[发明专利]相似用户识别方法和装置

说明书

技术领域

本发明涉及数据分析领域，特别是一种相似用户识别方法和装置。

背景技术

用户相似度分析是用户行为分析处理的一个较为热门的方面，目前业内用户相似度识别技术复杂多样，包括通过手机IMEI(International Mobile Equipment Identity，国际移动设备标识)对比分析识别，以及基于用户呼叫行为频率相关指标实现交往圈余弦相似度计算。

但是，基于手机IMEI对比分析识别的适用面小、准确率低；而基于呼叫行为频率的交往圈余弦相似度计算仅根据用户通话详单数据就通话频次进行计算，准确度低，不能起到有效的识别作用，且余弦相似度计算复杂度高、效率低，不利于拓展应用。一种高适用度、高准确度和高效率的用户相似度分析方法是发展用户行为分析的迫切需求。

发明内容

本发明的一个目的在于提高用户相似度分析的效率、准确度和通用性。

根据本发明的一个方面，提出一种相似用户识别方法，包括：提取用户通信行为发生的位置和时间；根据用户在预定时间段内通信行为发生的位置和时间计算用户相对于基站的基站常用指数；根据用户相对于不同基站的基站常用指数提取预定数量基站，生成用户常用基站特征向量；根据不同用户的用户常用基站特征向量确定用户相似度 指数。

可选地，用户通信行为包括通话和/或连接数据网络；用户通信行为发生的位置为用户发生通信行为时交互的基站。

可选地，根据用户在预定时间段内通信行为发生的位置和时间计算用户相对于基站的基站常用指数包括：在预定时间段内，获取预定周期基站常用指数，其中，预定周期基站常用指数为用户与基站发生过交互的预定周期的个数与预定时间段内预定周期的个数的比值；预定周期包括一个月、十日、七日、三日和/或一日；根据预定周期基站常用指数确定基站常用指数。

可选地，获取预定周期基站常用指数包括：根据公式

确定预定周期基站常用指数，其中，I为预定周期基站常用指数，n为预定时间段内预定周期的个数，i为预定时间段内的预定周期标号，t_i为第i个预定周期内用户是否与基站发生过交互的标识：若在第i个预定周期内用户与基站发生过交互，则t_i为1；若在第i个预定周期内用户与基站未发生过交互，则t_i为0。

可选地，根据预定周期基站常用指数确定基站常用指数包括：根据公式

CI＝35M_y+30T_y+16W_y+12TH_y+8D_y

确定基站常用指数，其中，CI为用户在预定时间段内的基站常用指数，M_y为预定周期为一个月的预定周期基站常用指数；T_y为预定周期为十日的预定周期基站常用指数；W_y为预定周期为七日的预定周期基站常用指数；TH_y为预定周期为三日的预定周期基站常用指数；D_y为预定周期为一日的预定周期基站常用指数。

可选地，根据不同用户的用户常用基站特征向量确定用户相似度指数包括：根据公式

S＝(P_m∩P_n)/Y

确定用户相似度指数，其中，m、n为用户标识，S为用户n与用户m的相似度指数，P_m为用户m的常用基站特征向量，P_n为用户 n的常用基站特征向量，P_m∩P_n为P_m与P_n中相同的基站数量，Y为用户常用基站特征向量中基站的数量。

可选地，提取用户通信行为发生的位置和时间包括：提取用户工作日的通信行为发生的位置和时间；根据用户在预定时间段内通信行为发生的位置和时间计算用户相对于基站的基站常用指数包括：根据用户在预定时间段中工作日的通信行为发生的位置和时间计算用户相对于基站的工作日基站常用指数；根据用户相对于不同基站的基站常用指数提取预定数量基站，生成用户常用基站特征向量包括：根据用户相对于不同基站的工作日基站常用指数的大小提取预定数量基站，生成用户工作日常用基站特征向量；根据不同用户的用户常用基站特征向量确定用户相似度指数包括：根据不同用户的用户工作日常用基站特征向量确定用户相似度指数。