基于移动通信社会化网络的家庭关系识别

发布时间：2020-09-05 10:17

　　随着移动通信网络的逐步完善,家庭用户业务市场在不断扩大,已成为国内运营商新的战略发展方向之一。但是,目前移动通信领域对家庭群体的研究还不成熟,相关算法模型还比较少,而且大多基于数理统计等对用户关系进行刻画,很难满足家庭业务营销的需求。传统解决方案忽视了用户群体之间的行为关联关系,不能有效地区分家庭成员与同事、朋友等强关联关系群体之间的异同点。同时,传统解决方案在基站信令数据的处理上需要耗费较大的内存资源,而且时间代价较高。因此,本课题对家庭用户关系识别进行了深入研究,旨在解决传统方案中存在的识别准确率低、工程成本高、应用场景局限等难点。本课题基于数据变现能力平台对移动通信用户的语音通话行为、基站信令轨迹等进行了综合分析,充分挖掘家庭成员群体的行为特征模式,对不同用户群体的特征进行了细粒度刻画。然后,基于GBDT和LR融合模型实现了家庭成员候选集的提取,降低了传统方案中需要人工构建大量特征指标的工程代价。同时,本课题设计了一种合理的基站信令轨迹的向量表征形式,即采用时空分割的方式来对基站轨迹向量进行加权求和,降低了服务器内存资源需求,并且通过引入网络表示学习实现了移动通信用户混合关系网络的联合训练,进一步提升了家庭关系成员识别的准确率。另外,本课题通过对移动通信用户的属性特征进行分析,设计了一种家庭成员角色识别方案,对家庭关系模型识别结果的合理性进行了有效评估,缩短了传统方案中模型效果评估周期。最后,本课题基于构建的家庭关系识别模型进行了多业务模块的设计,实现了家庭用户业务营销的统一化运营,为以后的多种家庭业务需求提供了基础技术支撑。
【学位单位】：北京邮电大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN929.5
【部分图文】：

用户关系,移动通信领域

２．１引言逡逑本章节对近些年来移动通信领域内的用户关系识别研宄的主要工作进行了逡逑归纳总结，并对相关的技术研究点进行了详细介绍，如图２－１所示，为构建家庭逡逑关系识别模型提供了基础技术支撑。逡逑移动通信领域用户关系识别逡逑逦１逦邋逦ｘ逦逡逑基于亚务属性特征逦基于网络拓扑结构逡逑（Ｄ邋（Ｄ邋②（５）②逡逑图２－１移动通信领域用户关系识别的主要研究点逡逑２．２基于业务属性特征的用户关系识别逡逑本小节中，我们分析了目前基于用户业务属性特征的关系识别方法，主要包逡逑括基于用户交往圈、基于移动通信用户移动轨迹等。逡逑２．２．１基于用户交往圈的关联关系识别逡逑基于用户交往圈的用户关系识别，首先是基于用户的业务数据进行交往圈的逡逑构建，然后基于生成的交往圈进行用户关联特征重要度的衡量，提取较重要的业逡逑务属性特征，并剔除冗余特征。最后，通过聚类分析等挖掘出有区分度的特征属逡逑性，并通过实验设定合适的阈值，最终采用决策树算法进行用户的关系识别。逡逑２．２．１．１用户交往圈构建逡逑如图２－２所示，用户交往圈的构建流程一般分为以下几个步骤：基于用户业逡逑务数据的宽表生成、初步的交往圈数据集构建、交往圈数据集的特征重要度评估、逡逑交往圈中用

流程图,流程,用户关系,移动通信领域

分布情况,熵值法,用户关系,流程

剔除冗余数据后，我们采用熵值法来衡量特征属性的区分度。熵值法是一种逡逑根据特征属性分布情况来评估指标权重大小的方法，一般来说，特征指标的离散逡逑程度越大，该特征对数据集评价的重要度越高。熵值法的流程主要如图２－３所示，逡逑主要包括数据归一化、异质指标同质化、各特征维度下样本分布比例、各特征属逡逑性的熵值计算、计算各属性特征的差异系数、特征属性的权重输出等。逡逑（输入数据ｊ逦逦逡逑＜正向指标（越大越好）：逡逑逦３：逦邋，一邋＾0－ｍｉｎ（Ａ：；）逡逑数据标准归邋＜＜逦邋ｌＪ邋ｍａｘ（ｘｊ）邋－邋ｍｉｎ（Ｘｊ）逡逑—化逦负向指标（越小越好）：逡逑，二邋ｍａｘ（ｘｙ）逡逑广逦邋ｖ逦１１邋ｍａｘ＾ｘｊ）邋—邋ｍｉｎ（Ａ：；）逡逑ｆ、邋Ｘｕ逦｜属性ｉ在本逦逦Ｊ逡逑ｆｖｘｉｊ）邋＝邋Ｖｍ邋￣邋逦＾属性中的占逡逑Ｚａｉ邋＝邋ｌ＾ｉｊ逦比逡逑逦Ｊ邋逦逡逑ｘ邋ｌｎ（／（ｘｉｙ））逦」计算ｊ榐逡逑ｅＪ＝逦Ｊ一１邋性＿值逡逑逦Ｉ逦逡逑计算每类属Ｌ逡逑性的权重逦３邋ｓｙ＝１１邋－邋ｅｊ逡逑逦Ｊ逡逑图２－３熵值法求权重流程逡逑２．２．１．３基于决策树算法的用户关系识别逡逑决策树算法是机器学习中比较常用的一种预测模型，它本质上反映了特征属逡逑性与特征值之间的映射关系［１１］。如图２－４所示，决策树中的每个节点代表特征实逡逑体对象，每条路径代表根据设定的特征阈值进行划分，而叶子节点则对应根据设逡逑定的特征阈值划分生成的类别标签输出。决策树算法相比于其他的分类算法，具逡逑有易于理解、实现简单等优点

【相似文献】