[发明专利]一种移动互联网用户访问模式表征和聚类方法在审
申请号: | 201710910100.1 | 申请日: | 2017-09-29 |
公开(公告)号: | CN107818334A | 公开(公告)日: | 2018-03-20 |
发明(设计)人: | 吴晓非;禹可;李苒;江万 | 申请(专利权)人: | 北京邮电大学;苏州大数聚信息技术有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06F17/30 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100876 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 移动 互联网 用户 访问 模式 表征 方法 | ||
1.一种移动互联网用户访问模式表征和聚类方法,其特征在于,包括以下步骤:
用户访问序列获取模块,用于获取用户访问的移动互联网域名序列,数据来源于网络运营商;
用户访问序列预处理模块,用于对访问序列进行预处理并产生可用于训练和计算的数据类型,训练数据和实际数据的比例为某一预设的特定值,对训练数据和实际数据进行清洗去重,保证数据的有效性和可靠性;
向量表征训练模块,用于对训练数据进行基于特定算法的训练,训练得到训练数据中域名对应的域名向量和用户对应的用户向量,并且得到训练模型;
用户向量生成模块,用于通过实际数据和训练所得的训练模型产生实际数据对应的用户向量,所述的用户向量是根据训练模型计算得出的生成值;
APP域名分类规则模块,用于根据域名的实际所属领域,为其产生相应的人工标签,该人工标签表明了APP的功能和类型;
用户向量聚类模块,用于根据所得的用户向量对用户进行聚类,并结合域名分类规则,对每一类用户进行行为分析。
2.如权利要求1所述的方法,其特征在于,还包括:用户访问序列获取模块,该模块的数据来源是网络运营商提供的用户访问记录,该记录中至少包括用户标识,访问时间,地域以及域名这四个方面的信息。
3.如权利要求1所述的方法,其特征在于,还包括:用户访问序列预处理模块,该模块用于剔除不相关字段和异常信息,去除重复记录,进行记录融合,得到预设的可用于训练和计算的数据类型;
所述不相关字段是指除用户标识,访问时间,地域以及域名之外的字段和信息;
所述去除重复记录是指根据记录的访问时间区分并删除重复冗余记录,同一域名同一用户下的访问时间差值小于某一预设值,即认为发生了重复和冗余;
所述可用于训练和生成的数据类型以用户和访问序列成对存在,用户即用户标识,访问序列为该用户访问的域名按照时间先后顺序排列构成的一个序列。
4.如权利要求1所述的方法,其特征在于,还包括:所述特定算法为doc2vec算法,doc2vec算法可以将一段文本中的词和段落标识转换成词向量和段落向量;
进一步地,在本发明中利用doc2vec算法对用户访问序列对进行处理,用户标识在该算法训练过程中充当段落标识,单个域名在训练过程中充当词,用户访问序列在训练过程中充当段落,经过doc2vec算法训练后得到用户向量,域名向量以及训练模型;
进一步地,采用doc2vec算法进行训练时需要对用户向量和域名向量初始化,初始化的值为随机生成,初始化向量的位数是基于实验所得的预设值。
5.如权利要求1所述的方法,其特征在于,还包括:向量表征训练模块,训练数据来自于域名访问序列预处理模块所得的训练数据。
6.如权利要求1所述的方法,其特征在于,还包括:用户向量生成模块,用于生成用户向量的实际数据来自于域名访问序列预处理模块所得的实际数据;
进一步地,将实际数据直接导入训练模块所得训练模型进行计算,即可得到实际数据的用户向量和域名向量,所得用户向量不包括训练数据中的用户,训练模型一旦训练完成,就可以直接对新数据进行计算而不需要重新训练。
7.如权利要求1所述的方法,其特征在于,还包括:用户向量聚类模块,可采用一种或多种聚类算法对用户向量进行聚类,聚类将用户分成若干类别,进一步分析每一类用户的行为特点;
进一步地,根据某一类用户的用户标识找到该类用户的访问序列,根据访问序列统计该类用户的访问习惯并作图,根据结果分析每一类用户的属性和特征,从而达到用户聚类的目标。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京邮电大学;苏州大数聚信息技术有限公司,未经北京邮电大学;苏州大数聚信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710910100.1/1.html,转载请声明来源钻瓜专利网。