟5.5:基于節(jié)點(diǎn)的標(biāo)簽將節(jié)點(diǎn)劃分至對應(yīng)的群組，完成社交關(guān)系群組的構(gòu)造， 即擁有相同標(biāo)簽的節(jié)點(diǎn)構(gòu)成一個(gè)群組；
[0041] 由于每個(gè)節(jié)點(diǎn)都存儲了該節(jié)點(diǎn)在每一輪迭代中所接收并選擇的標(biāo)簽，為了能夠發(fā) 現(xiàn)重疊群組，設(shè)置一個(gè)比例閾值Tpcistprc^ ssing，針對每一個(gè)節(jié)點(diǎn)的歷史標(biāo)簽集合，選擇其標(biāo)簽 歷史集合中標(biāo)簽出現(xiàn)次數(shù)占總次數(shù)比例不小于閾值Tpcistprc^ ssing的標(biāo)簽作為標(biāo)識該節(jié)點(diǎn)群 組劃分的標(biāo)簽，則擁有相同標(biāo)簽的節(jié)點(diǎn)即構(gòu)成一個(gè)群組；
[0042] 本發(fā)明的有益效果:本發(fā)明的基于派系過濾和標(biāo)簽傳播的移動(dòng)通信用戶群組構(gòu)造 方法具有如下優(yōu)點(diǎn)：
[0043] 1、可獲得較好的用戶好友推薦效果；
[0044] 現(xiàn)階段，微信等APP所采用的用戶好友推薦方法都是基于本地通訊錄而設(shè)計(jì)的，然 而這種方法可能會產(chǎn)生錯(cuò)誤的推薦，比如可能只是在通訊錄中臨時(shí)記錄一個(gè)號碼也會產(chǎn)生 推薦?；诒景l(fā)明所構(gòu)造的社交關(guān)系群組進(jìn)行好友推薦則不會出現(xiàn)此問題，因?yàn)槔靡苿?dòng) 運(yùn)營商提供的數(shù)據(jù)所構(gòu)造的群組能夠較準(zhǔn)確地反映用戶間真實(shí)的社交關(guān)系，因此會有較好 的推薦效果。此外，群組構(gòu)造結(jié)果也可用于移動(dòng)運(yùn)營商自身業(yè)務(wù)的拓展，如飛信的好友推薦 等。
[0045] 2、獲得較好的協(xié)同推薦效果；
[0046] 擁有緊密聯(lián)系的用戶在某種程度上會擁有相同的興趣愛好，如喜歡購物的用戶總 是會和喜歡購物的用戶聯(lián)系商量購物事宜，鑒于此可以試圖了解群組內(nèi)某些用戶的興趣， 進(jìn)而推測群組中的其他用戶對此可能同樣感興趣。此外，當(dāng)某商品要針對某群組進(jìn)行推薦 時(shí)，為節(jié)約成本，可以先將商品推送至群組內(nèi)的某些用戶，如果推薦成功則該用戶會主動(dòng)將 此信息向其群組內(nèi)的其他成員進(jìn)行推薦。
[0047] 3、有助于用戶構(gòu)成分析；
[0048] "人以類聚，物以群分"，在用戶關(guān)系這里主要體現(xiàn)為相同層